TFM NATALIA MARTIN ORTIZ

UNIVERSIDAD POLITECNICA DE MADRID
E.T.S. INGENIEROS INFORMÁTICOS
“Big data en el sector bancario: análisis y planteamiento de
una lı́nea de servicios”
Autor: Natalia Martı́n Ortiz
Tutor: Francisco Calvo Vicente
JUNIO 2016
Índice general
Índice de figuras
IV
Resmuen
1
Summary
2
1. Introducción
3
1.1. ¿Qué es Big Data? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.2. Descripción de la compañı́a . . . . . . . . . . . . . . . . . . . . . . . . .
7
2. Análisis de mercado
8
2.1. Situación actual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.2. Compañı́as del sector . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.3. Barreras de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3. Nueva lı́nea de servicios
16
3.1. Definición de los servicios incluidos . . . . . . . . . . . . . . . . . . . .
16
3.1.1. Marketing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.1.2. Atención centrada en el cliente . . . . . . . . . . . . . . . . . . .
21
3.1.3. Gestión de riesgo y fraude . . . . . . . . . . . . . . . . . . . . .
24
3.1.4. Sistemas para toma de decisiones . . . . . . . . . . . . . . . . .
26
3.1.5. Seguridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
3.2. Alternativas para la creación de la nueva lı́nea de negocio . . . . . . . . .
28
II
4. Plan de marketing y ventas
4.1. Estudio de mercado . . . . . . .
4.2. Producto y posicionamiento . .
4.3. Promoción y captación de ventas
4.4. Canales de distribución . . . . .
4.5. Polı́tica de precios . . . . . . . .
.
.
.
.
.
30
30
30
31
32
33
5. Organización
5.1. Perfiles y estructura organizativa . . . . . . . . . . . . . . . . . . . . . .
5.2. Incorporación de recursos . . . . . . . . . . . . . . . . . . . . . . . . . .
34
34
35
6. Plan de operaciones
6.1. Logı́stica y tecnologı́a . . . . . . .
6.1.1. Instalaciones y suministros
6.1.2. Equipamiento y software .
6.2. Procesos . . . . . . . . . . . . . .
38
38
38
38
39
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7. Estudio de viabilidad y conclusiones
41
Bibliografı́a
44
III
Índice de figuras
1.1.
1.2.
1.3.
1.4.
1.5.
Número de usuarios con acceso a internet [8] .
Cantidad de datos generados [7] . . . . . . . .
Coste de almacenamiento por gigabyte [7] . . .
Proceso humano de interpretación de datos [11]
Definición de Big Data . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
3
4
5
5
6
2.1.
2.2.
2.3.
2.4.
Importancia del Big Data en función del tamaño de la organización [12]
Encuesta - ¿Obtuvo ayudá externa para su instalación de Big Data? [12]
Inversión en Big Data a corto plazo [12] . . . . . . . . . . . . . . . . .
Magic Quadrant for Business Analytics Services, Worldwide [2] . . . .
.
.
.
.
9
9
10
13
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
Oferta de servicios de Big Data . . . . . . . . . . .
Proceso de conocimiento del público objetivo [14] .
Análisis externo . . . . . . . . . . . . . . . . . . .
Análisis interno . . . . . . . . . . . . . . . . . . .
Proceso de análisis de datos . . . . . . . . . . . . .
Principales riesgos de una entidad bancaria . . . .
.
.
.
.
.
.
17
20
22
22
23
24
5.1. Incorporación de recursos a la lı́nea de negocio de Big Data . . . . . . . .
37
7.1. Análisis financiero de la propuesta . . . . . . . . . . . . . . . . . . . . .
43
IV
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
RESUMEN
A lo largo de este documento se trata de presentar un trabajo de fin de máster
(de ahora en adelante TFM) a través del cual se describe y valora la creación de una lı́nea
de servicios de consultorı́a orientada a la aplicación de técnicas de Big Data para el sector
bancario.
Dichos servicios serán prestados desde una empresa ya existente que opera desde hace varios años en el sector de la consultorı́a de servicios financieros, principalmente
en banca.
El cada vez mayor potencial de la aplicación del Big Data junto a la experiencia
y cartera de clientes adquiridos durante estos años les han parecido un punto de partida interesante para proponer la creación de una nueva lı́nea de servicios dentro de la compañı́a,
que como se ha mencionado anteriormente estarı́a especializada en Big Data aplicado al
sector bancario.
Es el objeto de este TFM es definir el porfolio de servicios que la compañı́a ofertará a través de esta nueva lı́nea de servicios y realizar un breve estudio de su viabilidad.
1
SUMMARY
This document outlines detailed TFM work about the creation of a business area
related to Big Data applied to bank entities. This TFM describes services included in the
new business area and make an assessment to evaluate the proposal
The new business area described will be created over an existing company which
has been operating during the last years in financial services consulting focused on bank
entities as main clients.
Because of the growing interest in Big Data and the number of bank entities
among its client portfolio the company started thinking about the creation of a new area
focused on offering Big Data consulting services for bank entities.
The main goals of this TFM are to determine and define the portfolio of Big
Data sevices which will be included in the new area and to make a high level assesment
which allows the company evaluate this business oportunity.
2
1. INTRODUCCIÓN
1.1.
¿Qué es Big Data?
En los últimos años y de la mano de la disrupción digital que estamos viviendo,
la transformación de las organizaciones para adaptarse a este nuevo contexto es cada vez
más relevante.
El cambiante contexto digital hace que la forma en que nos comportamos e
interactuamos tanto con familiares y amigos como con las organizaciones a las que nos
encontramos vinculados esté cambiando considerablemente. Los usuarios con acceso a
internet han ido creciendo desde su aparición en 1993 hasta hoy donde casi la mitad de la
población del plantea tiene acceso (figura 1.1).
Figura 1.1: Número de usuarios con acceso a internet [8]
3
Este cambio de costumbres ha venido acompañado de la aparición y evolución
de una gran cantidad de dispositivos capaces de captar, procesar, almacenar y enviar datos.
Estos dos factores son la principal causa de que la cantidad de datos digitales que se están
generando haya crecido en la última década a un ritmo exponencial (figura 1.2).
Figura 1.2: Cantidad de datos generados [7]
Los datos generados son de diferente naturaleza, y pueden estar relacionados
tanto con la información generada de forma consciente por los propios usuarios (actividad en las redes sociales, envı́o de mails, búsquedas en internet, visualización de vı́deos,
etc.) como con todos los datos generados de forma pasiva y que son recogidos por diferentes tipos de receptores de información (cámaras, sensores, receptores de señales de
radiofrecuencia o posicionamiento, etc.). A esto habrı́a que añadirle las grandes cantidades de datos transaccionales que almacenan las compañı́as y que contienen información
sobre sus clientes, proveedores, operaciones, etc.
El aumento de la capacidad de procesamiento computacional y del ancho de banda junto con el abaratamiento del almacenamiento de la información (figura 1.3) ha hecho
que sea posible guardar y procesar las grandes cantidades de datos generados. Es precisamente al procesamiento de los datos para obtener información utilizada como fuente
generadora de valor a lo que se refiere el concepto de Big Data.
Del mismo modo que hace el ser humano (figura 1.4) el Big Data trata de procesar y analizar grandes cantidades de datos interpretando el significado de los mismos.
Tratando de establecer un paralelismo entre el Big Data y el proceso de interpretación
humano el Big Data podrı́a entenderse dentro de las siguientes etapas:
4
Figura 1.3: Coste de almacenamiento por gigabyte [7]
1. Datos: proceso de obtención de los datos.
2. Información: interpretación de los datos para obtener información relacionada con
el contexto en que se tratan.
3. Conocimiento: análisis de la información obtenida e identificación de aquella que
resulta relevante para el negocio.
4. Sabidurı́a: una vez identificada la información relevante hay que definir qué casos
se quieren tratar y en qué acciones se traducirá en cada caso.
