Lista de becas de la 6ª edición

Datos del Proyecto

Proyecto

AgroBank

Ubicación

Madrid

Tutor

Carlos Seara (Director Red AgroBank)

Descripción del proyecto

Ámbito

Nacional.

Antecedentes

AgroBank es la línea de negocio de CaixaBank especializada el sector agrario y líder en este ámbito. Este sector evoluciona constantemente gracias a las innovaciones y CaixaBank quiere evolucionar con él y apoyar a sus más de 500.000 clientes del sector en sus proyectos.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

Integración dentro del equipo de servicios centrales de AgroBank de cara a la mejora de la propuesta de valor para todos los eslabones de la cadena agroalimentaria, incluyendo proyectos con partners que forman parte de las alianzas estratégicas de CaixaBank de cara a trasladar la innovación y digitalización al sector con una clara visión hacia la sostenibilidad, el medioambiente y la producción sostenible y eficiente. El proyecto AgroBank reúne tanto la visión más clásica del negocio bancario como nuevos proyectos ligados al mundo AgroTech.

Estado del proyecto en la incorporación

En proceso de creación continua.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Definición de nuevos productos o servicios para los clientes AgroBank.
  • Desarrollo de nuevas acciones de impulso al sector. 
  • Colaboración en la mejora de la visión cliente. 
  • Trabajo de colaboración con otros segmentos y áreas del banco.
  • Nuevos proyectos de digitalización e innovación del sector y mundo AgroTech.
Conocimientos y capacidades que se adquirirán
  • Trabajo por proyectos.
  • Trabajo en equipo.
  • Habilidades de comunicación. 
  • Negociación.
  • Visión cliente.
  • Capacidad de análisis.
  • Espíritu crítico.
  • Análisis de tendencias sectoriales.

Datos del Proyecto

Proyecto

AI4CYBER Trustworthy Artificial Intelligence for Cybersecurity. Reinforcement and System Resilience

Ubicación

Pendiente de confirmar

Tutor

Maria Gregori (Innovación)

Descripción del proyecto

Ámbito

Nacional.

Antecedentes

Participará en proyectos de innovación en el ámbito de la cyberseguridad financiados por la UE, desarrollando herramientas y servicios, aplicando técnicas de innovación y soluciones emergentes a la ciberseguridad para control de fraude y privacidad de datos en el grupo CaixaBank. 

La beca se centrará en el programa AI4CYBER. Dicho programa pretende proporcionar un marco de ecosistema de servicios de ciberseguridad confiables de próxima generación que aproveche las tecnologías de IA y big data para ayudar a los desarrolladores y operadores de sistemas en la administración de manera efectiva la seguridad, la resiliencia y la respuesta dinámica contra ataques cibernéticos avanzados y basados en IA. El proyecto ofrecerá una nueva generación de servicios de evaluación de la seguridad y robustez del software impulsados por IA que facilitará significativamente el trabajo de los expertos en pruebas, a través de una identificación de fallas más inteligente y una automatización de corrección de código. 

Además, el proyecto proporcionará servicios de ciberseguridad para la comprensión, detección y análisis de ataques impulsados por IA para preparar los sistemas críticos para que sean resistentes a ellos. También ofrecerá herramientas de soporte para la respuesta ante incidentes, liberando a los operadores de seguridad de tareas complejas y tediosas, ofreciéndoles mecanismos para optimizar la orquestación de la combinación más adecuada de protecciones de seguridad y aprender continuamente del estado del sistema y la eficiencia de las defensas.

Además de este consorcio, CaixaBank ha participado en otros proyectos europeos en el marco del programa horizonte 2020, que contó con casi 80.000 millones de euros de financiación de la unión europea durante siete años (2014-2020). El actual marco de financiación para la investigación y la innovación de la comisión europea, horizonte Europa, cuenta con 95.510 millones de euros para el período 2021-2027 y su objetivo es garantizar que Europa produzca ciencia de primer nivel y elimine las barreras para la innovación. CaixaBank ha conseguido formar parte de diez consorcios ganadores en los últimos años, con una financiación recibida en innovación tecnológica y de ciberseguridad superior a los 2,5 millones de euros. La participación de CaixaBank en estos proyectos posiciona a la entidad como un agente implicado en I+D para el sector financiero, con un foco especial en la seguridad de la información. Además, formar parte de estos consorcios internacionales facilita a la entidad una mayor coordinación en la mejora continua del entorno de ciberseguridad de la entidad y del sector financiero en general.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

Los proyectos se llevarán a cabo aplicando prácticas agiles dentro del backlog del equipo de innovación de CaixaBankTech, involucrando a los diferentes stakeholders de la organización, que trabajarán de forma coordinada para alcanzar los objetivos del proyecto. En cada fase del proyecto se definirán sprints de trabajo, con tareas y objetivos concretos para asegurar la eficiencia en la gestión. El objetivo final de H2020 es implementar soluciones innovadoras contra el ciber crimen, dado el interés estratégico de la unión europea de desarrollar y mantener las capacidades de seguridad en el territorio. Al participar en proyectos de ámbito europeo H2020, se seguirá la metodología propia de los órganos de gobierno del programa para el reporte de avances y consecución de objetivos, en ocasiones con reuniones presenciales en el territorio europeo.

