Durante años, los analistas de instituciones financieras reunían datos que más tarde usaban para elaborar la investigación que entregaban a sus clientes.
Sin embargo, esas notas se quedaban casi siempre sin leer, pues solo 21% de los correos electrónicos enviados a los clientes eran abiertos, según Street Contxt, una startup que distribuye contenidos de Wall Street.
Por ello y porque cada vez más decisiones son tomadas por algoritmos, basándose en datos cuantitativos y no cualitativos, los departamentos de investigación entregan a sus clientes cada vez con mayor frecuencia información sin análisis, explica el Wall Street Journal (WSJ).
Se dice que los datos son el nuevo petróleo, pero para ello se necesita refinar (…) y nosotros somos una refinería de esos datos
, dijo el líder global de la unidad de datos de UBS, Barry Hurewitz, citado por el diario.
Hoy los analistas no solo ofrecen datos financieros sobre las empresas, sino también otros menos ortodoxos, como el sentimiento en redes sociales ante el lanzamiento de producto, las posibilidades de nuevas contrataciones tras analizar bolsas de trabajo en línea o información recopilada con mapas de geolocalización, tomando miles de datos y moldeándolos de manera que sean útiles para el cliente.
HSBC, por ejemplo, desarrolló un software para leer las transcripciones de las conversaciones con analistas tras la presentación de resultados trimestrales corporativos y encontrar tendencias, por ejemplo, detectar cuándo los ejecutivos hablaban de dificultades de negocio y distinguirlas de cuando mencionaban problemas técnicos con la llamada telefónica.
A pesar de las ventajas que representa tener esta información, hay ciertos operadores de mercado que prefieren no manejar datos de manera directa pues les preocupa que estos contengan información personal y terminen involucrados en las controversias en que se vieron envueltas las redes sociales en el último año por el tema de la privacidad.
Para evitar estas complicaciones, bancos como Goldman Sachs han optado por compartir su propia información, por ejemplo, mediciones especializadas de volatilidad empleadas internamente para la toma de decisiones, en tiempo real.