Figura 1.4: Proceso humano de interpretación de datos [11]
Tomando como base la información presentada hasta este punto se puede decir
que el Big Data gira en torno a tres ejes:
Volumen: referido a la gran cantidad de datos generados. Según [9] cada dı́a se
generan 2.5 quintillones de bytes (2.3 trillones de gigabytes).
5
Variedad: las fuentes de información de las que proceden los datos son muy diversas: redes sociales, emails, sensores, información transaccional, etc.
Velocidad de procesamiento: para obtener valor de los datos y debido en gran medida a la velocidad con que se generan es importante procesarlos de una forma
rápida.
Figura 1.5: Definición de Big Data
Son cada vez más las compañı́as que están tomando conciencia de la importancia
de la información que se desprende de las grandes cantidades de datos que manejan. Por
ello dentro de los planes de transformación digital de las mismas es habitual encontrar un
capı́tulo dedicado al Big Data.
Con los datos anteriormente expuestos, las compañı́as se enfrentan al desafı́o de
tratar todos los datos que tienen a su alcance creando nuevas fuentes de valor. El trabajo
presentado en este documento tiene como objetivo plantear y analizar una propuesta de
negocio consistente en la creación de una nueva lı́nea de servicios centrada en ofrecer
soluciones/servicios de consultorı́a de Big Data especializada en el sector bancario. Las
soluciones y servicios ofrecidos tendrán como objetivo ayudar a las organizaciones en
relación a la transformación necesaria para llevar a cabo la identificación y explotación
de estas nuevas fuentes de valor fundamentadas en los grandes volúmenes de datos que
éstas tienen disponibles.
6
1.2.
Descripción de la compañı́a
La nueva lı́nea de servicios será creada dentro de una empresa ya existente 1 . Se
trata de una empresa que opera en el sector de la consultorı́a desde hace varios años. La
actividad que desarrolla está orientada principalmente hacia el sector bancario y por ello
la mayor parte de su negocio procede de clientes de este tipo. De forma puntual ha llevado
a cabo también proyectos para entidades aseguradoras.
Desde que surgió hace siete años ha prestado servicios de consultorı́a tecnológica colaborando con diversas entidades en sus procesos de transformación digital. También
colabora en la realización de pequeños proyectos de desarrollo relacionados con dichos
procesos, aunque su principal fuente de ingresos procede de los servicios de consultorı́a
puros.
Antes de continuar resulta relevante conocer de forma resumida los principales
datos que caracterizan a dicha empresa:
Oferta actual: servicios de consultorı́a tecnológica y desarrollo en la industria de
servicios financieros (banca y seguros).
Tamaño de la empresa: pequeño (200 empleados aprox.)
Antigüedad: 7 años
Cartera de clientes: durante estos años ha colaborado con grandes entidades financieras, afianzando su relación con ellas a través de la ejecución exitosa de la
mayorı́a de sus proyectos.
Ingresos anuales: 12M Euros
1
La empresa sobre la que se trata es una empresa ficticia sobre la que se han establecido una serie de
supuestos para llevar a cabo el desarrollo de este trabajo
7
2. ANÁLISIS DE MERCADO
Como punto de partida se ha llevado a cabo un análisis de mercado con un doble
objetivo: por un lado el de contextualizar el marco de trabajo de este TFM y, por otro y
más importante obtener una visión lo suficientemente amplia como para desarrollar el
resto del trabajo. A lo largo de este capı́tulo se trata de ofrecer una visión general sobre
la situación actual en el ámbito del Big Data y los servicios de consultorı́a asociados al
mismo.
En análisis realizado trata de responder a las siguientes preguntas:
1. ¿Cómo se están abordando la implantación de soluciones de Big Data en la actualidad? cuál es la visión de los clientes?
2. ¿Cuáles son las compañı́as lı́deres en la realización de este tipo de proyectos?
3. ¿Cuales son las principales barreras de entrada en este sector?
2.1.
Situación actual
La gran cantidad de datos generados diariamente se encuentran relacionados
con casi cualquier aspecto de nuestra vida, es por ello que la aplicación de técnicas de
analı́tica de datos con el objetivo de utilizar la información que se desprende de ellos
está presente en todas de las industrias. Durante los últimos años diversas empresas del
sector de la consultorı́a han venido realizando estudios recogiendo indicadores que le
permitieran conocer el Big Data desde el punto de vista de sus clientes. Es interesante
repasar algunos de ellos, pues caracterizan el mercado de la consultorı́a de Big Data de
una forma bastante precisa:
8
Importancia del Big Data: como ya se mencionaba en el anterior capı́tulo son cada
vez más las compaı́as conscientes de la creciente importancia de este ámbito. Según
[12] un 93 % consideran que el Big Data es importante o muy importante para
su organización (figura 2.1) y un 89 % cree que estamos ante una tendencia que
revolucionará la forma en que se hacen negocios.
Figura 2.1: Importancia del Big Data en función del tamaño de la organización [12]
Capacidades: la mayorı́a de las compañı́as no se encuentran capacitadas para abordar el desafı́o que supone la implantación de soluciones de Big Data. Se necesitan
recursos especializados y un gran conocimiento del negocio para sacar el máximo
rendimiento a este tipo de soluciones. Por ello casi la totalidad de los proyectos que
se realizan (un 95 %) han contado con ayuda externa (figura 2.2), lo cual convierte este ámbito en una gran oportunidad si se cuenta con el grado de conocimiento
adecuado.
Figura 2.2: Encuesta - ¿Obtuvo ayudá externa para su instalación de Big Data? [12]
Inversión: teniendo en cuenta los puntos anteriores la mayorı́a de las empresas encuestadas tenı́a previsto realizar una fuerte inversión a corto plazo para aumentar su
9
capacidad a la hora de aprovechar los datos (figura 2.3).
Figura 2.3: Inversión en Big Data a corto plazo [12]
Son muchos los que en la actualidad necesitan convencerse de la aplicación y
rentabilidad de este tipo de soluciones a través de ejemplos, y prueba de ello es que muchas compañı́as están inmersas en pequeños pilotos para testar este tipo de soluciones. A
continuación se muestran una serie de casos que permiten ilustrar cómo se están tratando
en las diferentes industrias los datos que manejan transformándolos en información que
les aportan nuevas fuentes de valor y una mayor rentabilidad en sus respectivos negocios.
Aetna. Esta compañı́a de seguros médicos ha creado un piloto que le permite mejorar la salud de sus clientes repercutiendo en un ahorro de costes para la compañı́a.
Obtiene y analiza datos de centros médicos, farmacias, centros demográficos, pruebas de laboratorios, etc. creando patrones. Dichos patrones le permiten predecir la
aparición de futuras enfermedades en sus clientes e incluso identificar el tratamiento
más efectivo en cada caso. [5]
Walmart ha aplicado técnicas de Big Data para transformar el buscador de su web.
Los resultados mostrados a los usuarios no sólo incluyen los productos cuyos nombres o descripciones coinciden con las palabras de la búsqueda, sino que estos resultados son completados teniendo en cuenta nuevos factores como la actitud de los
usuarios frente a los productos en las redes sociales (por ejemplo el número de likes
10
en facebook), la valoración de los productos en la propia web de la compañı́a o la
relación semántica de las palabras introducidas en la búsqueda con los productos
del catálogo. Esto les permite mostrar a los usuarios nuevos productos en base a
una serie de criterios que le permiten aumentar las posibilidades de venta.
The huffington post analiza el perfil de los usuarios que visitan su web: qué contenido consumen, a qué hora, desde qué tipo de dispositivo, etc. Utilizan esta información para adaptar el contenido publicado a los intereses de los usuarios e incluso
el momento en que realizan cada publicación. Todo ello se ha traducido en un aumento del número de visitas recibidas en su web.
Sears. Esta compañı́a que opera en el sector del retail aplica la analı́tica de datos
para combatir el fraude, evaluar la efectividad de sus camapañas de marketing y
aplicar prizing dinámico. En relación a este último aspecto es capaz de evaluar en
tiempo real datos de sus productos, las condiciones económicas locales, los precios de la competencia, etc. ofreciendo al usuario ofertas especiales que materializa
través de cupones personalizados [13].