Como CaixaBank participamos en el programa como partner industrial, definiendo los casos de uso reales y sus requerimientos, y verificamos que los desarrollos y resultados de los diferentes pilotos son útiles y cumplen las expectativas en escenarios reales.

Estado del proyecto en la incorporación

El programa se inició durante 2022 y ya existe un consorcio creado en el que han iniciado la colaboración diferentes empresas de sectores diversos, así como universidades y equipos de investigación.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Coordinar internamente para definir los casos de uso. 
  • Trasladar las necesidades de CaixaBank a los diferentes proveedores técnicos e interlocutores europeos, documentando en inglés. 
  • Asistir a las reuniones de coordinación y reuniones técnicas. las reuniones del consorcio serán en inglés.
Conocimientos y capacidades que se adquirirán
  • Adquirirá conocimientos de seguridad y conceptos de confidencialidad, integridad y disponibilidad, así como habilidades analíticas y de identificación y resolución de problemas de seguridad. 
  • Experiencia en participación en consorcios europeos multidisciplinares en ámbitos de innovación tecnológica.

Datos del Proyecto

Proyecto

Análisis de operativa bancaria mediante el uso de técnicas avanzadas de inteligencia artificial

Ubicación

Barcelona

Tutor

Ricardo Fernandez Domenech (Data Specialist)

Descripción del proyecto

Ámbito

Comportamiento bancario, detección y prevención.

Antecedentes

Uno de los retos de Auditoría es detectar comportamientos anómalos en las operativas bancarias relacionados con mala praxis en comercialización, ejecución de fraude interno o bien incumplimiento regulatorio de protección al cliente, entre otros. El presente proyecto tiene como fin identificar y analizar los patrones de comportamiento que surgen de dicha operativa con la finalidad de realizar modelos predictivos y descriptivos utilizando técnicas avanzadas de Inteligencia Artificial que nos permitan identificar anomalías. Los resultados del proyecto se usarán como información complementaria para los equipos de auditoría.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

Desde el departamento de Transformación Digital de Auditoría y durante 6 meses, la ganadora desarrollará dicho proyecto con el soporte de su tutor, la responsable del proyecto y con la colaboración de los diferentes equipos involucrados. Además, podrá participar activamente en la definición, desarrollo e implementación tanto de los modelos como de las herramientas de explotación de los resultados.

Estado del proyecto en la incorporación

En la actualidad este proyecto está en las primeras fases de desarrollo, el marco de datos está parcialmente definido y se han realizado algunas aproximaciones a modelos de interpretación de comportamiento.

Beneficios de la beca

Trabajos y tareas que se realizarán

Junto a su tutor y la responsable del proyecto la ganadora podrá participar y liderar el desarrollo de dicho proyecto, desde su etapa de definición hasta su puesta en producción.

Conocimientos y capacidades que se adquirirán

Aprenderá a trabajar como fullstack en entornos dinámicos, a desarrollar modelos en entornos reales, desde consultar el State of the Art hasta la implementación de modelos; a definir una arquitectura para proyectos de IA, buenas praxis en programación, principios y metodologías de desarrollo, a manejar repositorios de código, gestores de documentación, etc. Pudiendo focalizar su aprendizaje en la parte que más le interese y que así obtenga el mayor beneficio posible. Todo este desarrollo se llevará a cabo en el entorno Cloud de Google, le permitirá adquirir skills altamente demandadas en el mercado laboral actual.

Datos del Proyecto

Proyecto

Analítica Avanzada en Modelos Regulados de Riesgo de Crédito

Ubicación

Barcelona/Madrid

Tutor

Antoni Sureda Gomila (Director de Modelos Regulados de Riesgo de Crédito)

Descripción del proyecto

Sub-proyectos

El proyecto se divide en tres sub-proyectos: 

  • Sub-proyecto 1: diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación. Tutor: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD).
  • Sub-proyecto 2: aplicar modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad. Tutor: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD).
  • Sub-proyecto 3: desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boostingTutores: Inmaculada Ciria Monaj (Directora de Parámetros Riesgo de Crédito & CLD) y Cristina García Rodríguez (Directora de gestión y seguimiento de Modelos Regulados de Riesgo de Crédito).

Ámbito

Los modelos IRB (internal ratings-based) son modelos de riesgo de crédito que se utilizan para medir los requerimientos de capital de las entidades de crédito. Estos modelos se basan en la evaluación interna del riesgo crediticio y permiten a las entidades calcular sus propios requisitos de capital para cubrir el riesgo crediticio.

