Comprender los datos de sus clientes: crear un contexto para triunfar en KYC

Buenos días, buenas tardes y buenas noches a todos. Bienvenidos. Bienvenidos al seminario en línea.

Vamos a dar unos minutos para que la gente se incorpore. Veo que algunas personas de la sala de espera ya se están uniendo, así que empezaremos en breve. Solo quería daros un breve «buenos días», «buenas tardes» o «buenas noches», desde dondequiera que os hayáis conectado.

Una vez más, buenos días, buenas tardes, buenas noches. Veo que se están uniendo algunas personas a esta sesión. Quería daros la bienvenida.

Vamos a empezar dentro de unos dos minutos. Veo que todavía hay un par de personas que se están conectando, así que queremos daros a todos la oportunidad de conectaros y entrar en el seminario en línea dar comienzo a la sesión. Por eso, os agradecemos vuestra paciencia.

Deberíamos empezar en poco menos de dos minutos, según mi reloj. Una vez más, bienvenidos. Y, de nuevo, buenos días, buenas tardes o buenas noches, dependiendo de desde dónde nos estéis viendo.

Veo que se han unido a la sesión algunas personas más. Quería daros la bienvenida. Vamos a esperar más o menos un minuto más.

Veo que están entrando un par de personas desde la sala de espera, y en breve empezaremos. Una vez más, gracias por vuestra paciencia. Deberíamos tener tiempo de sobra para repasar todo el contenido.

Una vez más, bienvenidos; empezaremos en unos instantes. De nuevo, buenos días, buenas tardes o buenas noches, dependiendo de desde dónde os hayáis conectado. Veo que se han unido a la sesión algunas personas más.

Nos queda probablemente menos de un minuto para empezar aquí. Como he mencionado antes, hay algunas personas que se van a unir un poco tarde, y quería asegurarme de que todos tuvieran la oportunidad de ver el seminario en línea el principio, tanto los que están en la llamada como los que se unan más tarde y vean la grabación. Obviamente, tenéis la grabación, así que podéis ver toda la información.

Vamos a esperar unos cinco segundos más. Veo que se une una persona más. Muy bien.

Genial. ¿Qué te parece, Betty? ¿Estás lista?

¿Estamos listos? Vamos allá. Muy bien.

Manos a la obra. Una vez más, bienvenidos a todos. Muchísimas gracias por participar en nuestro seminario en línea.

Es un placer ver a un buen grupo de personas aquí en el panel de participantes. Estamos encantados de contar con vosotros. Antes de dar comienzo a la sesión, o antes de ceder la palabra, quería, una vez más, dar la bienvenida a todos a la sesión, repasar algunos de los puntos del orden del día y, a continuación, pondremos esto en marcha.

Creo que tenemos prevista una hora, más o menos. Para los que están por teléfono, no debería durar tanto. Creo que tenemos material para unos 45 minutos.

Y luego, dependiendo de las preguntas, intentaremos que podáis iros de aquí pronto. Así que, de nuevo, gracias por participar. Voy a comentar un par de cuestiones prácticas, solo algunas cosas generales sobre Zoom y seminario en línea .

Haremos unas breves presentaciones y, a continuación, cederemos la palabra a nuestra ponente, Betty, que accederá a nuestra plataforma de inteligencia de datos para ofrecernos una breve visión general y una demostración. Tenemos algunas llamadas a la acción para los que figuran en la lista de asistentes y, después, responderemos a las preguntas que surjan. Muy bien.

Suena bien. Gracias, Betty. Antes de ceder la palabra a Betty, voy a comentar rápidamente un par de cuestiones prácticas para aquellos que sean nuevos en Zoom.

Sé que hay muchísimas plataformas diferentes por ahí. Solo quería deciros que os he silenciado a todos. Solo podéis oír mi maravillosa voz, y Betty estará aquí en un momento.