PASSUR es una compañı́a especializada en la gestión del tráfico aéreo que maneja
un histórico de datos de diez años que va enriqueciendo con la captura de datos
en tiempo real cada segundo. Los algortimos de análisis de datos que aplican les
ha permitido crear una serie de patrones de comportamiento que permiten predecir
factores como los niveles de congestión del tráfico aéreo o la hora de llegada de un
vuelo. Todo ello ayuda a las compañı́as aéreas a optimizar sus procesos reduciendo
costes [13].
En cuanto al sector bancario, sector en el que se encuentra focalizado este trabajo las aplicaciones son muy diversas, se muestran a continuación una serie de ejemplos
especı́ficos de este sector:
ING ha contratado los servicios de IBM para implementar un sistema que le permite
retener e incorporar clientes. Analiza la interacción de los usuarios en su web en
tiempo real, detectando cuando tienen algún problema y necesitan soporte, en cuyo
caso contactan con ellos de inmediato.
11
Otra de las iniciativas llevadas a cabo por esta compañı́a fué la creación de un
piloto que analizando los datos de los clientes era capaz de establecer patrones de
comportamiento haciendo llegar a cada cliente una serie de ofertas y descuentos
acorde a la situación y necesidades detectadas en cada momento. [4]
La Caixa lanzó a finales de 2012 una aplicación capaz de detectar las ofertas cercanas al usuario. El usuario puede beneficiarse de dichas ofertas con sólo enseñar
el cupón en el móvil en el establecimiento correspondiente. Posteriormente es el
propio TPV de la tienda el que aplica el descuento al realizar el pago con la tarjeta
de crédito de la entidad. Se trata de una comunidad online de comercios y consumidores en la que los consumidores pueden beneficiarse de los descuentos y los comerciantes publicar las ofertas y configurarlas a su conveninencia. Adicionalmente
el banco ofrece a los comerciantes información del comportamiento de los clientes
a raı́z del uso de dicha aplicación y las compras efectuadas en cada comercio. [3]
American Express revisó los métodos que venı́a utilizando hasta la fecha para
medir la fidelidad de los clientes creando un nuevo modelo de predicción del comportamiento de los mismos. El nuevo modelo está basado en métricas que tienen en
cuenta hasta 115 indicadores que contienen información del histórico de transacciones del cliente. De esta forma son capaces de medir el grado de fidelidad de los
clientes e identificar de forma anticipada parte de las cuentas que serán cerradas en
los meses siguientes.[6]
2.2.
Compañı́as del sector
En un área en creciente demanda son cada vez más las compañı́as que surgen con
el objetivo de ofrecer soluciones de analı́tica de datos. A estas nuevas organizaciones hay
que sumar las grandes compañı́as de consultorı́a que durante los últimos años han creado
divisiones especializadas en este tipo de servicios para completar su porfolio adaptándose
a las nuevas necesidades de los clientes.
El último estudio de Gartner: Business Analytics Services, worldwide [2] evalúa
un amplio rango de compañı́as que ofrecen soluciones y servicios en relación a la analı́tica
de datos, más especı́ficamente en lo que a consultorı́a e implantación de este tipo de
12
Figura 2.4: Magic Quadrant for Business Analytics Services, Worldwide [2]
soluciones se refiere. En la figura 2.4 se muestra el resultado del mismo.
Vemos que el mercado se encuentra cubierto en su mayor parte por compañı́as
con un cierto grado de madurez que han venido ofreciendo históricamente servicios de
consultorı́a y soluciones tecnológicas. La fuerte inversión de algunas de estas compañı́as
en el área del Big Data les ha permitido estar consideradas como lı́deres en este mercado
cada vez más competitivo. Es este el caso de Accenture, Deloitte e IBM que durante los
últimos años han centrado sus esfuerzos tanto en crear nuevas divisiones especializadas
dentro de sus compañı́as como en crecer alrededor de las mismas. Las principales acciones
llevadas a cabo para reforzar su competitividad han venido asociadas principalmente a
la adquisición/fusión de empresas especializadas y el establecimiento de acuerdos con
los proveedores tecnológicos de las plataformas que soportan este tipo de soluciones.
Otra de las acciones que se está llevando a cabo de forma generalizada es la de tratar de
13
enriquecer la oferta a través de la especialización por industria de los servicios, siendo el
amplio porfolio de soluciones especializadas por industrias otra de las caracterı́sticas de
los considerados como lı́deres.
2.3.
Barreras de entrada
El objetivo de esta sección es el de presentar de una forma muy breve las principales barreras de entrada en el sector de la consultorı́a e indicar brevemente como enfrentarse a cada una de ellas.
Aunque las barreras de entrada en el sector de la consultorı́a en general no son
muy altas se pueden resumir en las que se indican a continuación:
Afianzamiento en los clientes. La consultorı́a de Big Data, ası́ como la consultorı́a
en general es un sector en el que las compañı́as crean fuertes lazos con sus clientes
basados en la relación que les une creada principalmente a través de la prestación
de servicios. Esto permite a las compañı́as crear fuertes barreras de entrada, que
llevado al campo que nos compete (la consultorı́a de Big Data en banca) se traduce
en que las consultoras que ya operan en el sector: a) cuentan con la lealtad de las
principales entidades bancarias con las que trabajan, b) tienen mayor facilidad de
acceso a los canales de distribución de los servicios y c) su cuota de mercado con
las entidades bancarias les permite manejar una tabla de precios más competitivos a
través de tarifas negociadas. Para superar esta barrera se buscará introducir nuestra
actividad en entidades bancarias que aún no estén llevando a cabo proyectos de Big
Data con alguna otra consultora.
Tamaño de la consultora. El tamaño de la consultora puede constituir una dificultad cuando hablamos de grandes entidades bancarias y grandes proyectos. Es
habitual que las entidades bancarias confı́en en grandes consultoras cuando se trata
de llevar a cabo proyectos de gran envergadura. Inicialmente evitaremos esta barrera de entrada ya que se comenzará abordando proyectos de pequeña y media escala
que permitan poner en marcha la propuesta e ir cogiendo experiencia en el sector.
Experiencia en el sector. Uno de los factores más valorados por una entidad bancaria a la hora de seleccionar una consultora que le ayude a llevar a cabo sus proyectos
14
es la experiencia previa y referencias que esta pueda tener. Para minimizar el impacto de esta barrera de entrada se buscará un nicho de oferta innovador que aún no
esté cubierto significativamente por ninguna consultora de la que operan en el sector: una oferta de Big Data muy especı́fica para banca llevada a cabo por expertos
de ambos ámbitos: banca y Big Data.
15
3. NUEVA LÍNEA DE SERVICIOS
Este capı́tulo presenta de forma detallada qué incluirá la oferta de la nueva lı́nea
de servicios que se plantea y qué alternativas hay para poner en marcha esta nueva lı́nea
de negocio dentro de la compañı́a descrita en el primer capı́tulo de este documento.
3.1.
Definición de los servicios incluidos
A continuación se detallan la oferta que se plantea realizar a través de la nueva
lı́nea de servicios. Los servicios ofrecidos tienen un objetivo común: asesorar y ayudar a
las empresas del sector bancario a identificar las fuentes de datos que tienen disponibles y
cómo sacar el máximo partido de ellas. Los servicios serán prestados tanto en las fases de
análisis y definición de la solución como en las de despliegue, y post-producción sirviendo
en estas dos últimas como apoyo para supervisar y coordinar la correcta implantación de
la solución. No se ofrecerán servicios de implementación y despliegue técnico de las
soluciones.