Antecedentes

CaixaBank es pionera en el uso de modelos de machine learning en los modelos de rating y scoring en los enfoques IRB. El objetivo del proyecto de CaixaBank es seguir profundizando en el uso de estas técnicas aplicándolas en otros ámbitos y mejorando el seguimiento de los modelos existentes.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

La persona seleccionada trabajará juntamente con el resto del equipo de modelos regulados en tres proyectos. 

  • El primer sub-proyecto consiste en diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación. 
  • El segundo sub-proyecto implica la aplicación de modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad. 
  • El tercer sub-proyecto se enfoca en el desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boosting.
Estado del proyecto en la incorporación

El equipo de modelos de CaixaBank tiene una dilatada experiencia en estos ámbitos y dispone de herramientas basadas en técnicas estadísticas clásicas. el reto de la becaria será mejorar las herramientas existentes con metodologías avanzadas.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • El primer sub-proyecto consiste en diseñar y entrenar un modelo de aprendizaje automático que identifique incumplimientos técnicos, así como los elementos que soportan esta identificación. El aprendizaje automático es una rama de la inteligencia artificial que se enfoca en el desarrollo de algoritmos y modelos que permiten a las computadoras aprender a partir de datos y mejorar su rendimiento en una tarea específica sin ser programadas explícitamente para ello. 
  • El segundo sub-proyecto implica la aplicación de modelos avanzados en la identificación de ejes de segmentación de los modelos internal rating-based de probabilidad de incumplimiento y severidad. Los modelos internal rating-based son modelos estadísticos que se utilizan para estimar la probabilidad de incumplimiento y la severidad de las pérdidas asociadas con los préstamos y otros instrumentos financieros. 
  • El tercer sub-proyecto se enfoca en el desarrollo de metodologías de seguimiento de modelos de rating y scoring construidos con metodologías de gradient boosting. Gradient boosting es una técnica de aprendizaje automático que se utiliza para construir modelos predictivos a partir de un conjunto de datos. En lugar de construir un solo modelo, gradient boosting construye una serie de modelos débiles y los combina para obtener un modelo más fuerte.
Conocimientos y capacidades que se adquirirán

Trabajar en CaixaBank en los tres proyectos descritos anteriormente proporcionará una valiosa experiencia en el campo de los modelos de riesgo de crédito. La becaria tendrá la oportunidad de trabajar con un equipo experimentado y aprenderá a utilizar herramientas basadas en técnicas estadísticas clásicas y metodologías avanzadas como el aprendizaje automático. Además, la becaria tendrá la oportunidad de trabajar en proyectos desafiantes y relevantes que tienen un impacto directo en el negocio de CaixaBank.

Datos del Proyecto

Proyecto

Aplicación de la IA en el uso del portfolio de CPC

Ubicación

Barcelona/Madrid

Tutor

Adela Arroyuelos Varga (Directora Riesgos CPC)

Descripción del proyecto

Sub-proyectos

El proyecto se divide en tres sub-proyectos: 

  • Análisis agregado sobre tendencias de consumo y forma de uso. Tutor: Alec Serra (Responsable portfolio). 
  • Diseño e implementación de un software para el cálculo de la perdida esperada. Tutor: Alec Serra (Responsable portfolio). 
  • Modelizar un sistema de labelling de clientes. Tutor: Adrián Quijada (Director Service Line)

El proyecto radica en la explotación de la base de datos comportamental de tarjetas para conseguir los siguientes objetivos: 

  • Fase 1: generar indicadores agregados por perfil de cliente sobre las tendencias del consumo y su forma de uso. Esta información se utilizará para optimizar la toma de decisiones en CPC. 
  • Fase 2: diseñar e implementar un software automatizado de generación de perdida esperada con el objetivo de detectar patrones que alerten sobre la calidad crediticia de los productos.
  • Fase 3: a partir de todo el trabajo realizado previamente, modelizar un sistema de labelling de clientes que nos permita traccionar la solvencia y financiabilidad de los mismos a partir de acciones comerciales.

Ámbito

Consumo.

Antecedentes

Know-how y todo el conocimiento adquirido por el equipo de Riesgos CPC en la explotación de la base de datos comportamental.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

El proyecto se desarrollará bajo una metodología agile. El equipo de trabajo lo formará el responsable del portfolio en Riesgos CPC, el equipo Analytics y el equipo de Modelos de Gestión CPC. 

La duración prevista es de 1 año, estimándose 3-4 meses por cada una de las fases. Para las fases 2 y 3 posiblemente se contará con el apoyo de un proveedor para soporte en la implantación.

Estado del proyecto en la incorporación

Fase de diagnóstico.

Beneficios de la beca

Trabajos y tareas que se realizarán

La becaria tendrá la posibilidad de colaborar con el equipo de Riesgos CPC en un proyecto muy transversal dentro del área. Trabajará con los departamentos de modelos de gestión del riesgo, seguimiento del portfolio de tarjetas y planificación de la morosidad. Además, tendrá la oportunidad de adentrarse en el mundo del comportamiento de los clientes basado en el uso de la tarjeta y aplicar técnicas muy innovadoras de inteligencia artificial para poder cumplir sus objetivos.