Así que, si tienes alguna pregunta, en la parte inferior de la ventana deberías ver un botón que dice «Un poco más». Es un círculo con tres puntos. Si haces clic en él, se abrirá una ventana de preguntas y respuestas.

Si tienes alguna pregunta durante el seminario en línea, por favor, escribe tu pregunta aquí; cuento con un equipo a tu disposición que podrá resolver tus dudas. Al final, también podremos responder a cualquier pregunta que haya quedado sin contestar. Podemos responderlas en directo.

Como probablemente ya sabréis, esta sesión se está grabando. Compartiremos la grabación con vosotros después de la sesión, para que podáis volver a verla. Como ya he dicho, durará unos 45 minutos, dependiendo de las preguntas y respuestas.

Deberíamos tener tiempo de sobra para que podáis iros todos de aquí temprano. Os facilitaremos todos los recursos: no solo esta grabación, sino también las diapositivas y el material adicional, que os enviaremos por correo electrónico tras esta sesión. Y, por si necesitáis cualquier tipo de asistencia técnica, también hay una función de chat en la parte inferior.

No dudes en enviar tu mensaje de chat, tu pregunta o tu comentario por allí para cualquier tema relacionado con la asistencia técnica, e intentaré responderte. También puedes ver mi dirección de correo electrónico. Si surge cualquier cosa, no dudes en escribirme un correo.

Pero, en cuanto a la sesión de preguntas y respuestas, por favor, aseguraos de formular vuestras preguntas en ese apartado y utilizad el chat para cualquier cuestión técnica. Bueno, estas han sido todas las cuestiones organizativas. Pasemos a la siguiente diapositiva.

Así que quería presentaros al equipo que tengo preparado para hoy. Nuestra magnífica ponente, Betty Wang, tomará la palabra en breve. Le cederemos la palabra.

Ella os guiará a lo largo del material. Además, en nuestra ventana de preguntas y respuestas, contamos con John Dorney, que es ingeniero de ventas sénior. También está Scarlet Webbe.

Es arquitecta principal de soluciones y está a vuestra disposición para responder a cualquier pregunta que podáis tener. Dicho esto, le cedo la palabra a Betty.

Betty, adelante. Increíble. Gracias, John.

Así que, antes de entrar de lleno en la demostración de hoy, me gustaría dedicar unos minutos a tomar un poco de distancia y situar realmente dónde encaja esta sesión dentro de la seminario en línea más amplia seminario en línea . Hemos diseñado este programa para que sea un recorrido progresivo, en el que cada sesión se basa en la anterior, y todo gira en torno a un caso de uso central relacionado con el «conozca a su cliente». Así pues, en la sesión anterior, exploramos el analista de IA, que describimos como nuestra «capa de activación».

Aquí es donde se extraen las conclusiones en lenguaje natural a través de una interfaz de usuario basada en agentes. Y ahora, hoy, estamos centrando realmente nuestra atención en la plataforma de inteligencia de datos, que es esa capa de contexto. Esta proporciona la base semántica y hace posible esa capa de activación.

Y luego, en nuestra próxima sesión, dirigida por Scarlet, vamos a analizar la capa de observabilidad de los datos, el aspecto de la confianza, asegurándonos realmente de que los datos que alimentan vuestros sistemas de IA sean fiables y estén supervisados de forma continua. La razón por la que estoy repasando esto, en cierto modo, es que estas tres sesiones reflejan realmente los pilares fundamentales de la plataforma Actian y una solución completa de extremo a extremo para crear datos preparados para la IA. Dicho esto, repasemos rápidamente lo que se trató en la anterior seminario en línea con los analistas de IA.