La oferta de servicios presentada se encontrará segmentada en diferentes paquetes. Cada paquete de servicios se corresponderá con un conjunto de servicios orientados
hacia la mejora de un aspecto concreto de la entidad bancaria, y cuya aplicación tendrá
mayor o menor sentido en función del tipo de entidad y sus objetivos, ası́ como del grado
de madurez de la misma en relación al Big Data. Presentar una oferta segmentada ofrece
diversas ventajas:
Ayudará a nuestros clientes a entender nuestra oferta, ya que de forma inmediata
identificarán en la mejora de qué aspectos estamos ayudarles, pudiendo entrar en
detalle de aquellos en los que se muestren interesados.
16
Por otro lado, la segmentación nos ayudará a poder ofrecer nuestros servicios de
forma individual por paquetes de servicios, siendo el cliente el que decida en qué
aspectos de su entidad desea invertir y por tanto que servicios contrata. La calidad
de nuestra oferta se verá potenciada por contar con recursos con skilles especializados en cada una de los aspectos que aborda cada paquete de nuestra oferta.
Los paquetes que incluirá la oferta serán los siguientes:
Marketing
Gestión de riesgo y fraude
Sistemas para toma de decisiones
Seguridad
Figura 3.1: Oferta de servicios de Big Data
17
3.1.1.
Marketing
El marketing es un aspecto clave en cualquier compañı́a, ya se trate de una
entidad bancaria o no. Este aspecto es el paraguas bajo el se encuentran las diferentes
acciones llevadas a cabo por las empresas a la hora tanto de captar nuevos clientes, como
de fidelizar y retener a los ya existentes.
Aunque el conocimiento del cliente es de vital importancia a la hora de definir
y desarrollar cualquier aspecto relacionado con la entidad, tiene una mayor importancia
si cabe si hablamos de marketing. La analı́tica de datos aplicada en este ámbito permitirá
optimizar la segmentación de los clientes, mejorar la gestión de las campañas de marketing y monitorizar la efectividad de las acciones que la entidad bancaria realiza de cara a
sus clientes.
Segmentación
La segmentación trata de clasificar el espectro de individuos que forman parte
del público objetivo de la entidad. Esta clasificación afecta tanto a clientes como a no
clientes definiendo agrupaciones (segmentos) como un conjunto de clientes y/o no clientes de caracterı́sticas comunes. Esto permite a las entidades ejecutar acciones personalizadas por segmento. Cuanto más objetiva y exacta sea la segmentación realizada mayor
será probabilidad de éxito de la acciones ejecutadas.
Los grandes volúmenes de datos que tiene disponible cualquier entidad bancaria
contienen infinidad de información y matices que junto con la información disponible a
través de los canales tradicionales (información demográfica, geográfica, etc.) permiten
realizar una foto muy precisa de cada uno de los individuos que forman parte de su público
objetivo. Es mucho lo que se puede saber de cada cliente. De sus interacciones a través
de los canales digitales: con quién se relaciona, cuándo lo hace, qué canales utiliza para
hacerlo, etc. De la información transaccional de su interacción con el banco : cuánto
dinero tienen, en qué se lo gastan, cuándo lo hacen, etc. Ambos universos de información
correctamente estructurados pueden quedar definidos como un conjunto de numerosas
variables que hacen posible:
Llevar a cabo una segmentación más precisa. Tanto la definición de cada segmento
como la caracterización de los individuos que forman parte de él es llevado a cabo
18
a través de las variables que definen a cada individuo. Manejar un amplio rango
de variables hace por tanto que exista un mayor número de posibles segmentos, ası́
como un mayor número de potenciales variables de caracterización, que permitirán
realizar una carterización más precisa y por tanto más adaptada a los objetivos de
la entidad.
Un conocimiento más amplio y detallado de cada uno de los segmentos definidos.
Entender el comportamiento, las necesidades y los sentimientos de cada segmento
hacen posible que la oferta y acciones realizadas sean más acertadas y por tanto
más efectivas en relación al objetivo perseguido en cada caso.
Definir estrategias y acciones no solo por segmento sino de forma individual y en
tiempo real. El conocimiento de información individualizada permite llevar a cabo
tanto acciones basadas en los hábitos de comportamiento de cada individuo, como
en hechos puntuales (por ejemplo la localización del individuo en un determinado
instante).
Campañas de marketing
A la hora de crear una campaña de marketing son muchos los factores que hay
que tener en cuenta si se quiere aumentar su efectividad, a continuación destacamos tres
de ellos en los que el Big Data nos ayudará a mejorar:
Selección del público objetivo. Como se ha mencionado anteriormente Big Data
permite combinar la información de segmentación tradicional (edad, lugar de residencia, sexo, etc.) de cada individuo con información sobre su estilo de vida, gustos,
entorno con el que se relaciona, eventos a los que acude, etc. Conocer ampliamente
al público hará que la elección del mismo pueda ser más precisa.
Conocimiento del público objetivo. Toda la información disponible también ayuda a los equipos de marketing a la hora entender la actitud del público objetivo
seleccionado ante el producto o servicio ofertado (figura 3.2).
Análisis de la competencia. Los datos disponibles en la red y la información que se
desprende de ellos facilita la realización del análisis de la competencia y la actitud
de nuestro público objetivo ante los productos/servicios que están ofertando.
19
La recogida y análisis de información se realiza en tiempo real por lo que es
posible dotar a las campañas de un dinamismo que permita a la entidad reaccionar en
tiempo real ante: a) la detección de cambios de actitud de nuestros público y b) las posibles
acciones llevadas a cabo por la competencia.
Figura 3.2: Proceso de conocimiento del público objetivo [14]
Monitorización de la efectividad
La recogida y análisis de información relacionada con las campañas y el público
al que van dirigidas permite evaluar tanto en tiempo real como a posteriori la efectividad
de la acciones desarrolladas, estableciendo patrones capaces de determinar los motivos de
éxito o fracaso de la misma. El equipo de marketing conocerá en todo momento el estado
de la campaña, pudiendo utilizar dicha información para efectuar cambios mientras ésta
se ejecuta o identificar una serie de puntos de mejora de cara a campañas futuras.
20
3.1.2.
Atención centrada en el cliente
La industria bancaria se está convirtiendo en un entorno cada vez más competitivo donde la evolución digital está siendo determinante a la hora de hacerse un hueco o
afianzar el posicionamiento. Tanto es ası́ que incluso se empieza a oı́r hablar de grandes
compañı́as que tradicionalmente han estado ligadas al sector tecnológico como una amenaza para la banca tradicional. Es este el caso de Amazon o Google que ya han empezado
a lanzar servicios financieros, siendo el sector de los medios de pago donde la amenaza
es más palpable.
Aunque las diferentes exigencias regulatorias ponen en desventaja a las entidades tradicionales frente a estos nuevos competidores, el único camino que tiene la banca
tradicional es el de desarrollar su negocio dentro de un proceso de mejora continua potenciando sus capacidades digitales centradas en mejorar los servicios ofrecidos.
”La clave para las entidades bancarias es transformarse y desempeñar un papel
importante en las transacciones diarias de los usuarios, ofrecerles los mejores precios,
dirigirlos a ofertas y descuentos de productos que puedan interesarles y facilitar el acceso
al crédito en caso de ser necesario. Para ello las entidades bancarias deben aplicar lógica
e inteligencia sobre la información de la que disponen sobre los hábitos de consumo de
sus usuarios o su situación financiera”
Ser consciente de toda la información que se tiene disponible, identificar la información relevante para la entidad y ser capaz de interpretarla identificando áreas de
mejora centradas en el cliente ofrece una ventaja competitiva a la entidad en esta carrera
por el liderazgo digital.
La aplicación de las técnicas de analı́tica de datos deben centrarse en la realización de un análisis interno que permita conocer qué piensan y sienten los clientes sobre la
entidad y los servicios ofrecidos. Esta información debe ser complementada a través de
la realización de un análisis externo que permita tomar consciencia de lo que sucede más
allá de la propia entidad.
Análisis externo. El análisis externo permitirá conocer la imagen que la entidad
está proyectando, ası́ como ser consciente de las nuevas tendencias y acciones llevadas a cabo por la competencia (figura 3.3).
