Industria: Finanzas
Productos de JetBrains utilizados: Datalore
Tamaño de la organización: 250
País: Estados Unidos
Como muchas organizaciones financieras, Venerable se enfrentaba a obstáculos debido a su dependencia de Excel. Los cambios en una sola hoja de cálculo a menudo provocaban una reacción en cadena de ajustes en una innumerable cantidad de otras, lo que provocaba errores y mucho trabajo manual. Esta configuración daba lugar a un proceso lento y propenso a errores que se amplificaba cuando estas hojas de cálculo se utilizaban como entrada para los procesos de otros equipos.
«Uno de los principales problemas a los que se enfrentaba nuestra eficacia era esta red interrelacionada de hojas de cálculo. Ahora, imagine que una de estas hojas de cálculo tiene un error y no se ha dado cuenta. Entonces, tres hojas de cálculo después, ahora tiene que volver atrás, corregir esa hoja y todas las demás hojas que dependían de ella y, con suerte, no la envió de forma interna o, peor aún, externa.»
— Alexandria Morales-García, analista de riesgos de inversión de Venerable
Además, el panorama interno de Venerable también estaba experimentando cambios. Las personalidades empresariales clásicas dieron paso a los «desarrolladores ciudadanos», a medida que los expertos en finanzas asumían cada vez más funciones de científicos de datos y analistas cuantitativos. Estos desarrolladores ciudadanos incluían a científicos de datos, analistas cuantitativos y partes interesadas que querían algo más que meras actualizaciones manuales de hojas de cálculo. Sus aspiraciones incluían la automatización de procesos, la reducción de errores, la optimización de los flujos de trabajo y la actualización de los métodos de análisis de datos, el mantenimiento de la autonomía de los datos, la garantía de su exactitud y la facilitación de la colaboración.
«Nuestros socios están cambiando. Ya no se trata del clásico empresario que se sienta en un escritorio y trabaja. Se están convirtiendo en lo que llamamos "desarrolladores ciudadanos". Necesitan autonomía, colaboración y trabajar de forma muy segura. Sabíamos que necesitábamos una solución que les permitiera hacerlo y las hojas de cálculo no eran una buena herramienta para ello.»
— Steven Skarupa, arquitecto empresarial de Venerable
Al analizar sus requisitos organizativos y las necesidades de los usuarios, Venerable descubrió que necesitaban cambiar su actual modelo independiente de Excel por una herramienta más completa, escalable y en tiempo real. Una solución que no requiriera proyectos formales de TI, sino que ofreciera una forma semiautomatizada de liberarse de las garras de las hojas de cálculo y, al mismo tiempo, satisficiera las crecientes necesidades de las partes interesadas.
Reconociendo la tecnología de Jupyter Notebooks como un componente fundamental que faltaba en su flujo de trabajo de datos, Venerable recurrió a Datalore: una plataforma de ciencia de datos colaborativa que se basa en la tecnología de Jupyter.
Datalore equipó a los «desarrolladores ciudadanos» de Venerable con funcionalidades clave, lo que permitió una transición fluida desde Excel. Estas funciones incluyen las siguientes:
«Con Datalore, puedo utilizar la pestaña Statistics para asegurarme de que todos los datos se cargan correctamente y detectar cualquier error antes de profundizar en mis procesos de codificación.»
— Alexandria Morales-García, analista de riesgos de inversión de Venerable
Con la adopción de Datalore en su flujo de trabajo, Venerable pudo automatizar tareas rutinarias, lo cual permitió a los analistas ganar un valioso tiempo y centrarse en tareas más pertinentes. Datalore ofreció una transición fluida de Excel a una estrategia de análisis de datos más avanzada utilizando Python y SQL. Y, lo que es más importante, también fomentó la colaboración dentro del equipo, mejorando la productividad y la coordinación.
Un área de mejora significativa fue la revisión del flujo de caja de la empresa. Anteriormente, el proceso tardaba ocho horas en generar cientos de gráficas. Con Datalore, la tarea se redujo a apenas unos minutos de cálculo de un informe de Datalore con solo las métricas relevantes e información valiosa.
8 horas
Para completar un proceso manual basado en Excel de una revisión del flujo de caja
2 minutos
Para ejecutar un notebook de Datalore y actualizar un informe interactivo
«Pude reducir nuestro tiempo de ejecución de 8 horas a tan solo un par de minutos. Esta eficiencia se pudo lograr en muchas de nuestras operaciones, lo cual mejoró la calidad de nuestros datos y ahorró enormes cantidades de tiempo.»
— Alexandria Morales-García, analista de riesgos de inversión de Venerable
Al modernizar su proceso de análisis con Datalore, Venerable ha establecido una mayor eficiencia operativa, ha fomentado la sinergia del equipo y, lo que es más importante, ha mejorado la calidad de los datos, reforzando así su compromiso de liderar e innovar en su campo.
¿Quiere obtener más información y escuchar esta historia de la mano del equipo de Venerable? Vea este seminario web pregrabado.
Moreno Raimondo Vendra, ingeniero sénior de Machine Learning, TrueLayer
Datalore permitió a nuestro equipo acceder de forma ergonómica a nuestros datos cumpliendo al mismo tiempo los requisitos de seguridad, lo que supuso un cambio radical para nosotros. Como resultado, pudimos colaborar mucho más fácilmente tanto dentro de nuestro equipo de Machine Learning como con las partes interesadas.
Surya Rastogi, científico de datos senior, Chainalysis
Uno de nuestros mayores retos es que el espacio blockchain se está expandiendo rápidamente y siempre hay nuevos datos que adquirir y analizar. Como empresa tenemos muchas funciones de adquisición y procesamiento de datos, y esperamos que sigan creciendo.
Nauman Hafiz, director tecnológico de Constellation
Para ampliar las operaciones de ciencia de datos y proporcionar información valiosa tanto a los clientes como a las partes interesadas internas, Constellation necesitaba una forma de optimizar la colaboración y mejorar la agilidad. Problemas como la generación lenta de informes en las herramientas tradicionales de inteligencia empresarial (Power BI y Looker, concretamente) y los flujos de trabajo inconexos limitaban su capacidad para producir información oportuna y personalizada.