  • Análisis de datos y programación (SQL, R, Python, QlikView,…).
  • Gestión y colaboración con el resto de equipo y/o proveedores.
  • Presentación del trabajo realizado a dirección.
  • Participar en las competencias de Riesgos CPC aportando valor con el desarrollo de este proyecto (admisión, modelos de decisión para la gestión del riesgo, planificación de la morosidad y transformación/innovación).
Conocimientos y capacidades que se adquirirán
  • Conocimiento funcional sobre los datos.
  • Conocimiento funcional sobre el negocio y conceptos de riesgos.
  • Conocimiento en machine learning.
  • Conocimiento técnico sobre programación.
  • Capacidad de trabajo en equipo.
  • Capacidad de síntesis.
  • Capacidad de gestión y colaboración con proveedores.

Datos del Proyecto

Proyecto

Cuadro de mando de sostenibilidad

Ubicación

Barcelona/Madrid

Tutor

Olga Krasnoproshina (Gerente)

Descripción del proyecto

Ámbito

Sostenibilidad.

Antecedentes

Ante las exigencias regulatorias y la puesta en marcha del plan director de sostenibilidad 2022-2024 del banco, se generaron unas necesidades de gestión en el ámbito ESG (environmental, social and governance) que requieren una ingente cantidad de datos que presentan dificultades singulares, en gran medida porque hasta el momento no se identificaba la necesidad de su recogida en los sistemas (por ejemplo, tener marcas para operaciones consideradas como ambientales o sociales, certificaciones energéticas, emisiones de co2,…). Una parte de esta información se encuentra dispersa (bases departamentales o información desestructurada en informes) y su tratamiento conlleva una elevada manualidad. 

Siendo una necesidad estratégica para la entidad, así como de máxima exigencia regulatoria y de reporting, se inició un proyecto de modelo de datos de sostenibilidad con los siguientes objetivos: 

  • Contar con un repositorio de datos centralizado y corporativo en materia de sostenibilidad que aglutine todos los datos en este ámbito para dar respuesta a las necesidades regulatorias y de CI actuales. 
  • Capturar la nueva información de las operaciones sostenibles que no se está capturando, en todos los ámbitos de negocio (corporativa, grandes empresas, PYMES y retail). 
  • Crear un cuadro de mando de sostenibilidad que incorpore toda esta información y de fácil manejo para los equipos de negocio del banco.
Metodología, equipo de trabajo, calendario y fines y metas del proyecto

Fase 1 del proyecto

En 2022 se creó un cuadro de mando de sostenibilidad en QlikSense que incorpora varias pantallas para la adecuada visualización de las distintas partes del negocio y de riesgos de sostenibilidad, tales como, entre otras: 

  • Pantallas con la información del balance de gestión de las operaciones sostenibles, con diferentes opciones de filtrado según sector, tipo de operación, centro origen, etc. 
  • Creación de una ficha de cliente con la información referente a sostenibilidad de este cliente, tanto cuantitativa como cualitativa como poder visualizar el rating ESG que tiene ese cliente por parte de proveedores de información ESG.
  • Seguimiento de la descarbonización del banco, con pantallas donde se puede visualizar la evolución de las emisiones de CO2 de la cartera financiada del banco versus la senda de descarbonización fijada por la entidad, así como el seguimiento de las carteras intensivas en carbono. 

Toda esta información se ha recogido de diferentes bases de datos del banco o se ha creado por primera vez su recolección. La metodología utilizada en este proyecto es tipo agile, se trata de un cuadro de mando incremental a través de sprints continuos de duración aprox. de 1 mes. El alcance de cada sprint se determina justo antes del comienzo del mismo y al final de cada sprint hay un entregable. Áreas implicadas:

  • Reporting estratégico de sostenibilidad.
  • Estrategia informacional y reporting regulatorio.
  • Sistemas de información, infraestructura y servicios
  • CaixaBankTech.
  • MS como consultor externo.

Calendario 2023:

Estado del proyecto en la incorporación

En 2023, se sigue trabajando en mejorar la información aglutinada y en la creación de nuevas pantallas útiles para el negocio y la gestión de los riesgos (como el seguimiento de la política de riesgos ASG, enriquecer las pantallas creadas en 2022 con más detalle de información, etc.).

Beneficios de la beca

Trabajos y tareas que se realizarán

Dentro del proceso de aglutinar y crear nuevas pantallas del cuadro de mando, es necesario documentar toda la parte técnica del proyecto, depurando los datos que sean necesarios, así como creando un diccionario de términos sobre los datos aportados y visualizados en el cuadro de mando (origen, creación - si el dato resultante proviene de varios datos -, significado,…).

