diana-diaz-bankia
Diana Díaz, responsable de Analítica Avanzada y Big Data de Bankia. Foto cedida por la entrevistada.

Gracias a la ciencia de los datos, los bancos pueden analizar el comportamiento de sus clientes y predecir cómo van a actuar, si van a impagar o si necesitan una hipoteca. Pero un día de marzo llegó la pandemia de COVID-19 y trastocó todo esto. “Yo no tengo datos históricos para aprender de pandemias. Esto es un hito en la historia de la ciencia de los datos”, asegura Diana Díaz (Madrid, 1983), responsable de Analítica Avanzada y Big Data de Bankia e ingeniera informática por la Universidad Complutense de Madrid.

Díaz precisa que gracias a los datos disponibles desde marzo, su equipo está entrenando unos modelos analíticos para hacer “una radiografía de la sociedad” y sacar conclusiones de lo que está ocurriendo ahora mismo. Estos modelos le permiten al banco observar, por ejemplo, “cuáles son las zonas más afectadas o cuáles son los trabajos más afectados”. “Estamos aprendiendo lo que pasa en una pandemia gracias a los datos. Es fundamental”, destaca.

[Le puede interesar: España lidera el proyecto europeo que impulsará una economía basada en inteligencia artificial y big data]

“Con esta información lo que intentamos es entender cuán de mala es la situación”, asegura quien implantó en 2016 la primera estrategia de datos de Bankia, que en diciembre celebrará junto con CaixaBank las juntas para aprobar su fusión. Tras desarrollar esta estrategia desde cero —en solo tres meses—, Díaz lideró la creación de una plataforma única de datos del banco que fue implantada en un año, asegura.

Esta plataforma tiene ahora más de 1.300 fuentes de información entrando diariamente, según Díaz. “Tenemos un histórico de entre 4 y 20 años de datos, tenemos información de lo que han hecho nuestros clientes en los últimos años, de sus operaciones, de la tipología de productos que prefieren o contratan y en qué tipo de perfil encaja cada cliente”, agrega quien hace casi un año se llevó el premio a la mejor estrategia de big data del Club CDO. Díaz asegura que el banco respeta el Reglamento General de Protección de Datos.

Desde hace dos años, Díaz se ha centrado en aplicar machine learning a los procesos de gestión clave de la entidad. “A principios de año implantamos un proyecto para transformar la gestión de cuando una persona no puede hacer frente a sus compromisos de pago, los algoritmos de machine learning nos permiten saber si se recuperará por si sola, qué capacidad de pago tiene realmente, incluso si tiene voluntad de pago”, explica.

Para un banco, esta información es vital. “Nos está permitiendo hacer una gestión personalizada a las circunstancias de cada cliente”, asegura Díaz, que antes de trabajar en Bankia lideró en HP proyectos de implantación de datos en sanidad, banca y seguros.

“Pero entonces llegó el COVID-19 y tuvimos que adaptarnos, ante esta situación nos pusimos a trabajar en nuevos modelos que predicen aquellos clientes que perderán ingresos en el siguiente mes. Estos resultados los estamos utilizando para ayudarlos”, comenta Diaz. 

Los algoritmos de machine learning, enfatiza Díaz, permiten “aprender de forma automática sobre los datos de un modo similar al entendimiento humano, con un elemento diferenciador, podemos automatizar este conocimiento para cada uno de los clientes”.

[Le puede interesar: Emprendimiento femenino en el mundo de la Inteligencia Artificial]

Pero, ¿cómo evitar los sesgos en los datos a los que tiene acceso el banco? De acuerdo con la ingeniera, los modelos no se entrenan con variables como la raza o el sexo. La cuestión fundamental es, según apunta, el conjunto de datos. “La elección del dataset es lo más importante: cuáles son los datos que seleccionas de tu población. Si yo elijo un dataset equilibrado que, por ejemplo, tenga el mismo número de mujeres que de hombres o el mismo número de distintas capacidades económicas... Los modelos aprenden con ejemplos, igual que nosotros lo hemos hecho desde pequeños. Al final están replicando comportamientos humanos”, afirma.

Un mundo por hacer

A pesar de los pasos agigantados que ha dado el mundo de los datos, todavía queda un largo camino por recorrer. “Yo me ilusioné cuando tenía 18 años porque decía: aquí hay mucho que hacer [...]. Y ahora que he visto casi 20 años después a lo que hemos llegado, veo que en el futuro nos espera muchísimo más”, asegura. Especialmente en el mundo del dato y de la analítica, señala. Un mundo en el que faltan “muchas mujeres”, subraya.

Díaz augura un futuro en el que haya “máquinas que pensarán a partir de los parámetros con que les hayamos entrenado. De este modo harán cosas que necesitamos y nos responderán en el lenguaje natural que esperamos”. Y todo eso gracias al machine learning y a la inteligencia artificial.

Con esa ilusión, la misma que la motivó a estudiar ingeniería informática, anima a las jóvenes a sumergirse en los datos: “Es un mundo en el que vas a crear y participar del futuro”. Y asume la responsabilidad de “transmitir lo divertido que son estos trabajos y el valor que aportan”. 

“Depende mucho de que nosotras, que hemos trabajado y luchado mucho para llegar hasta aquí, empecemos a contarlo y empecemos a ir a las universidades y a los colegios porque es importante que desde niñas vean que pueden hacerlo y que hay mujeres que lo han hecho”, concluye.

Dejar una respuesta

Please enter your comment!
Please enter your name here