Constituido en 1965 como banco industrial y convertido en banco comercial en 1972 coincidiendo con su salida a Bolsa, Bankinter se cuenta actualmente entre las seis entidades financieras más fuertes de España con un historial de crecimiento digno de estudio. No en vano, en los últimos cinco años el banco ha logrado multiplicar por 10 su volumen de negocio mientras que solamente ha duplicado una plantilla que, a día de hoy, suma 4.371 empleados.   Una apuesta decidida por la innovación tecnológica respalda la progresión del banco, que basa su filosofía en la eficiencia y la personalización a la búsqueda de la máxima satisfacción de sus alrededor de un millón de clientes, entre particulares y empresas. Al igual que en todo negocio bancario, la gestión del riesgo constituye una actividad clave en Bankinter, pero existe una particularidad diferencial en su caso y es que, como explica el director de Modelos de Riesgos en Bankinter, Manuel García Merchán, “hemos logrado que dos mundos aparentemente antagónicos, como son el mundo comercial y el mundo del riesgo, convivan sin que ninguno de ellos pierda su papel, pero con un objetivo común”.   La actividad de gestión de riesgos en Bankinter aglutina riesgo de crédito, riesgo de mercado y riesgo operacional aunque, hoy por hoy, el mayor peso corresponde al riesgo de crédito en tanto que constituye la actividad más importante del banco. De hecho, “a la gestión de riesgo de crédito se dedican de forma exclusiva unas 250 personas para un balance de unos 40.000 millones de euros de riesgo”, indica García. Teniendo en cuenta el carácter intensivo en el tratamiento de información que requiere la gestión del riesgo, es evidente que su desarrollo manual resulta imposible, de modo que a lo largo del tiempo Bankinter ha conseguido industrializar este proceso.   En el banco, cuyos sistemas transaccionales están basados en CICS, Cobol y DB2, existía inicialmente el denominado Laboratorio Estadístico que “era un repositorio donde se volcaba información de ciertas de bases de datos a partir de la cual trabajan los profesionales de riesgo, pero se trataba de copias exactas procedentes del mainframe y no era posible incorporar tablas elaboradas”, comenta García. Para explotar estos datos se utilizaban mayoritariamente herramientas propias desarrolladas ad-hoc en Foltran y Cobol, entre otros lenguajes, hasta que llegó un momento en el que estas aplicaciones resultaban limitadas respecto a los objetivos marcados.   En esa tesitura y hace alrededor de ocho años, la tecnología de SAS entró en Bankinter y ha ido, poco a poco, ganando peso, especialmente a raíz del inicio de la construcción en 2002 sobre tecnología Oracle de un data warehouse, que supuso una revolución en la entidad desde la perspectiva BI, no solamente en cuanto al incremento de la capacidad. García explica que “a diferencia del Laboratorio Estadístico, con el data warehouse además de cargar copias exactas de la BBDD, es decir, tablas procedentes directamente del mainframe, empezamos a poder incorporar tablas elaboradas incluso con datos sometidos a tratamiento”.
Una progresión natural
El avance implicó, no obstante, nuevos retos. “Debido en buena medida a Basilea II, que exige el almacenamiento de volúmenes muy importantes de información histórica, el tratamiento de la información en el data warehouse resultaba lento y necesitábamos una herramienta capaz de procesar grandes volúmenes de información rápidamente”. En ese contexto y en el marco de un proceso de evaluación de las principales herramientas para el tratamiento masivo de información existentes en el mercado, “SAS se impuso de manera natural al resto de contrincantes”, indica García apuntando a distintos factores. En primer lugar, la potencia ya que “con SAS no existen limitaciones de volumen y puede correr tanto en un entorno PC, como en el servidor o en el host”, señala el directivo.   García destaca también la capacidad de SAS para integrarse con otros sistemas ya que “otras herramientas, que aparentemente cumplían la misma función, provocaban ciertas disfunciones con el resto de aplicaciones del banco, mientras que SAS no choca con otros entornos y de hecho, actualmente, volcamos la información de SAS en nuestro host y viceversa con total facilidad”, apostilla el directivo.   Las elevadas capacidades de SAS a la hora de construir algoritmos y su nivel de usabilidad terminaron de inclinar la balanza. “La solución de SAS nos permite trabajar con la práctica totalidad de los algoritmos existentes, así como crear nuevos con la posibilidad de enfrentar distintos algoritmos para determinar cuál es el mejor”, señala García. El directivo tampoco pasa por alto el hecho de que “la herramienta la utilizamos tanto usuarios expertos como otros que no lo son, de manera que es fundamente que sea altamente inteligible”.   De hecho y como precisa García, “por la política del banco el resto de la plantilla también tiene funciones de gestión del riesgo, por ejemplo, el director de una oficina tiene delegadas facultades para otorgar riesgo hasta un determinado nivel”. Considerando todo estos factores, la entidad tomó la decisión de elevar SAS al entorno servidor dando un paso definitivo. “No sólo incrementamos la potencia de la herramienta, sino que además empezamos a poder compartir información”, indica García, apuntando a un aspecto clave teniendo en cuenta que SAS no sólo se utiliza por parte del departamento de gestión de riesgo, sino también por marketing en estrecha relación con su estrategia CRM, así como por el departamento de Sistemas de Información. , que realiza de forma rutinaria la carga de datos desde el mainframe al data warehouse, emplea actualmente la versión 9 de SAS incluyendo Enterprise Miner y SAS Credit Scoring. La entidad bancaria utiliza además el software de conexión SAS Connect y las interfaces SAS Access para DB2 y Oracle. Para la carga de las tablas Oracle, que se realiza mensualmente con un volumen de entorno a 50 Gb al mes, el banco utiliza la herramienta DataStage. A nivel servidor, el sistema corre sobre Sun Solaris en un dominio de una máquina SunFire 15.000 con 14 CPUs y 28 Gb de memoria. En entorno cliente, compuesto por PCs Windows y clientes Java, se utilizan SAS Enterprise Miner 5.1, SAS Foundation Services 1.1, SAS Management Console 9.1 y el cliente SAS Enterprise Guide 3.0 que, como apunta García, “ha facilitado el uso de la herramienta por parte de usuarios con perfiles no técnicos”.