Conocimientos y capacidades que se adquirirán
  • Conocimiento de los principales conceptos financieros que se manejan en un banco (balance, cuenta de resultados, seguimiento de financiación, etc.).
  • Conocimiento sobre datos de negocio sostenible (ambiental y social) necesarios para el seguimiento y la gestión de este ámbito en un banco, así como de los datos relativos a la gestión del riesgo de sostenibilidad y climático (descarbonización de las carteras, principios de ecuador, políticas de riesgos ASG,…). 
  • Conocimiento de los sistemas y bases de datos que aglutinan este tipo de información.

Datos del Proyecto

Proyecto

Google Cloud

Ubicación

Pendiente de definir

Tutor

Margarita Pazos Arenal (Product Owner de Framework Data)

Descripción del proyecto

Ámbito

El departamento de arquitectura es el encargado de la definición y construcción de las arquitecturas de referencia para el desarrollo de aplicaciones (frameworks de desarrollo). La responsabilidad del departamento es ofrecer a las aplicaciones todos los mecanismos necesarios para poder construir aplicaciones de calidad, escalables, fiables e integradas con todo el IT de CXB. En el ámbito informacional tiene especial interés como vamos a integrar las nuevas aplicaciones “Google” con las aplicaciones del core bancario ya que implica la extensión de la analítica avanzada y/o IA a toda la entidad.

Antecedentes

Oportunidad de participar en el proyecto tecnológico que nace del acuerdo firmado con Google para la implantación de Google Cloud Platform como entorno informacional del Grupo CaixaBank. Con un rol de arquitecta de soluciones se integrará en un equipo multidisciplinar, con participación de expertos de Google, de CaixaBankTech y de CaixaBank, para colaborar en la definición/construcción de la arquitectura que permitirá interconectar el mundo informacional de Google Cloud con los sistemas transaccionales de CaixaBank utilizando mecanismos de suscripción, eventos y de publicación de datos en API para su consumo en On-Line, Near Real Time o Batch.

Como todo framework de desarrollo se divide en varias iniciativas: 

  • ALM.
  • Catálogo.
  • Gobierno.
  • Operación todas ellas se realizarán bajo la tutela de marga.

Actualmente tenemos una solución para desarrollar aplicaciones del ámbito informacional que no nos permite procesar la ingente cantidad de información que tenemos y nos imposibilita la adopción de la IA de forma industrializada.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

A nivel metodológico se integrará en un equipo agile que conjuntamente con otros profesionales tanto internos como externos trabajaran en equipo para alcanzar los objetivos marcados. El proyecto tiene como objetivo principal entregar un framework de desarrollo de aplicaciones. Como tal tiene las siguientes funcionalidades: 

  • Diseño y construcción del catálogo de aplicaciones.
  • Diseño y construcción de los mecanismos de aprovisionamiento de componentes o bigquery, cloud data storage, vertex workspace, composer, vertex pipelines,… 
  • Diseño y construcción del pipeline de desarrollo de aplicaciones o incluyendo validaciones de calidad de código, pruebas de regresión, pruebas de cobertura,… 
  • Definición y puesta en marcha del modelo operativo para este tipo de aplicaciones.
Estado del proyecto en la incorporación

El proyecto actualmente está en fase de diseño del MVP, en el momento de la incorporación ya se habría finalizado el MVP puesto que está previsto para septiembre.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Oportunidad de trabajar en la construcción de un framework de desarrollo que utilizaran cientos de desarrolladores en un futuro. 
  • Formar parte del proyecto que pretende impulsar en una entidad financiera como CXB la inteligencia artificial. Este es un reto y una oportunidad que no se puede desaprovechar.
Conocimientos y capacidades que se adquirirán
  • Conocimientos técnicos y certificación como Google Cloud Architect, una de las certificaciones más valiosas actualmente.
  • Experiencia en la implantación de Google Cloud Platform. 
  • Experiencia en la creación de software para desarrolladores IT4IT.
  • Conocimientos en IA  y advanced analytics.

Datos del Proyecto

Proyecto

Implementación del Customer Data Platform (CDP) corporativo plataforma de gestión comercial omnicanal de CaixaBank

Ubicación

Pendiente de definir

Tutor

Sandra Salve Ruiz

Descripción del proyecto

Sub-proyectos

El proyecto se divide en sub-proyectos:

  • Migración del actual DMP (Data Management Platform) de CaixaBank al nuevo CDP Adobe (Customer Data Platform), el CDP más potente y con mayor reconocimiento internacional actualmente del mercado. 
  • Migración de la actual plataforma de gestión de campañas (AAC - Adobe Campaing) a AJO (Adobe Journey Optimizer). 
  • Activación de 6 nuevos casos de uso prioritarios para CaixaBank y migración de actuales.

