Los profesionales de la inversión han comenzado a entender la utilidad de los datos alternativos, lo que está cambiando para siempre el panorama de la inversión. Estamos ante la revolución del Big Data, lo que puede dar comienzo a una nueva era que facilite las decisiones de inversión y mejore la estabilidad de los mercados. Las empresas que lo aprovechen disfrutarán de una ventaja competitiva, pero deben distinguir lo que es de valor de lo que no.

Empezó alrededor de 2014, cuando un grupo de sofisticados hedge funds comenzó a operar en este nuevo mundo de inversión, buscando agresivamente ventajas de información. Desde entonces, muchas empresas han saltado al negocio de los datos alternativos de fuentes de información no tradicionales, intentando monetizar la extensa disponibilidad de los mismos. Se trata de datos empresariales, instalaciones físicas tecnológicas o herramientas automatizadas de extracción de datos de Internet, incluyendo precios de productos, tendencias de búsqueda, información de redes expertas y datos de tráfico. También puede ser información no financiera para evaluar los precios de los activos.

Hay que tener en cuenta que en los últimos diez años, gracias a los avances tecnológicos, ha aumentado la disponibilidad de tales datos. Actualmente ya es posible comprar unos 800 conjuntos de datos en más de 20 categorías. Los cinco más populares son los sociales y de sentimiento, de empresas privadas, tarjetas de crédito, cadenas de suministro y de Internet.

Además las empresas de inversión, para identificar y tomar las decisiones de inversión más rápido y mitigar los riesgos potenciales, quieren acceder a la cada vez más "baja latencia" en la entrega de datos no tradicionales. Ya es posible seguir cifras semanales o incluso diarias, en lugar de esperar a las actualizaciones mensuales o trimestrales de la compañía, una ventaja respecto a otros inversores. Por su parte los analistas fundamentales pueden llevar a cabo una "superposición cuantitativa" con los pagos con tarjetas de crédito, relacionados con las ventas, respecto a estimaciones de beneficios y pronosticar el potencial impacto en las acciones con bastante antelación.

Adicionalmente existe el temor de las empresas de inversión que compran datos a quedarse fuera de juego, pues todo tipo de inversores los usan y los que no logren unirse a la revolución pueden quedarse atrás. Ahora bien, los datos alternativos son caros y el fracaso se debe, a menudo, a haber gastado mucho dinero y tiempo en las firmas incorrectas. Hay que saber seleccionar los proveedores adecuados para obtener una ventaja y rentabilidad.

Además hay que tener en cuenta varios desafíos, incluyendo la conectividad, limpieza de los datos, calidad y facilidad para su uso, además de los flujos de trabajo, historiales limitados, la integridad y confianza de la información, así como las políticas de protección de datos. El Reglamento General de Protección de Datos de la UE, dada la naturaleza problemática de la gestión de información y la compleja y difícil gobernanza del Big Data, trata de fortalecer y estandarizar el anonimato de los datos personales, los cuales ahora deben ser gestionados apropiadamente, conforme a las leyes locales de privacidad y seguridad.

Así que recientemente algunas fuentes principales de referencia de datos han comenzado a ofrecer a sus clientes un punto único de acceso a los múltiples proveedores de datos alternativos líderes en el mercado con datos fiables, eliminando unos procesos costosos y prolongados. Ello permite a los inversores cuantitativos integrar los datos fácil y eficientemente en los sistemas o bases de datos existentes y solo tienen que seleccionar sus lenguajes de programación preferidos y acceder a las muestras antes de adquirir los datos, pudiendo ponerlos en uso inmediatamente.

Más aún, según estudios y encuestas recientes, más de 80 por ciento de los fondos de inversión ya usa o espera utilizar datos alternativos y creemos que 2019 marcará una fase más madura para los inversores cuantitativos, de entre cinco y siete años, durante la cual la mayoría los incorpore. La categoría más intensa en uso puede ser de transacciones del consumidor, que puede proporcionar mayor rentabilidad. Respecto a los inversores cuantitativos su primer desafío es evaluar la efectividad de una estrategia de inversión mediante los datos históricos. Pero hoy en día es muy difícil hacerlo con datos alternativos, pues no hay datos históricos buenos y suficientemente amplios. Así que hay una necesidad urgente de obtener las habilidades y capacidades analíticas avanzadas para poder procesar una vasta cantidad de datos, con lo que el número de empleados de datos alternativos a tiempo completo, principalmente científicos de datos y analistas, ya ha aumentado un 450 por ciento los últimos cinco años entre las empresas que los usan. Además, el aprendizaje automático va tener un papel central en la identificación de patrones y correlaciones, gestión del riesgo y transformación del conocimiento en operaciones que permitan a las empresas que compran la información obtener una ventaja competitiva.

De manera que los principales actores de la industria de gestión de activos, con la esperanza de que se les presente algo extraordinario, están formando equipos cuantitativos de físicos y científicos de datos. Pero no estamos de acuerdo con este enfoque: fracasarán si no emplean un enfoque más "conservador" que mantenga las decisiones y la gestión en manos de profesionales de finanzas experimentados. Al fin y al cabo discernir información valiosa de ruido requiere de una amplia experiencia financiera real -que no se encuentra en las matemáticas y estadísticas por sí mismas-. El objetivo no es reemplazar a profesionales de finanzas por matemáticos, sino poder evaluar las hipótesis formuladas por profesionales de la inversión en máquinas para generar una información superior, explicable y más procesable. Por tanto, para evitar perderse en las interpretaciones de la máquina, es fundamental la minería inteligente de datos. No se trata del hombre versus la máquina, sino del experimentado profesional de las finanzas trabajando con la máquina.