Las Nuevas oportunidades del Big Data para las instituciones financieras

<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
  <record>
    <leader>00000cab a2200000   4500</leader>
    <controlfield tag="001">MAP20200004691</controlfield>
    <controlfield tag="003">MAP</controlfield>
    <controlfield tag="005">20220912093047.0</controlfield>
    <controlfield tag="008">200217e20191202esp|||p      |0|||b|spa d</controlfield>
    <datafield tag="040" ind1=" " ind2=" ">
      <subfield code="a">MAP</subfield>
      <subfield code="b">spa</subfield>
      <subfield code="d">MAP</subfield>
    </datafield>
    <datafield tag="084" ind1=" " ind2=" ">
      <subfield code="a">922.133</subfield>
    </datafield>
    <datafield tag="100" ind1="1" ind2=" ">
      <subfield code="0">MAPA20200003342</subfield>
      <subfield code="a">Galeano, Pedro</subfield>
    </datafield>
    <datafield tag="245" ind1="1" ind2="4">
      <subfield code="a">Las Nuevas oportunidades del Big Data para las instituciones financieras</subfield>
      <subfield code="c">Pedro Galeano y Daniel Peña</subfield>
    </datafield>
    <datafield tag="520" ind1=" " ind2=" ">
      <subfield code="a">Este trabajo describe el actual entorno de información masiva, el llamado Big Data, en el que se mueven hoy las entidades financieras y analiza las nuevas oportunidades para bancos, cajas de ahorros y otras instituciones financieras de utilizar los nuevos datos disponibles sobre sus clientes, presentes y potenciales, para mejorar sus estrategias comerciales. Se describen las nuevas formas de información disponible, que incluyen no solo las tablas de datos numéricos tradicionales, sino imágenes, textos de la web y datos temporales y espaciales, a veces en forma de funciones. Estos nuevos datos pueden revelar patrones de comportamiento y de relaciones entre variables que permitan segmentar mejor la clientela y construir modelos con mayor capacidad predictiva que los actuales. Se revisan brevemente algunas de las nuevas herramientas desarrolladas en los últimos años bajo los nombres de «aprendizaje estadístico» (statistical learning), «inteligencia artificial» y «aprendizaje automático» (machine learning) y su potencial en distintos problemas, como predicción personalizada, análisis de redes de clientes, prevención del fraude o detección de la lealtad de los clientes, entre otros. Por último, se presenta un ejemplo de cómo la construcción de redes de clientes y su análisis puede mejorar las políticas comerciales en un gran banco internacional. </subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20140022717</subfield>
      <subfield code="a">Big data</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080578848</subfield>
      <subfield code="a">Análisis de datos</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20170005476</subfield>
      <subfield code="a">Machine learning</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080594671</subfield>
      <subfield code="a">Análisis estadístico</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080611200</subfield>
      <subfield code="a">Inteligencia artificial</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080572778</subfield>
      <subfield code="a">Mejora continua</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080586836</subfield>
      <subfield code="a">Política comercial</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2=" ">
      <subfield code="0">MAPA20080541064</subfield>
      <subfield code="a">Fraude</subfield>
    </datafield>
    <datafield tag="651" ind1=" " ind2="1">
      <subfield code="0">MAPA20080637736</subfield>
      <subfield code="a">España</subfield>
    </datafield>
    <datafield tag="700" ind1="1" ind2=" ">
      <subfield code="0">MAPA20080053376</subfield>
      <subfield code="a">Peña, Daniel</subfield>
    </datafield>
    <datafield tag="773" ind1="0" ind2=" ">
      <subfield code="w">MAP20077000536</subfield>
      <subfield code="t">Papeles de economía española</subfield>
      <subfield code="d">Madrid : FUNCAS, 1982-</subfield>
      <subfield code="x">0210-9107</subfield>
      <subfield code="g">02/12/2019 Número 162 - 2019 , p. 78-97</subfield>
    </datafield>
    <datafield tag="856" ind1=" " ind2=" ">
      <subfield code="y">MÁS INFORMACIÓN</subfield>
      <subfield code="u">mailto:centrodocumentacion@fundacionmapfre.org?subject=Consulta%20de%20una%20publicaci%C3%B3n%20&body=Necesito%20m%C3%A1s%20informaci%C3%B3n%20sobre%20este%20documento%3A%20%0A%0A%5Banote%20aqu%C3%AD%20el%20titulo%20completo%20del%20documento%20del%20que%20desea%20informaci%C3%B3n%20y%20nos%20pondremos%20en%20contacto%20con%20usted%5D%20%0A%0AGracias%20%0A</subfield>
    </datafield>
  </record>
</collection>