Empecemos. <\/span><\/p>\n La creciente complejidad de los delitos financieros, unida a las m\u00faltiples crisis financieras, ha hecho que se endurezcan las directrices para las instituciones. El mundo bancario ha experimentado un endurecimiento de la normativa que exige revisiones exhaustivas del an\u00e1lisis del capital, revisiones exhaustivas de la liquidez, revisiones de supervisi\u00f3n y procesos de evaluaci\u00f3n, entre otros. Todas estas normativas, ya sea el BCBS 239, el CCAR, Basilea III o MiFID II, est\u00e1n intr\u00ednsecamente centradas en los datos.<\/span><\/p>\n Estas regulaciones se introdujeron con m\u00faltiples prop\u00f3sitos – por ejemplo, la Dodd-Frank es para garantizar la transparencia en el mantenimiento de registros, mientras que el CCAR y el BCBS 239 se centran en la calidad de los datos, el linaje de los datos y la gesti\u00f3n general de los datos, con un \u00e9nfasis especial en probar y mejorar la gobernanza de los datos. <\/span><\/p>\n Esta normativa ha impuesto un nuevo modo de funcionamiento que a\u00f1ade nuevas complejidades al cumplimiento de la normativa. Hay m\u00e1s cosas por venir. A medida que las transacciones digitales y el comercio en l\u00ednea se imponen sobre la banca tradicional, se espera que estos cumplimientos aumenten para contrarrestar el blanqueo de dinero y los delitos financieros que se llevan a cabo a trav\u00e9s de Internet. <\/span><\/p>\n En pocas palabras, los bancos est\u00e1n obligados a mantenerse al d\u00eda con la tecnolog\u00eda y el evasivo mundo de las finanzas digitales. \u00bfEl problema? Los institutos financieros no est\u00e1n preparados. Ni para transformaciones culturales, ni para transformaciones tecnol\u00f3gicas, ni siquiera para transformaciones de datos. El ritmo es lento, los recursos son limitados, pero la presi\u00f3n para que se cumpla es cada vez mayor. No demostrar una soluci\u00f3n que cumpla con la normativa puede dar lugar a enormes riesgos normativos y de reputaci\u00f3n, incluyendo fuertes multas, encarcelamiento de ejecutivos y p\u00e9rdida de reputaci\u00f3n. <\/span><\/p>\n El coste del cumplimiento de las normas reglamentarias consume aproximadamente el 20% de la base de costes de \u00abfuncionamiento del banco\u00bb de un proveedor de servicios financieros y alrededor del 40% de los costes de \u00abcambio de banco\u00bb para las empresas actualmente en curso. Dodd-Frank y BCBS-239 apoyan la protecci\u00f3n de los consumidores; sin embargo, piden que se invierta para gestionar a escala, lo que supone una carga para los beneficios del sector financiero. El incumplimiento se ha traducido en m\u00e1s de 200.000 millones de d\u00f3lares en multas durante los \u00faltimos cinco a\u00f1os y tambi\u00e9n ha provocado un aumento de la preocupaci\u00f3n por la responsabilidad personal de los ejecutivos bancarios. <\/span><\/p>\n Los bancos locales tampoco est\u00e1n exentos. La Asociaci\u00f3n de Banqueros de Estados Unidos realiz\u00f3 recientemente una encuesta entre los peque\u00f1os bancos estadounidenses y estableci\u00f3 que aproximadamente el 50% de los peque\u00f1os bancos estadounidenses han abandonado su oferta de productos, han reducido su personal debido al estr\u00e9s que supone el cumplimiento de la normativa y el apoyo a los consumidores no est\u00e1 a la altura de sus esfuerzos en materia de cumplimiento.<\/span><\/p>\n Los informes reglamentarios exigen una r\u00e1pida fusi\u00f3n de los diversos datos disponibles en toda la organizaci\u00f3n financiera. Esto puede ser una tarea extremadamente costosa y que requiere muchos recursos. Incluso cuando las organizaciones financieras est\u00e1n gastando aproximadamente 4.500 millones de d\u00f3lares anuales s\u00f3lo en el cumplimiento de la normativa, siguen pagando miles de millones de d\u00f3lares en multas. La gesti\u00f3n de datos diversos para la presentaci\u00f3n de informes reglamentarios es un reto de varios niveles para el sector financiero actual.<\/span><\/p>\n Los expertos est\u00e1n de acuerdo en que los recursos de las instituciones financieras deben dedicar el 80% de su tiempo a la revisi\u00f3n de los an\u00e1lisis (incluida la revisi\u00f3n de los datos para el cumplimiento de las sanciones), mientras que el 20% se dedica a la preparaci\u00f3n de los datos (que engloba operaciones como la limpieza de los datos<\/a>, la normalizaci\u00f3n de los datos<\/a>, el perfilado de los datos<\/a>, el cotejo de los datos<\/a>, etc.).