El Big Data y el análisis estadístico construyen la Banca de Proximidad Virtual

El shadow banking, el crowdlending y la competencia de los “gigantes digitales” compromete el futuro de la banca convencional, sometida a fuertes controles y regulaciones y a elevados costes operativos. Un escenario donde, según AIS Group, el impulso de la Banca de Proximidad Virtual permitirá a la entidades financieras tradicionales migrar con éxito a la banca digital.

“La crisis se ha llevado por delante gran parte de uno de los grandes valores del sector financiero español: la banca de proximidad”, así lo cree Ramon Trias, presidente de AIS Group, compañía pionera en el desarrollo de sistemas de gestión de riesgo de crédito y planificación estratégica. “De hecho –dice Trias- hay varios factores que confluyen para que se esté produciendo este fenómeno”. Por un lado, está el cierre de oficinas bancarias. De las más de 46.000 que había en junio de 2008, han cerrado unas 14.200 a junio 2015. Más de 1.100 de ellas lo han hecho en el último año a junio.    

“Asistimos a un combate desigual entre la banca y estos nuevos actores, señala el presidente de AIS Group. “La banca tiene acceso a un dinero más barato (al 0,05%), pero unos costes operativos muy elevados, que superaron el 50% del margen financiero en el mejor momento y poca agilidad en los cambios, además de una regulación mucho más exigente con el capital.

Los nuevos actores, en cambio, tienen un coste operativo muy barato y mucha flexibilidad, pero un coste del dinero más alto”. Parte de la reducción de costes de la banca pasa por redimensionar y optimizar su red de oficinas.

El Big Data, el Data Analytics y el uso de herramientas estadísticas para definir patrones y predecir comportamientos  allanarán el camino a la banca digital, según Ramon Trias. La banca dispone desde hace años de mucha información sobre usuarios finales, comercios y empresas… “pero no existía la capacidad técnica para tratar esta información de manera efectiva”, añade. “A los datos relacionales, hoy podemos sumar otros datos no estructurados,  procedentes de fuentes diversas que se pueden almacenar, recuperar y tratar para extraer la información y generar variables significativas sobre los hábitos de compra de los usuarios y el paso siguiente en su comportamiento y es aquí donde las herramientas estadísticas tienen el máximo protagonismo”.