21
Figura 3.3: Análisis externo
Análisis interno. Se trata de realizar un análisis de la compañı́a desde la perspectiva
del cliente, saber qué piensa, qué siente, cuáles son sus preocupaciones y cuales
sus hábitos de consumo. La opinión de los clientes acerca de nuestros productos y
servicios, ası́ como conocer cómo los usan realmente ofrece un excelente punto de
partida a las compañı́as a la hora de llevar a cabo un proceso de mejora continua. La
información extraı́da de este análisis trata de responder a las preguntas planteadas
a continuación (figura 3.4)
Figura 3.4: Análisis interno
• ¿Por qué los clientes interactúan con nuestro banco? ¿cuándo lo hacen?
¿a través de qué canales? Permite conocer los canales que utilizan los clientes para interactuar con el banco, ası́ como cuándo lo hacen y el motivo que
22
les lleva a esa interacción en cada momento y canal. Esta información permite
medir la efectividad a través de cada uno de los canales pudiendo ser utilizada
para adaptar y mejorar los servicios ofrecidos en cada canal.
• ¿Qué esperan los clientes de nosotros? ¿en qué están interesados? Conocer las expectativas e intereses de los clientes permite adaptar los servicios y
contenido ofrecidos, mostrando contenido más relevante y personalizado para
cada cliente.
• ¿Cómo utilizan los clientes nuestros servicios? La información referente a
cómo los clientes hacen uso de los servicios ofrecidos por el banco puede ser
utilizada para identificar nuevos servicios y/o mejorar los existentes.
Tras realizar los análisis interno y externo es hora de que el banco haga uso de
esta valiosa información. Cada conclusión extraı́da debe ser analizada y verse reflejada en
el plan de mejoras de la compañı́a produciendo esto cambios en los diferentes aspectos
afectados (figura 3.5).
Figura 3.5: Proceso de análisis de datos
23
3.1.3.
Gestión de riesgo y fraude
Al aceptar depósitos actuando como tomadores de dinero y ofrecer créditos actuando como cedentes del dinero recibido, las entidades bancarias incurren en riesgos.
Los bancos aceptan depósitos asegurándose de que los clientes no retirarán el dinero depositado en un cierto periodo de tiempo, perı́odo en el que los bancos disponen de éste
para prestárselo a terceros a través de la concesión de créditos. Es en esta labor de intermediación directamente asociada al riesgo de crédito en la que está basado el negocio
bancario y por tanto en la que radica su beneficio. Por ello la gestión de riesgos es una de
las actividades clave dentro de este tipo de entidades.
La gestión de riesgos es un ámbito en el que los bancos ya vienen utilizando
consolidados sistemas de análisis de datos y toma de decisiones a la hora de gestionar el
riesgo de crédito: los sistemas de scoring y rating. El Big Data puede suponer un gran
aliado tanto para la mejora de estos sistemas como para la automatización de la gestión
del resto de tipos de riesgo que manejan las entidades bancarias (figura 3.6).
Figura 3.6: Principales riesgos de una entidad bancaria
A continuación se resumen los principales tipos de riesgos asociados a los bancos y cómo el Big Data puede ayudar a la hora de realizar una mejor gestión de los
mismos.
Riesgo de crédito. Es es el riesgo asociado a la probabilidad de impago por parte
de un cliente tras haberle realizado un préstamo de dinero (préstamos, avales, tarjetas de crédito,etc.). Mediante el alto grado de conocimiento de los clientes que
se puede obtener a través del Big Data es posible introducir importantes mejoras
en los sistemas y procesos actuales de scoring y rating. Esto no solo ayudará en
los procesos de concesión de este tipo de productos sino que la información de los
clientes podrá aplicarse a la hora de realizar la gestión y el seguimiento de los mismos. Mediante la aplicación de modelos predictivos se facilitará la recuperación de
24
activos deteriorados y la detección temprana de mora. Esto hará posible la negociación de medidas correctivas con el cliente cuanto antes. Todo ello ayudará a la
entidad bancaria a optimizar la gestión del riesgo de crédito minimizándolo..
Riesgo de mercado: de cambio, de tipos de interés, de cotización. Los bancos
operan en diferentes mercados donde existen una serie de parámetros que pueden
sufrir variaciones: tipos de cambio de moneda, tipos de interés, cotizaciones de valores y tı́tulos, etc. El riesgo de mercado es el derivado de la variación de estos
parámetros. La analı́tica de datos en tiempo real permitirá al banco saber en todo momento el estado de cada mercado, y la aplicación de algoritmos predictivos
anticiparse a las variaciones futuras.
Riesgo de liquidez. Se encuentra asociado a la probabilidad de que el banco no
disponga de activos liquidos, ni tenga posibilidad de refinanciación para atender a
sus compromisos de pago. El análisis exhaustivo de los datos correspondientes a las
entradas y salidas de fondos permitirá predecir situaciones futuras que requerirán
liquidez.
Riesgo paı́s. Derivado de las operaciones internacionales realizadas, el riesgo paı́s
esta asociado a la dificultad de los clientes de paı́ses extranjeros a hacer frente al
pago de sus deudas. El Big Data ayudará a la entidad a estudiar y evaluar las condiciones comerciales y polı́ticas de cada paı́s facilitando el diagnóstico del riesgo de
cada paı́s.
Riesgo operacional. Se encuentra directamente relacionado con las pérdidas asociadas a fallos en sistemas internos, procesos o acontecimientos externos imprevistos. El análisis de los datos derivados de los procesos, Big Data aplicado al análisis
de logs de los sistemas del banco, etc. permitirá a la detección temprana de incidencias cuyos tiempos de corrección se verán minimizados aumentando la calidad del
servicio prestado.
Riesgo reputacional. Asociado a la imagen de la entidad que tienen sus clientes,
accionistas y empleados es uno de las activos intangibles más importantes de una
organización. El Big Data ayudará a las entidades a medirlo, gestionarlo e incluyo
predecirlo.
25
Riesgo por actos delictivos y fraudes. A través de las soluciones de Big Data
las entidades analizarán las operaciones llevadas a cabo a través de los diferentes
canales: web, cajeros, móvil, medios de pago, etc. identificando patrones de comportamiento correspondientes a acciones fraudulentas. Esta información procedente
de las fuentes internas de la entidad permitirá rastrear las operaciones y podrá ser
combinada con la información derivada de datos externos lo cuál dará al banco la
posibilidad de tener una visión integral del presunto delincuente.
3.1.4.
Sistemas para toma de decisiones
A través de este módulo se ofrecerán una serie de capacidades que ayudarán a las
entidades bancarias implementar soluciones gráficas que hagan entendible a las personas
la información obtenida de los diferentes tipos de análisis de datos realizados, sea cuál sea
el ámbito en el que este se encuentre enmarcado. Los sistemas para toma de decisiones
tendrán como soporte una serie de cuadros de mando de diferentes tipos customizados en
función del objetivo del mismo. Estos permitirán al banco trabajar con la información de
una forma más sencilla ofreciendo las siguientes ventajas:
Identificación de la información más relevante de un primer vistazo.
Ayuda en la toma de decisiones, creando cuadros de mando con la información
relevante para cada situación y decisión.
Identificación de nuevos patrones, relaciones y tendencias dificultad para entenderlos, no se identificarı́an.
Soporte a la hora de transmitir y comunicar la información. Los cuadros de mando
son una herramienta de comunicación muy potente que facilitará mucho la compresión de la información por parte destinatario del mensaje.
Cuando se habla de cuadros de mando vale la pena destacar que en función
de con que periodicidad se actualice la información mostrada y cómo de estática sea, el
cuadro de mando puede ser de varias tipos:
Cuadro de mando histórico. Una vez generado, la información que se muestra no
varı́a, es siempre la misma hasta que el usuario bajo petición solicita una actualización.
26
Cuadro de mando en tiempo real. La información mostrada se actualiza cada
pocos segundos, garantizando que se muestra siempre la información más reciente.