<\/span>.<\/span>). Sin embargo, la realidad es que el gran volumen y la complejidad de los datos, junto con los limitados recursos humanos y tecnol\u00f3gicos, han hecho que los equipos dediquen m\u00e1s tiempo al tratamiento y la preparaci\u00f3n de los datos que al an\u00e1lisis. Esto se debe principalmente a que la informaci\u00f3n reglamentaria sigue consider\u00e1ndose una funci\u00f3n subsidiaria y secundaria manejada manualmente por recursos inform\u00e1ticos que trabajan en silos. Pero tambi\u00e9n hay otros obst\u00e1culos, que impiden a las organizaciones establecer un sistema de regulaci\u00f3n infalible. <\/span><\/p>\n A lo largo de los a\u00f1os, hemos trabajado con varios de los mayores bancos e institutos financieros de Estados Unidos y de todo el mundo para ayudarles con los retos de la calidad de los datos. Casi todos los clientes con los que hemos trabajado citaron uno o todos los siguientes obst\u00e1culos: <\/span><\/p>\n Los informes reglamentarios exigen que los datos sean limpios, precisos, completos y coherentes. Sin embargo, uno de los mayores obst\u00e1culos para satisfacer estas demandas es la tecnolog\u00eda deteriorada, junto con una obstinada insistencia en ce\u00f1irse a m\u00e9todos anticuados de preparaci\u00f3n de datos que funcionaban bien en el pasado, pero que ya no son \u00fatiles para gestionar las necesidades de datos actuales. <\/span><\/p>\n La Reserva Federal y los reguladores son ahora menos tolerantes con las soluciones manuales y las soluciones provisionales que ya no est\u00e1n a la altura del alcance, el volumen y la granularidad de los datos que hay que presentar a las autoridades reguladoras. <\/span><\/p>\n La arquitectura de informaci\u00f3n contraintuitiva de muchas empresas, que sigue presentando informes individuales por \u00e1rea de negocio, impide el c\u00e1lculo y la presentaci\u00f3n de informes precisos sobre los riesgos en todas las entidades o por combinaci\u00f3n de productos, lo que echa m\u00e1s le\u00f1a al fuego. Plagados de sistemas dispares, conjuntos de datos incoherentes, errores de introducci\u00f3n manual de datos y presiones de cumplimiento cada vez mayores, los profesionales dedican una cantidad significativa de tiempo y esfuerzo a la agregaci\u00f3n y conciliaci\u00f3n de datos mediante c\u00f3digos Excel o SQL. <\/span><\/p>\n Muy limitadas frente a los enormes vol\u00famenes y variedades de datos, las tecnolog\u00edas comunes como Excel, introducidas hace 40 a\u00f1os para completar los informes reglamentarios, ya no pueden satisfacer la velocidad y las exigencias requeridas. Algunos de los principales retos del uso de estas tecnolog\u00edas son: <\/span><\/p>\n Las organizaciones deben reconocer el hecho de que las tecnolog\u00edas habituales, como las hojas de c\u00e1lculo y el SQL, s\u00f3lo son eficaces cuando se preparan datos a peque\u00f1a escala -para la elaboraci\u00f3n de informes reglamentarios, que exigen precisi\u00f3n- y no son ideales. <\/span>Hoy<\/span>En la actualidad, las instituciones financieras necesitan soluciones automatizadas basadas en ML que sean lo suficientemente potentes como para permitir una preparaci\u00f3n \u00e1gil de los datos, al tiempo que permiten a sus departamentos consolidar, fusionar, deduplicar y limpiar f\u00e1cilmente los datos para cumplir con la normativa. La plataforma debe ser intuitiva, permitir una integraci\u00f3n sencilla y una interfaz f\u00e1cil de usar que no dependa de los conocimientos y la disponibilidad de programadores o expertos en inform\u00e1tica. <\/span><\/p>\n Mientras que la mayor\u00eda de los expertos hablan de cambio de cultura, de jornadas de transformaci\u00f3n de datos y de una revisi\u00f3n completa de la infraestructura, nosotros creemos que el enfoque correcto para remediarlo consiste en reconocer primero los problemas centrales de la calidad de los datos y en comprender los retos relacionados con los procesos. <\/span><\/p>\n Por ejemplo, las empresas pueden empezar por mejorar la calidad de sus datos antes de