Ámbito

Evolución y adaptación de la plataforma comercial de CaixaBank a las últimas tendencias y soluciones de mercado. Se pretende así conseguir la excelencia en la comunicación comercial para los 20 millones de clientes de la entidad. El objetivo es escalar esta implementación al resto de empresas del grupo: Wivai, CPC, VidaCaixa, MicroBank, etc.

Esta evolución de plataforma se llevará a cabo atendiendo a los siguientes criterios: 

  • Nueva realidad del ecosistema digital, basado ahora en los siguientes pilares: 
    • Un modelo sin cookies, ineficiente y cada vez con más riesgo de bloqueo. 
    • Aumento de la privacidad de datos, con restricciones regulatorias que dificultan el enriquecimiento de la información. 
    • Valor del dato, como elemento clave para aportar valor al cliente y que éste consienta el acceso a su información. 
    • Independencia de los marketers para gestionar audiencias y campañas desde una plataforma centralizada y poder medir sus resultados.
  • Tendencias que marcan la evolución Martech: 
    • Visión 360 del cliente.
    • Uso de inteligencia artificial y machine learning.
    • Personalización de la relación con el cliente.
    • Capacidad de reaccionar en tiempo real.
    • Especial atención a la gestión de consentimientos del cliente y su privacidad.
  • Cambios en la industria y nuevos hábitos de los clientes: 
    • Datos de los clientes segmentados en sistemas y equipos dispares.
    • Nuevos hábitos de consumo en la interacción con las marcas.
    • Múltiples canales y dispositivos en los que interactuar con el cliente generan experiencias dispares y desconectadas.

Antecedentes

El equipo de Martech ya ha abordado con éxito los siguientes proyectos:

  • Implantación del CDP de imagin (filial del banco). Este proyecto fue la primera implementación de un CDP en el sector bancario en IBERIA.
  • Implantación de la plataforma AAC (Adobe Campaign) en CaixaBank para la gestión de campañas comerciales. 

El camino recorrido queda más detallado en la siguiente ilustración: 

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

El proyecto se llevará a cabo aplicando metodología agile e involucrando a multitud de equipos de Negocio y Tecnología del banco, que trabajarán de forma coordinada para alcanzar los objetivos del proyecto. 
En cada fase del proyecto se definirán sprints de trabajo, con tareas y objetivos concretos para asegurar la eficiencia en la gestión. 

Objetivos:

  • El objetivo principal que se plantea es la migración de las actuales plataformas Audience Manager (DMP) y Adobe Campaign de CaixaBank a las nuevas plataformas de mercado RTCDP y AJO, preparadas para dar respuesta a la nueva realidad de la industria y de los consumidores, así como a las necesidades del negocio. 
  • Adicionalmente se pretenden mitigar los siguientes riesgos: 

  • Una vez realizada la migración de la plataforma técnica se llevará a cabo la activación de 6 casos de uso prioritarios para negocio que se habrán ido definiendo en detalle desde las primeras fases del proyecto. 
  • Finalmente se acometerá la migración de las campañas ya existentes a la nueva plataforma. 
  • Para no poner en riesgo la continuidad de las acciones comerciales del banco se prevé un periodo de convivencia entre la plataforma actual y la nueva. 
     
Calendario y hoja de ruta

La implementación del CDP y AJO se realizará de forma paralela como un proyecto conjunto para asegurar que la convivencia entre ambas soluciones sea escalable y funcional a largo plazo. El proyecto se estructurará en las siguientes líneas de trabajo: 

Estado del proyecto en la incorporación

Se prevé que el proyecto se encuentre en su fase de diseño en el momento de la incorporación.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Definición del modelo de datos para cargar en el CDP.
  • Set-up tecnológico de la plataforma.
  • Seguimiento de corresponsabilidades con los diferentes canales con los que se integrará el CDP.
  • Configuración de los diferentes canales de activación en el CDP.
  • Análisis para incorporar capacidades de inteligencia artificial (Sensei) en la nueva plataforma para eficientar las acciones comerciales llevadas a cabo sobre los clientes CaixaBank.
Conocimientos y capacidades que se adquirirán
  • Modelo de gobierno de un proyecto estratégico.
  • Colaboración con diferentes áreas y unidades de tecnología/ARQUITECTURA/negocio del banco.
  • Experiencia en la solución best in class Adobe Experience Platform y resto de ecosistema Martech de la entidad: Adobe, Google, Salesforce, Tealium, The Trade Desk, etc. 
  • Modelo operativo de una plataforma de gestión de campañas comerciales.
  • Implementación tecnológica del CDP corporativo. 
  • Integración con canales inbound: web, app y cajeros.
  • Integración con canales outbound: push, SMS, telemarketing, oficina, etc.

Datos del Proyecto

Proyecto

Inteligencia artificial para la gestión de riesgos: construcción de un modelo de scoring admisión utilizando metodologías de machine learning y asegurando que cumple el marco de equidad

Ubicación

Barcelona/Madrid

Tutor

Gemma Colldeforns / Raúl Marroquín (Gestores de Risk Analytics)

Descripción del proyecto

Ámbito

El proyecto forma parte del ámbito de modelos de gestión de riesgo de crédito de CaixaBank. El objetivo es construir un modelo de scoring de admisión (herramienta para el soporte a la toma de decisiones de concesión) con metodologías de machine learning, y asegurar que el modelo resultante cumpla los criterios de equidad exigidos.