Cuadro de mando interactivo La información que muestra puede ser histórica y/o
en tiempo real, siendo la principal caracterı́stica de este dashboard la posibilidad de
añadir, eliminar o modificar la forma en que se visualiza la información.
3.1.5.
Seguridad
Pero no todo es aplicar Big Data para obtener beneficios, si se aplica Big Data
hay que hacerlo de una forma segura. Cuando se manejan altos volúmenes de datos y
sobre todo grandes cantidades de información, la mayor parte de ella en un contexto en
que ésta queda asociada de forma individual a las personas es importante hacerlo en un
escenario seguro, tratando principalmente los siguientes factores:
En primer lugar debemos tener en cuenta que la legislación en cuanto a la información de cliente y cómo se maneja es especialmente estricta en el sector bancario,
por ello es importante que se dispongan de los mecanismos necesarios para proteger
los datos de los clientes de la entidad.
La seguridad aplicada tanto a la tecnologı́a como a los procesos asociados a Big
Data debe asegurar que cada fragmento de información está únicamente disponible
para el conjunto de personas que deben acceder a la misma, asegurando la confidencialidad e integrado de la la información.
Este modulo tiene como objetivo ofrecer una serie de servicios que ayuden a la
entidad bancaria a asegurar que una determinada solución de Big Data tiene en cuenta los
factores expuestos anteriormente. En caso de detectar que no es ası́ se tratará de asesorar
la entidad definiendo y estableciendo una serie de medidas correctivas que doten a la
solución de la seguridad necesaria para proteger tanto a la entidad como a los clientes
y terceros que puedan estar implicados en el proceso de tratamiento y gestión de datos
llevado a cabo.
27
3.2.
Alternativas para la creación de la nueva lı́nea de negocio
A la hora de llevar a la realidad la nueva lı́nea de servicios se valoran diferentes
alternativas:
1. Adquisición de una compañı́a de nicho especializada en Big Data. Esta opción
permitirı́a obtener de forma inmediata el conocimiento y experiencia de Big Data que se necesita. La combinación de este conocimiento con el conocimiento del
negocio bancario del que ya se dispone dotarı́an a la compañı́a de las nuevas capacidades necesarias. El inconveniente de esta alternativa es que suele ser cara y la
compañı́a ha manifestado la intención de llevar a cabo esta acción con el mı́nimo
coste posible, es por ello que se valorarán primero otras alternativas.
2. Contratación de personal. Incorporación de personal especializado en el área de
Big Data. Los nuevos recursos expertos en Big Data junto con los conocimientos
sobre el sector bancario y los clientes que ya posee la compañı́a forman un mix
adecuado para llevar a cabo este nuevo proyecto.
3. Proyecto patrocinado en colaboración con un cliente. Se trata de colaborar con
uno de los cliente con los que se tenga una relación consolidada y de confianza para
llevar a cabo un proyecto de Big Data. El proyecto se realizará bajo unas condiciones económicas excepcionales, ofreciéndole al cliente un descuento en las tarifas
1
. Este proyecto le permitirı́a a la compañı́a adquirir experiencia en la realización
de este tipo de proyectos adquiriendo parte de los conocimientos de los que actualmente carece. Adicionalmente, si se demuestra al cliente la capacidad para llevarlo
a cabo con éxito, ésto puede suponer una oportunidad y una mejora del posicionamiento de la compañı́a en este ámbito.
Descartada la primera opción por un tema de liquidez se ha considerado que lo
más adecuado es abordar la creación de la lı́nea de servicios haciendo un mix de la segunda y tercera alternativa. Se contratará personal especializado en Big Data y se propondrá
1
Los descuentos y condiciones del contrato se negociarán con el cliente llegado el momento.
28
a uno de los clientes la realización de un proyecto piloto. Con este mix aumentamos la
probabilidad de éxito del proyecto realizado y por tanto un posible mejor posicionamiento
en el mercado tras la finalización del mismo.
29
4. PLAN DE MARKETING Y VENTAS
4.1.
Estudio de mercado
El objetivo de este apartado es el de estudiar la demanda de los servicios que
se van a ofrecer desde el punto de vista del cliente. Puesto que el análisis de mercado
expuesto anteriormente en este mismo documento (capı́tulo 2) ya recogı́a esta perspectiva
se considera que la demanda de los servicios ofrecidos ha quedado suficientemente justificada. El público objetivo de la lı́nea de servicios presentada estará formado por entidades
bancarias españolas.
Entidades bancarias. En el análisis de mercado presentando anteriormente queda
reflejado tanto el interés de este tipo de entidades en abordar proyectos de Big Data
como el beneficio que puede reportarles la implantación de este tipo de iniciativas.
Reducido al ámbito de España. En cuanto al ámbito geográfico se ha decidido
reducir la oferta al paı́s de España por dos motivos principales: a) se trata de una
empresa pequeña con una cantidad de recursos limitados que tiene ya desplegada
su actividad en esta región y b) permitirá a la compañı́a valorar durante un perı́odo
inicial el éxito o fracaso de esta iniciativa sobre un entorno conocido y controlado.
4.2.
Producto y posicionamiento
Los servicios ofrecidos (producto) se encuentran directamente relacionados con
la consultorı́a de Big Data especializada en banca y han quedado ampliamente descritos
en el capı́tulo anterior de este documento. La oferta se encuentra estructurada en diferentes
30
módulos, los cuales se han definido teniendo que cuenta que aglutinarán un conjunto de
servicios que pudiera ser ofrecido de manera independiente.
Como hemos visto durante la fase de análisis las empresas lı́deres en el área en
que vamos a competir son grandes empresas de consultorı́a con un porfolio muy amplio
de servicios de todo tipo. Los servicios que ofrecen estas compañı́as no son sólo servicios
en relación Big Data sino que operan en casi la totalidad de los ámbitos de la consultorı́a.
Es por ello que se ha decidido tratar de posicionar el porfolio de servicios dentro de este
mercado a través de los siguientes ejes:
Cercanı́a y confianza: aprovechando que los servicios serán ofrecidos por una empresa pequeña se ofrecerá al cliente un trato cercano y personalizado. El cliente
conocerá a cada uno de los profesionales que colabora en sus proyectos teniendo
en todo momento a su disposición a todo el equipo relacionado con los servicios
prestados: desde los profesionales que llevan a cabo el trabajo del dı́a a dı́a hasta el
máximo responsable de la compañı́a.
Especialización en el sector. Los servicios ofrecidos serán llevados a cabo por
personal especializado tanto en Big Data como en el sector bancario y con experiencia demostrada en la mayorı́a de los grandes clientes del sector. Esto garantizará
a las entidades que contraten los servicios la obtención de unos resultados con una
orientación máxima a su negocio.
Mejora continúa e innovación. Además de contar con profesionales especializados, la empresa fomentará tanto la formación de los mismos garantizando que se
conocen las últimas tendencias como la generación de ideas innovadoras. Para ello
se llevarán a cabo iniciativas como la involucración de los profesionales en eventos/conferencias/congresos relacionados con el Big Data.
4.3.
Promoción y captación de ventas
La promoción de la nueva lı́nea de servicios se llevará a cabo llevando cabo las
siguientes acciones:
Promoción dentro de los actuales clientes. Se formará a los profesionales de la
compañı́a encargados de gestionar la relación con los principales clientes del sector
31
bancario. Se les proporcionará información detallada de los servicios de Big Data:
qué se ofrece y cómo. De esta forma serán capaces de: a) compartir esta información
los clientes, b) responder ante las posibles necesidades/dudas planteados por estos
y c) identificar oportunidades comerciales dentro del ámbito en que se enmarca la
oferta de servicios presentada.
Congresos, charlas y conferencias. Se fomentará la publicación de artı́culos relacionados con las nuevas tendencias de Big Data, ası́ como la participación en congresos y conferencias de este ámbito. Además se tratará de organizar charlas con
los clientes donde se presentarán las nuevas tendencias del sector relacionándolas
con los servicios ofrecidos y el caso y necesidades concretas de cada cliente.