pasar a iniciativas de transformaci\u00f3n de mayor envergadura, como las migraciones o la implantaci\u00f3n de nuevas infraestructuras. Como dice el refr\u00e1n, el diablo est\u00e1 en los detalles, y en este caso, no es la infraestructura o la tecnolog\u00eda lo que obstaculiza el progreso, sino literalmente los detalles en la fuente de datos de un banco. <\/span><\/p>\n Por lo tanto, el primer paso para la correcci\u00f3n es la preparaci\u00f3n de los datos para el cumplimiento. Y esto puede hacerse utilizando una herramienta de preparaci\u00f3n de datos de autoservicio de primera l\u00ednea, como DataMatch Enterprise<\/a>, que permite: <\/span><\/p>\n DataMatch Enterprise es una respuesta tecnol\u00f3gica a los retos de la preparaci\u00f3n de datos y la garant\u00eda de calidad de los mismos para el cumplimiento de la normativa. Esta soluci\u00f3n de primera l\u00ednea proporciona tanto a los usuarios de la empresa como a los de TI una plataforma unificada, \u00fanica y coherente para gestionar el proceso de preparaci\u00f3n de datos sin necesidad de conocimientos de lenguaje de programaci\u00f3n ni de intervenci\u00f3n manual. <\/span><\/p>\n Los informes reglamentarios exigen precisi\u00f3n e integridad de los datos, y ambas cosas no pueden lograrse mediante el procesamiento manual de los mismos. Las empresas financieras necesitan herramientas de preparaci\u00f3n de datos<\/a> que puedan evolucionar con el tiempo y les permitan la flexibilidad de preparar vol\u00famenes masivos y m\u00faltiples variedades de datos con el menor esfuerzo posible. El objetivo es <\/span>minimizar<\/span> las tareas repetitivas<\/span> para tener tiempo para la actividad principal<\/span>. <\/span><\/p>\n Los equipos no deben verse agobiados por nuevas <\/span>reglamentos;<\/span> deben estar preparados para afrontarlo de frente. Y aunque no se puede lograr una revisi\u00f3n completa de la infraestructura y la cultura de la noche a la ma\u00f1ana, las empresas pueden invertir en herramientas de preparaci\u00f3n de datos de autoservicio<\/a> para iniciar su camino hacia la automatizaci\u00f3n. <\/span><\/p>\n \u00bfNecesita cumplir la normativa contra el blanqueo de capitales? Descargue este documento t\u00e9cnico para ver c\u00f3mo Data Ladder ayuda a los bancos e instituciones financieras a realizar operaciones b\u00e1sicas como la preparaci\u00f3n de datos, la elaboraci\u00f3n de perfiles de datos y el cotejo de datos para cumplir con los requisitos normativos en materia de ALD.<\/p><\/blockquote>\n C\u00f3mo examinar y cotejar los datos para el cumplimiento de la normativa AML<\/p>\n<\/div>\n<\/div>\nExpectativas de la informaci\u00f3n reglamentaria<\/span><\/h2>\n
El coste de no cumplir con las normas reglamentarias <\/span><\/h2>\n
![\"Cost](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/regulatory-reporting-costs.png\")
Principales retos de la preparaci\u00f3n de datos en el cumplimiento de la normativa <\/span><\/h2>\n
![\"Data](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/data-preparation-for-regulatory-compliance.png\")
<\/p>\n\n
\n
\nDependencia de sistemas anticuados: <\/strong>
\n<\/span>
\n<\/b>Con demasiada frecuencia, las instituciones financieras tradicionales (IF) siguen funcionando con los mismos sistemas que han tenido durante los \u00faltimos 20 o 30 a\u00f1os, por lo que no es de extra\u00f1ar que estas soluciones no est\u00e9n bien equipadas para el entorno omnicanal y centrado en lo digital de hoy en d\u00eda.<\/span><\/li>\n\n
\nOracle Financial Services y el Centro de Profesionales Financieros<\/span>
\n<\/a>La falta de coherencia de los datos y la escasa calidad de los mismos, derivada de la existencia de sistemas aislados, son dos de los obst\u00e1culos que impiden el cumplimiento de la norma BCBS 239. <\/span><\/li>\n<\/ul>\n\n
Por qu\u00e9 Excel y la programaci\u00f3n SQL ya no son herramientas eficaces para la preparaci\u00f3n de datos <\/span><\/b><\/h2>\n
\n
\n
\n
Enfoques para la correcci\u00f3n – Herramientas de preparaci\u00f3n de datos de autoservicio basadas en ML <\/span><\/b><\/h2>\n
\n
\nEl resultado final<\/span>
\n<\/b>
\n….<\/span>
\n<\/b> <\/b><\/h2>\nLibro Blanco sobre la lucha contra el blanqueo de capitales<\/span><\/h3>\n<\/div>\n