Todo lo que tenés que saber sobre data analítica

Antes de abordar el tema necesitamos saber qué es y la importancia que tiene en el sector financiero:

¿Qué es la data analítica?

La data analítica es el uso del instrumental matemático y estadístico para el análisis de información. Con ella vamos a poder:

1. Hacer o encontrar la pregunta correcta.
2. Responder esa pregunta y sacar conclusiones.
3. Crear modelos representativos.
4. Tomar decisiones.

En la actualidad hay una increíble, y hasta obscena, cantidad de datos para el uso en las finanzas. No solo los más comunes como los balances financieros (ingreso, flujo de caja, estado de situación patrimonial, etc.) que son complejos no solo de usar, sino también a la hora de comparar empresas de distintas regiones. Sino que el uso de la tecnología nos proporciona información acerca del consumidor muy valiosa para crear modelos matemáticos que permitan resolver los cuatro puntos nombrados anteriormente.

¿Cómo usarla de manera responsable?

Usar estos datos de manera responsable (estamos al tanto de lo que sucede entre Google y la Unión Europea por el uso de los datos de los consumidores europeos) ha creado industrias dentro del sector tecnología que hace 20 años ni el mas creativo o soñador podía imaginar. Hay dos claras industrias dentro del sector tecnología beneficiadas por el uso de data analítica: las redes sociales por un lado y las empresas e-commerce por otro. Esto ha impactado en las valuaciones de empresas como META ( anteriormente Facebook) y AMZN (Amazon Inc.) y han creado una variedad de Fintech que proveen algoritmos para obtener más clara información.

Por ende, los analistas de datos (mayoritariamente economistas o software developers con énfasis en estadística) que estaban enfocados en Excel como herramienta para comprar los estados contables y financieros de las empresas y observar si sus valuaciones eran correctas, han tenido que adaptarse a observar y analizar métricas diferentes. Es decir, no se puede utilizar las mismas métricas para la valuación de empresas como WML (Walmart) y TikTok o MELI (Mercado Libre).

¿Cuales son los objetivos?

Las grandes empresas financieras y bancos del mundo exigen cada vez más el uso de lenguajes de software como R, Python, JavaScript, Go (reciente creado por Google), y servicios para uso de base de datos SQL, MongoDB, DynamoDB (AWS) entre otros. Su objetivo es claro: tener gente capacitada en analizar gran cantidad de información para estar preparado en los cuatro puntos que nombramos al comienzo del artículo. Es más, el camino marcado siempre tiende a ser igual: se inicia con una pregunta (luego se investiga si es la correcta), se colecta y “limpian” los datos  y luego se discute un modelo para estos datos. El objetivo final es sacar conclusiones que sirvan desde un punto de vista comercial o financiero para fijar un camino y tomar decisiones.

En resumen, la data analítica para el sector financiero es un “MUST”. Una necesidad creciente para determinar dónde dirigir los recursos. Desde start-ups (sector que crece con fuerza en LATAM) hasta las grandes multinacionales requieren este conocimiento y experiencia para potenciar ventas, reducir costos y mejorar controles internos y de seguridad.