Inclusión de información en los canales digitales. Se incluirá información sobre
la nueva oferta de Big Data en banca en la web de la compañı́a, y de forma continua
a través de las redes sociales. Se promocionarán a través de estos canales también
las publicaciones de Big Data generadas, ası́ como los eventos (charlas y congresos)
en que la compañı́a se involucre.
Los puntos anteriores serán reforzados con casos de éxito a la medida en que la
nueva lı́nea de servicios vaya desarrollando su actividad.
La fidelización se llevará cabo a través de la relación con los clientes y la colaboración con los mismos de forma continuada en base a la ejecución éxitosa de proyectos.
4.4.
Canales de distribución
Los canales de distribución de la nueva lı́nea de servicios serán los mismos que
ya se vienen utilizando para los servicios que ya presta actualmente la compañı́a.
Presentación de ofertas ante una RFP lanzada por alguna entidad bancaria.
Identificación y propuestas de nuevas oportunidades/mejoras en los clientes en los
que ya se tiene presencia.
32
4.5.
Polı́tica de precios
A la hora de fijar el precio de los servicios prestados se han tomado como referencia las tarifas de la competencia. No se referencia en este apartado ninguna fuente, ya
que este tema es bastante opaco y la información se ha obtenido a través de entrevistas
de tipo informal. Como se detalla en el siguiente capı́tulo los proyectos de Big Data se
llevarán a cabo a través de diferentes perfiles (gerentes, consultores senior y cientı́ficos de
datos/analistas).
Los servicios ofrecidos se valorarán en base al esfuerzo necesario por perfil. En
base a todo lo mencionado anteriormente se han fijado unas tarifas por hora de trabajo y
perfil que quedan reflejadas en la tabla 5.1.
Gerente Consultor senior Cientı́fico de datos
Tarifas (eur)
130
70
Tabla 4.1: Catálogo de tarifas
33
40
5. ORGANIZACIÓN
En este capı́tulo se tratará de describir el tipo de profesionales que formarán parte de la lı́nea de servicios, cómo estarán organizados y como se tratará su incorporación.
5.1.
Perfiles y estructura organizativa
Los servicios de consultorı́a de Big Data serán prestados a través de un conjunto
de profesionales formados por un mix de especialistas de Big Data y profesionales con
experiencia en el sector bancario y entidades en las que tiene presencia la compañı́a.
Además los profesionales se encontrarán estructurados según el nivel de responsabilidad que asuman siguiendo la estructura organizativa ya implantada en la compañı́a
para el resto de servicios de consultorı́a prestados. Dicha organización atiende a las necesidades requeridas a la hora de ejecutar los proyectos. La estructura constará de los
siguientes roles:
Gerente. Llevará a cabo labores comerciales de identificación de oportunidades y
venta. Llevará la relación con el cliente y gestionara el presupuesto de los proyectos
que tenga asignados, de los cuales será el máximo responsable.
Consultor senior / jefe de proyecto. Se encargará de gestionar, coordinar y supervisar la realización del proyecto. Llevará a cabo las labores de mayor complejidad.
Tendrá experiencia previa en la ejecución de proyectos de Big Data y/o proyectos
con entidades bancarias.
Cientı́ficos de datos / analista. Se trata del rol con menor responsabilidad, llevado
a cabo por personal con menor experiencia. Aunque llevarán a cabo las tareas de
34
menor complejidad tendrá un perfil que les permita ser o convertirse en expertos
en tratamiento de datos (matemáticos/estadı́sticos). Se espera de ellos que vayan
adquiriendo experiencia y responsabilidades aportando un valor extra al cliente.
Los salarios asignados inicialmente a cada uno de estos perfiles serán los indicados en la siguiente tabla y serán revisados según vaya evolucionando la nueva lı́nea de
servicios en base a los resultados obtenidos.
Gerente
Salario(eur)
70.000
Consultor senior Cientı́fico de datos
45.000
32.000
Tabla 5.1: Previsión salarial
5.2.
Incorporación de recursos
Como ya se ha mencionado anteriormente en este documento, a la nueva lı́nea
de servicios se incorporarán tanto personas de nueva contratación como personas que ya
se encuentra actualmente en la compañı́a trabajando con clientes bancarios.
Si tenemos en cuenta los tres primeros años, la curva de incorporación de recursos se ha realizado siguiendo las siguientes premisas:
Los tipos de proyectos que se abordarán tendrán una duración aproximada de tres
meses y se llevarán cabo con los siguientes recursos: un gerente a tiempo parcial
(40 %), dos consultores senior y cuatro cientı́ficos de datos.
El primer proyecto será un proyecto piloto que servirá a la compañı́a para ir posicionándose y coger experiencia en el sector.
Para prever el número de proyectos a ejecutar durante los tres primeros años se han
establecido las siguientes asunciones:
• Número de potenciales clientes: 20
• Oportunidades comerciales: 1 ó 2 oportunidades comerciales por cliente y
año, que aplicando una media de 1,5 oportunidades por cliente hacen un total
de 30 oportunidades anuales.
35
• Oportunidades reales. El 50 % de las oportunidades surgidas serán asignadas
a las consultoras con las que ya trabajaba la entidad bancaria, por lo que solo
tendremos 15 oportunidades reales.
• Probabilidad de éxito: sobre las oportunidades reales se asume que la probabilidad de éxito de las ofertas realizadas el primer año será de un 20 % por lo
que se ganarán 3 proyectos.
• Asumiendo que la efectividad de nuestras ofertas irá aumentando se prevé que
en el segundo y tercer año el número de proyectos ganados aumente a 4 y 5
proyectos respectivamente.
Año 1 Año 2
Proyectos vendidos
3
4
Año 3
5
Tabla 5.2: Previsión de venta de proyectos
Se dedicarán un gerente a tiempo parcial a la elaboración de las ofertas y gestiones
comerciales.
La posibilidad de que los proyectos se deban ejecutar en paralelo provocará que
sobre los recursos estimados y de forma temporal las necesidades de recursos: a)
aumentarán sobre lo previsto durante la ejecución paralela y b) disminuirán si no
hay proyectos en curso. Para cubrir ambas posibilidades se aprovecharán el resto
de divisiones de la compañı́a, tomando recursos de éstas cuando surjan necesidades
extra y tratando de asignar los recursos desocupados a otro tipo de proyectos cuando
haya un exceso.
Según los puntos anteriores los recursos pertenecientes a la nueva lı́nea de servicios a lo largo del tiempo se irán incorporando tal y como se muestra en la figura 5.1.
36
Figura 5.1: Incorporación de recursos a la lı́nea de negocio de Big Data
37
6. PLAN DE OPERACIONES
El objetivo de este capı́tulo es analizar y detallar la logı́stica necesaria para el
funcionamiento de la nueva lı́nea de servicios, ası́ como los procedimientos bajo los que
funcionará.
6.1.
Logı́stica y tecnologı́a
Para desarrollar la actividad de la nueva lı́nea de servicios es necesario tener
en cuenta por un lado las instalaciones en que se desarrollara la actividad y por otro los
recursos necesarios para su funcionamiento.
6.1.1.
Instalaciones y suministros
A la hora de desarrollar la actividad hay que tener en cuenta la ubicación fı́sica
donde se llevará a cabo. La incorporación de personal y el crecimiento de esta nueva lı́nea
de servicios será de forma progresiva, además la mayorı́a de los clientes bancarios con los
que se trabaja exigen que el trabajo se lleve a cabo dentro de sus instalaciones. Puesto que
la compañı́a ya cuenta con oficinas fı́sicas donde poder llevar a cabo la actividad no se
considera necesario ampliar este espacio desde un primer momento. Lo mismo aplicara
para los suministros derivados del espacio fı́sico (gastos de electricidad, cuotas de teléfono
e internet, etc.).
6.1.2.