Antecedentes

El desarrollo de la inteligencia artificial ha supuesto una importante mejora en las herramientas para la gestión del riesgo de crédito en CaixaBank. Por ejemplo, en la utilización de técnicas de machine learning para la construcción de herramientas de soporte a la toma de decisiones de riesgo. Estos modelos siguen unos estrictos marcos de desarrollo, gobernanza, explicabilidad y equidad.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

El objetivo del proyecto es participar en el desarrollo de un modelo real de admisión de operaciones. La persona seleccionad se incorporará al equipo de desarrollo de modelos con participación en todas las fases del proyecto y en el resto de las dinámicas del equipo.

Estado del proyecto en la incorporación

El proyecto se iniciará en el momento de la incorporación. De esta forma se podrá participar del proyecto de forma íntegra, desde las primeras decisiones hasta la finalización.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Construcción de la muestra de modelización.
  • Entrenamiento de potenciales modelos candidatos. 
  • Selección y validación del modelo. 
  • Comprobación de las métricas de fairness del modelo obtenido.
Conocimientos y capacidades que se adquirirán
  • Conocimiento de herramientas de ETL.
  • Gestión y análisis de grandes volúmenes de datos. 
  • Entrenamiento de modelos de machine learning en caso de uso real, análisis del rendimiento y razonabilidad del modelo.
  • Conocimiento de métricas de fairness de modelos de machine learning.

Datos del Proyecto

Proyecto

Procesamiento del lenguaje natural en la prevención de riesgos de Compliance

Ubicación

Barcelona/Madrid

Tutor

Pablo Montero Souto (Gerente Compliance Analytics)

Descripción del proyecto

Ámbito

Riesgos de cumplimiento normativo asociados a la Conducta de Empleados de Entidades Financieras.

Antecedentes

En el ámbito de Cumplimiento del Grupo CaixaBank, el equipo especializado en el análisis de datos, Compliance Analytics, es el encargado de facilitar la toma de decisiones para el control de riesgos normativos. 

En los últimos años se han desarrollado tanto las capacidades analíticas como los casos de uso aplicados a esta función, principalmente, mediante el uso de información estructurada en las bases de datos de la compañía. 

Con el aumento de las exigencias regulatorias impuestas por los distintos supervisores, ha ido emergiendo la necesidad de recurrir a nuevas fuentes de datos, nuevas aproximaciones analíticas y nuevos modelos de trabajo que ayuden a mejorar la evaluación de los riesgos de conducta, legales y regulatorios. 

Este proceso de maduración analítica se ha comenzado a concretar en pruebas de concepto de cómo aprovechar las capacidades que nos proporcionan las nuevas infraestructuras analíticas para acceder a información no estructurada, como llamadas y conversaciones de voz, asegurando privacidad. El conocimiento adquirido de dichas fuentes de datos augura que la aplicación de modelos de lenguaje natural constituye una metodología de análisis para profundizar en su aprovechamiento.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

El objetivo del proyecto es plantear elementos fundacionales del diseño de modelos de lenguaje natural que permitan interpretar información de interés para prevenir los riesgos de cumplimiento y reforzar la protección del cliente en sus relaciones financieras.

El trabajo se realizará apoyándose en tecnologías de tratamiento masivo de registros conversacionales de la entidad, y se orientará a la generación de desarrollos que sean susceptibles de ser escaladas en entornos productivos, para lo cual se requiere conocimientos básicos de programación (idealmente, R, Python, o similares).

Se contará para ello con acceso a datos de millares de registros, tanto escritos como transcritos (de voz a texto), en un entorno analítico que podrá ser escalable a una infraestructura en la nube.

El equipo de trabajo estará formado por:

  • Especialistas de cumplimiento normativo, interesados extraer valor de los registros conversacionales para reforzar el entorno y la cultura de control de la Entidad.
  • Analistas de datos, con conocimiento de las fuentes de información, entornos analíticos y modelos de IA.
  • Desarrolladores de los equipos de tecnología, especializados en diseñar las mejores prácticas de desarrollo de soluciones.
  • Y el soporte de gestores de proyectos y las áreas de privacidad.
Calendario y hoja de ruta

El calendario tentativo es el que se muestra a continuación: 

FASE MES 1 MES 2 MES 3 MES 4 MES 5 MES 6
Conocimiento del caso de uso, fuentes de datos y tecnologías aplicables.            
Conocimiento especializado del foco de análisis.            
Trabajo de análisis, modelización y generación de resultados preliminares.            
Testeo de solución y previsión de su refinamiento y escalado.            
Refinamiento de la solución, ajuste y parametrización del modelo.            
Comunicación de resultados.            