La aplicación de la tecnología de SAS ha permitido a Bankinter el desarrollo de distintos modelos críticos en su operativa, que se apoya en una red que suma 347 oficinas, 979 agentes y, especialmente, los canales tecnológicos, como son banca telefónica, Internet y banca móvil. Merece destacarse que el canal Internet canaliza actualmente el 52 por ciento del total de las operaciones de sus clientes en tanto que un canal absolutamente incipiente, como es el móvil, vehicula ya el cuatro por ciento de estas operaciones.   Un nivel máximo de personalización caracteriza la operativa de Bankinter y en ese aspecto la tecnología de SAS resulta crítica tanto para modelizar las carteras como para la elaboración de sus scorings. “Se trata en esencia de discriminar, desde el punto de vista del riesgo, los clientes buenos de los menos buenos y de saber quiénes son los malos, además de determinar los recursos propios de capital del banco que asignamos a cada uno de estos riesgos, como determina Basilea II”, señala García.   Con ese objetivo y en el caso concreto del riesgo en personas físicas, la entidad explota distintos tipos de información -variables de la operación, variables socioeconómicas y demográficas, datos del historial de pagos y datos relativos a la relación del cliente con el banco-; no obstante y como reconoce García, “la clave no está tanto en la información que utilizamos, bastante común en el sector, como en el tratamiento que hacemos de ella es decir, en ser capaces de construir un algoritmo capaz de predecir correctamente el riesgo”. En base a esta máxima, Bankinter ha desarrollado utilizando SAS Enterprise Miner distintos modelos. “Un primer bloque permite la ordenación o scoring de los clientes de mejor a peor en función de su perfil de riesgo, con la ventaja adicional de poder matizar en base a distintas variables de acuerdo con nuestras políticas de riesgo y teniendo en cuenta también variables macroeconómicas”, detalla García.   Existen además modelos de alerta que posibilitan el control del riesgo una vez asumido, así como modelos de comportamiento, que permiten anticiparse a posibles situaciones de impago o reaccionar lo más rápidamente posible ante potenciales actividades dudosas. Bankinter apoya en estos modelos predictivos la toma de decisiones a la hora de conceder créditos y puede conocer los puntos débiles de cada operación facilitando información sobre los motivos concretos que justifican los casos de denegación. Además, el banco mantiene un control constante de la situación de morosidad sobre el conjunto de la operativa crediticia, un aspecto en el que Bankinter también se diferencia del sector al registrar una puntuación del 0,33 frente a una media de mercado del 0,75. Estos modelos, que están integrados en el transaccional, permiten asimismo a Bankinter anticiparse a las necesidades de sus clientes con productos preautorizados adaptados a cada perfil.   “Con estos sistemas de alertas y comportamiento se identifican tanto eventos de potencial peligro como oportunidades, de forma que los productos preautorizados pueden variar también en función de cada momento del cliente”, indica el directivo, para avanzar que la entidad está extendiendo está posibilidad a las pymes. “La oferta de productos preautorizados a las personas físicas se viene haciendo desde años y ahora hemos empezado a extenderlo a la pyme otorgando riesgo a partir de 240.000 euros”, avanza García. En base a la experiencia acumulada, Bankinter continúa avanzando en la gestión del riesgo crediticio -en el segmento de personas físicas y de empresas-, donde ha dado un paso más al empezar a medir la rentabilidad ajustada al riesgo.   Como apostilla García, “ya no se trata solamente de clientes buenos o malos, sino de clientes con los que el banco gana más o menos; de manera que aunque un cliente tenga una probabilidad alta de riesgo, su rentabilidad puede compensar la asunción del riesgo o al contrario”. Asimismo, el banco está dando pasos importantes en la gestión del riesgo operacional, una modalidad de riesgo de medición obligatoria para aquellas entidades adheridas a Basilea II. En esta línea y, teniendo en cuenta que es una actividad más reciente, “actualmente estamos en la fase de recabar información y se está construyendo la BBDD para poder pasar a explotarla”, indica García.   En cuanto al riesgo de mercado, que también es una tarea intrínseca a la operativa del banco y, específicamente, del día a día de su Sala de Tesorería, en Bankinter conviven tanto la herramienta de SAS como varias herramientas desarrolladas ad-hoc. Estos progresos han permitido al banco entrar en el campo de la simulación operativa para determinar el potencial impacto en el negocio de las variaciones de la morosidad o la rentabilidad de los créditos, disponiendo de un margen de maniobra para la toma de decisiones estratégicas. La aplicación de la tecnología BI en Bankinter ha alcanzado tal grado de criticidad “hoy por hoy SAS es una herramienta imprescindible no ya para estar los primeros, sino para no perder el tren”, concluye García.
