BBVA Data & Analytics Galardonada con el Premio al Proyecto Tecnológico del Año por “The Banker”

Fco. Javier López Peñalver Noticias y referencias

Entrevista con Francisco Javier López Peñalver y Jordi Nin
 
jordi-nin

Jordi Nin — Científico de Datos en BBVA Data & Analytics

Jordi es Doctor en Ciencias de la Computación, con más de 75 publicaciones de investigación en revistas, conferencias y capítulos de libros. Le concedieron el doctorado excepcional. Premio del departamento de informática de la UAB. La tesis de Jordi se enfocó en utilizar varios métodos de aprendizaje automático para calcular el riesgo de divulgación de las encuestas estadísticas oficiales publicadas por los organismos nacionales.

 
dsc05112

Francisco Javier López — Gerente de Proyecto de Datos en BBVA Data & Analytics

Javier es licenciado en Ciencias de la Computación e Innovación. Ahora dirige los proyectos de análisis de riesgo y fraude en BBVA D&A para impulsar la transformación digital de BBVA. Tiene experiencia como ingeniero de I+D, consultor de innovación y gestor de fondos públicos internacionales. Entusiasta por explorar las tecnologías para crear nuevas oportunidades.
 
 
 

Financial Times ha premiado a BBVA Data & Analytics con el premio al Proyecto tecnológico del año por “The Banker“, en la categoría de Gestión del Riesgo. Francisco Javier López Peñalver (Gerente de Proyecto de Datos) y Jordi Nin (Científico de Datos) en BBVA Data & Analytics explican el inicio del proyecto RedeX, desarrollado en colaboración con BBVA y BEEVA entre junio de 2015 y mayo de 2017.

 

¿Qué es RedeX y por qué fue premiado?

Este proyecto tiene como objetivo mejorar el método de evaluación de riesgo para clientes nuevos y actuales durante el proceso de admisión de préstamos, y representa una solución significativa para los clientes que tienen un archivo de crédito delgado. BBVA recibe miles de solicitudes de préstamos cada mes y muchos se niegan porque no hay información sobre el historial de crédito del cliente; un problema frecuente especialmente entre las empresas jóvenes, las nuevas empresas y los extranjeros que han accedido recientemente al sistema financiero.

Basándose en diferentes tipos de datos, tales como transferencias bancarias, boletines oficiales e interacciones con otras entidades, y sin tener que solicitar ninguna información adicional, RedeX estableció una fuente muy rica de información sobre el ecosistema de los clientes complementando la información proporcionada por los clientes cuando solicitan un nuevo producto de crédito.

¿Cuáles fueron los objetivos de este proyecto?

El objetivo de este proyecto fue triple: obtener todos los datos necesarios para construir una red de relaciones; realizar analíticas relacionales distribuidas para extraer los atributos de los clientes más relevantes y las métricas más adecuadas para analizar el contexto del cliente; y construir una herramienta de autoservicio para permitir que los analistas de riesgo exploren los datos, lo visualicen y obtengan nuevas métricas de clientes.

¿Cómo fue relevante la Ciencia de Datos para este proyecto?

Debido a la naturaleza compleja y adaptativa del sistema financiero, la Teoría de Sistemas Complejos proporcionó una caja de herramientas matemáticas para analizar Sistemas Complejos a escala micro, meso y macro. Una red es una abstracción matemática que representa sistemas de entidades que interactúan. Naturalmente, las entidades son simbolizadas por los nodos y las interacciones por los bordes o conexiones entre ellos.

La teoría de la red y la simulación basada en agentes fueron útiles para entender el riesgo sistémico en el sistema bancario, lo que sugiere que el riesgo por defecto se propaga a través de una red siguiendo patrones muy complejos a escala macro pero también menciona que tales patrones pueden ser descompuestos a otros más simples cuando la red es analizada a nivel microscópico.

¿Cómo es útil RedeX para los analistas de riesgo?

RedeX ofrece una herramienta de autoservicio con una interfaz interactiva para ayudar a los analistas de riesgo a explorar el contexto de los clientes a través de gráficos y análisis de redes, evaluar el nivel de riesgo de un cliente y tomar decisiones sobre las solicitudes de préstamo. También puede aplicarse a otras áreas como la gestión del fraude, los sistemas de referencia o la experiencia del usuario en el análisis de canales digitales. La captura de pantalla siguiente demuestra lo fácil que es para cualquier analista de riesgo acceder a los datos de los ecosistemas de los clientes y utilizar esta información para evaluar la salud financiera de un cliente que tenía un delgado archivo de crédito (datos y nombres se han anonimizado):

ewsrwg