 

Estado del proyecto en la incorporación

Los siguientes ámbitos ya han sido abordados: 

  • Completada la preselección de fuentes de información e identificación de orígenes de datos con los que se trabajará. 
  • Seleccionado el entorno analítico y la infraestructura de escalado necesaria para poner en práctica el caso de uso. 
  • Contactos avanzados con los equipos de especialistas que ayudarán a diseñar la solución y evaluar los resultados preliminares para ajustar los parámetros del algoritmo modelado. 
  • Completada la fase de diligencia debida para cumplir con las políticas y normas de privacidad de la información necesaria para acometer el proyecto.

Beneficios de la beca

Trabajos y tareas que se realizarán

Lo detallado en el calendario, que se puede sintetizar en:

  • Integración en equipos de trabajo especializados en la detección de riesgos de conducta. 
  • Acceso a entornos analíticos, tratamiento de datos e interpretación de la información. 
  • Tratamiento de información generada por traductores. 
  • Propuesta de próximos pasos en función de los resultados obtenidos. 
  • Interrelación con los equipos de tecnología para escalar las soluciones.
Conocimientos y capacidades que se adquirirán
  • Conocimiento de políticas y normas que sustentan la transparencia en la comercialización de productos y servicios bancarios. 
  • Conocimiento de enfoques analíticos aplicados a la prevención de riesgos de Compliance. 
  • Capacidades de tratamiento de información y análisis de datos en entornos de desarrollo analítico. 
  • Capacidades de diseño, entrenamiento y ajuste de modelos de lenguaje natural (PLN). 
  • Habilidades de trabajo en equipo, comunicación de ciencia de datos y relación profesional.

Datos del Proyecto

Proyecto

Respuesta formativa a Development By Skills

Ubicación

Barcelona

Tutor

Jose Ignacio Mora Marquez / Ramon Garcia Espeleta (Gerentes)

Descripción del proyecto

Ámbito

Recursos Humanos - Formación.

Antecedentes

En el año 2022 CaixaBank arrancó el proyecto “Development By Skills” a través del cual se persigue el desarrollo de los profesionales de la entidad a partir de unas skills asociadas a cada uno de los job profile definidos. Durante el año 2022 y hasta mediados de 2023 la entidad definió los job profiles y skills asociadas, así como realizó el ejercicio de people planning para los más de 35.000 profesionales de la entidad. Esto dio lugar a más de 260 job profiles identificados y cerca de 850 skills.

A partir del año 2023 la entidad empieza a trabajar con los itinerarios de upskilling y reskilling de los profesionales con necesidades identificadas a partir de un proceso de assessment sobre su job profile que se lanza a mediados del 2023. Es en esta parte de upskilling y reskilling donde se incorporaría la persona.

Metodología, equipo de trabajo, calendario y fines y metas del proyecto

El equipo de formación está actualmente formado por 9 personas de las cuales 1 realiza la labor de coordinación de este proyecto. Además 2 personas trabajan parcialmente en la labor del encaje tecnológico para la respuesta formativa al proyecto DBS y las otras parcialmente en labores asociadas a la respuesta para cada uno de los sub-colectivos. 

Objetivos del proyecto

  • Dar respuesta formativa a los gaps identificados en los procesos de assessment para realizar el upkskilling necesario. 
  • Diseñar itinerarios formativos para los 25 principales job profiles de la entidad que representan en volumen cerca del 80% de los profesionales de la entidad.
  • Conectar las plataforma de RRGG (SAP-SSFF) con las plataformas elearning (virtaula-cornestone). 
  • Mapear las skills con contenidos para dar respuesta precisa al gap de skill post.
Estado del proyecto en la incorporación

En desarrollo.

Beneficios de la beca

Trabajos y tareas que se realizarán
  • Crear un cuadro de seguimiento y reporting de las actividades formativas DBS mediante Qlik o mediante herramientas de reporting de las plataformas elearing.
  • Analizar e implementar nuevas metodologías y formatos para actividades formativas en DBS (metaverso, realidad virtual, realidad aumentada,…).
  • Encajar el modelo DBS (skills definidas) con el algoritmo de recomendaciones y skills definidas en plataforma cornestone y virtaula. 
  • Participar en el equipo de trabajo que coordinará la integración tecnológica de las plataformas elearning (virtaula y cornestone) con la plataforma de RRRHH (SAP-SSFF).
Conocimientos y capacidades que se adquirirán
  • Conocimiento del entorno y funcionamiento de proyectos en grandes empresas.
  • Gestión de proyectos con foco en resultados.
  • Trabajo en equipo dentro de equipo transversal y consolidado. 
  • Conocimiento de las necesidades formativas y skills de los distintos job profiles del banco.
  • Conocimiento sobre plataformas elearning y nuevas metodologías de aprendizaje.
  • Conocimiento en herramientas de reporting.