Equipamiento y software
Será necesario proveer de equipos portátiles a todo el personal de nueva incorporación, ası́ como de teléfonos móviles en función del perfil, aplicando los mismos criterios
38
ya establecidos para el resto de empleados de la compañı́a.
No será necesario la compra, instalación y/o uso de licencias de ningún software
especı́fico para la prestación de dichos servicios más allá de lo ya establecido en el paquete
estándar de la compañı́a: ungestor de correo y el software básico de ofimática: excel, word
y powerpoint deberı́an ser suficientes.
6.2.
Procesos
A continuación se detalla el proceso bajo el que funcionará la nueva lı́nea de
servicios. El proceso será el mismo que sigue el resto de servicios ofrecidos ya por la
compañı́a y consta de las siguientes fases, que quedan descritas tal y como se menciona a
continuación en el Libro Blanco de la AEC [15].
1. Preventa e identificación de necesidades. Detección de oportunidades y transformación de las mismas en iniciativas/proyectos.
2. Especificaciones. Describir o reflejar e uno o varios documentos las caracterı́sticas
y condiciones concretas que definen los trabajos a realizar.
3. Selección de proveedor. Determinar la oferta que mejor se adapta a las especificaciones del trabajo objeto del contrato asegurando la capacidad y solvencia de la
empresa adjudicataria.
4. Negociación y contratación. Formalización del contrato donde se especifica los
compromisos y responsabilidades de las partes implicadas.
5. Prestación del servicio. Desarrollar y entregar los elementos tangibles recogidos
en las especificaciones, cumpliendo con las expectativas del cliente y asegurando
su satisfacción. Este será el core de nuestro negocio, es por ello que merece la pena
detallar las principales fases de los proyectos que se van a acometer y las tareas que
asumirá la compañı́a:
Diagnóstico. Se analiza a detalle la problemática presentada por el cliente en
las especificaciones. Se presentan y valoran las alternativas solución.
39
Plan de Acción. Tras valorar de forma conjunta con el cliente las diferentes
alternativas presentadas se selecciona la que se considera más adecuada.Se
establece un plan detallado de las acciones a llevar a cabo para implementar
la solución seleccionada.
Ejecución. Se supervisara y coordinara la ejecución del plan establecido estableciendo medidas correctivas si fuera necesario.
Terminación. Una vez finalizada la ejecución se realizarán tareas de monitorización para evaluar la eficacia y eficiencia de la solución implementada. Se
realizará un informe final donde se recojan los resultados obtenidos en base a
los objetivos fijados.
6. Continuidad o cierre del proyecto. Comprobar que se han cubierto las especificaciones formales y requisitos contractuales fijados al inicio. Aceptación de la entrega
y certificación del cierre del proyecto. Identificación de nuevas oportunidades a raı́z
del proyecto realizado y continuidad de la relación a través de nuevos contratos.
40
7. ESTUDIO DE VIABILIDAD Y CONCLUSIONES
A lo largo de este capı́tulo se presentará un análisis financiero a muy alto nivel
de la propuesta realizada, de forma que nos permita valorar la viabilidad de la misma.
Para estudiar la viabilidad de la propuesta se ha realizado un análisis económico
de los tres primeros años de actividad de la nueva lı́nea de servicios. Para ello se han
valorado las diferentes fuentes de ingresos y gastos a lo largo de este tiempo.
Ingresos. La única fuente de ingresos serán los procedentes de la ejecución de los
proyectos.
Gastos. En este caso diferenciamos entre gastos recurrentes que se imputaran periódicamente y gastos que se imputarán una única vez.
• Gastos recurrentes. En este apartado se han tenido en cuenta los gastos derivados de los salarios, la formación y aquellos derivados del mantenimiento
del hardware y software utilizado. También se han tenido en cuenta los gastos
correspondientes a la propia gestión interna: departamentos de recursos humanos, compras, lega, helpdesk, etc. Se han aplicado los siguientes baremos:
◦ Mantenimiento HW/SW - coste unitario mensual por empleado: 3.000
euros
◦ Formación - coste unitario anual por empleado: 3.000 euros
◦ Salarios:siguiendo los baremos ya establecidos en el apartado de organización.
Gerente: 70.000 euros
41
Consultor senior: 45.000 euros
Cientı́fico de datos: 32.000 euros
• Gastos iniciales. En cuanto a gastos iniciales sólo contarı́amos con los gastos
derivados del equipamiento hardware y software de los empleados que se vayan incorporando. Se ha estimado en una media de 3.000 euros por empleado.
Para realizar los cálculos se han tenido en cuenta tanto la previsión de proyectos
como la curva de incorporación de recursos presentados en el capı́tulo de Organización
y se ha aplicado la tabla de precios presentada en el capı́tulo correspondiente al plan de
marketing y ventas.
Con el objetivo de ajustar los gastos e incrementar las posibilidades de éxito se
han aplicado las siguientes medidas:
Durante el primer año se aplicará un 10 % de descuento sobre las tarifas establecidas
para facilitar la entrada en el mercado.
El tercer año debido al incremento en el número de proyectos a ejecutar surge la
necesidad de realizar nuevas incorporaciones. Dado que el incremento en número
de proyectos no es muy alto y los costes de nuevas incorporaciones a la compañı́a
si lo son los recursos incorporados durante este año a la lı́nea de servicios de Big
Data procederán de otros departamentos de la compañı́a.
Teniendo en cuenta todas las consideraciones anteriormente expuestas el balance financiero de los tres primeros años queda como se muestra en la figura 7.1.
Se observa en el balance que aunque el primer año se darı́an pérdidas, a partir
del segundo se reportarı́an beneficios. Durante los años en que se prevén beneficios éstos
no son muy elevados por lo que se se recomienda llevar a cabo las siguientes acciones:
Establecer un rigoroso plan de control de implantación de la nueva lı́nea de servicios. Se trata de revisar periódicamente el estado de la iniciativa detectando posibles
desviaciones respecto del plan y aplicando las medidas correctivas necesarias, pudiendo llegar a ser estas la cancelación de la lı́nea de servicios de Big Data si la
situación lo requiriese.
42
Figura 7.1: Análisis financiero de la propuesta
En función de los resultados obtenidos, tanto financieros como en lo que a posicionamiento en el sector se refiere, se recomienda revisar tanto las tarifas como los
salarios y gastos de formación. Se trata de adecuarlos a la situación de la compañı́a
en cada momento tratando de mejorar tanto el posicionamiento de la misma como
los beneficios obtenidos.
43
Bibliografı́a
[1] Cisco, Internet será cuatro veces más grande en 2016 http://goo.gl/ipntZA
[2] Magic Quadrant for Business Analytics Services, Worldwide https://goo.gl/
OJv7Uv
[3] PremiaT, la comunidad on-line que conecta a comercios y consumidores https:
//goo.gl/fEBYc7
[4] ING and the use of customer data http://goo.gl/0Jrp6D
[5] Using “Big Data” to Predict – and Improve – Your Health https://goo.gl/
L48IbR
[6] Ten big data case studies in a nutshell http://goo.gl/Xjir67
[7] Big data for media, Martha L. Stone, University of Oxford. Noviembre 2014 http:
//goo.gl/X4HN4B
[8] Internet Live Stats http://www.internetlivestats.com/
[9] Bringing big data to the enterprise, IBM http://goo.gl/XlrO7R
[10] Big Data 2015, BOS Business School
[11] Internet de las cosas, Cómo la próxima evolución de Internet lo cambia todo, Dave
Evans, Abril 2011
[12] Gran éxito con Big Data. Accenture, Abril 2014
44
[13] Big Data: The Management Revolution, Andrew McAfee and Erik Brynjolfsson,
Octubre 2012
[14] Visuals Align Worksheet No 3: Empathy Map http://x.xplane.com/
visual_alignment_dl
[15] LIBRO BLANCO DE BUENAS PRÁCTICAS EN EL MERCADO DE LA CONSULTORÍA, AEC.
45