El caso práctico giraba en torno al equipo de cumplimiento normativo de un banco minorista que necesitaba investigar esta discrepancia entre clientes de bajo riesgo que, de forma inesperada, habían superado los umbrales de actividad sospechosa. Tradicionalmente, esto requiere mucho trabajo manual, pero en la demostración vimos cómo los analistas de IA podían identificar no solo las principales discrepancias en las transacciones de KYC, sino también señalar canales de riesgo específicos, ya fuera a través de transferencias bancarias o Zelle, y proporcionar ese tipo de explicaciones en lenguaje sencillo en cuestión de minutos. Y la conclusión clave de todo ello fue que el analista de IA realmente basa sus respuestas en el contexto empresarial regulado, las definiciones y los KPI, de modo que garantiza un razonamiento fiable y listo para la auditoría en esos análisis empresariales.

Dicho esto, ahora que ya has visto cómo puedes activar tus datos con analistas de IA, vamos a empezar a desentrañar el motor de contexto que hay detrás de tus datos preparados para la IA con la plataforma de inteligencia de datos. Y antes de entrar en la demostración, voy a ofrecerte una breve visión general de cómo funciona la plataforma. Aquí abajo, empezamos conectándonos automáticamente a todas tus fuentes de datos existentes y recopilando los metadatos.

Esto se integra directamente en lo que denominamos la capa central de gestión de metadatos, que abarca todos los aspectos, desde el catálogo hasta el glosario, el linaje, la gobernanza, los productos de datos y la observabilidad de los datos. Todo ello se basa en nuestro gráfico de conocimiento federado, que conecta sus activos físicos y semánticos en una única red inteligente, de modo que los usuarios y sus sistemas de IA dispongan siempre del contexto completo detrás de sus datos. Y desde el punto de vista del acceso, los usuarios interactúan con la plataforma a través de dos interfaces de usuario principales: el «Explorer», para aquellos usuarios empresariales que descubren y consumen datos, y la interfaz del «Studio», en la que los gestores de datos interactúan para llevar a cabo sus actividades de gobernanza y curación.

El resultado final de todo esto es una plataforma unificada que traslada los datos desde esa fuente sin procesar a un catálogo fiable y regulado.

Bueno, pues continuemos con el caso de uso de la última sesión, ¿no? La demostración de hoy mostrará cómo contextualizamos realmente esos datos en torno al proceso de incorporación de clientes (KYC), y el objetivo final es detectar posibles actividades de blanqueo de capitales. Así que pensad en el cumplimiento de las normas KYC como la necesidad que tiene un banco de verificar quién sois y cuáles son vuestros antecedentes antes de permitiros abrir una cuenta.

Y nos centraremos en los cinco pasos de este proceso que vemos aquí: registro de la cuenta, verificación de la identidad, verificación de la dirección y evaluación de riesgos, en la que se cotejan los datos del cliente con listas de vigilancia externas y listas de sanciones para, en última instancia, asignar un factor de riesgo. Y, por último, el paso final con la aprobación y la incorporación.

Así pues, partiendo de la agenda de la demostración que aparece aquí a la derecha, vamos a empezar por el catálogo para buscar este proceso de KYC y hacernos una idea de esa capa semántica. A continuación, exploraremos los conjuntos de datos asociados a cada paso del proceso, cómo se transforma en una arquitectura Medallion y cualquier problema de calidad de los datos que surja a lo largo del proceso.

Y, por último, vamos a hablar de una de las últimas novedades de nuestro producto: el agente de gestión de datos. Está diseñado precisamente para ayudar a automatizar el enriquecimiento de los metadatos. Dicho esto, pasemos a la demostración del producto.

Aquí me encuentro en la página de inicio de la interfaz de usuario de Explorer. Hay varias vías de navegación para encontrar los datos relevantes que necesites. Puedes buscar por palabras clave en la barra de búsqueda, explorar nuestro mercado de datos, buscar en catálogos específicos o, para facilitar el acceso, he creado un tema específico sobre el proceso de incorporación KYC.

Esto nos llevará a una página de resultados de búsqueda seleccionados que incluye todos los pasos del proceso relacionados con la incorporación mediante KYC. Al hacer clic en ese proceso concreto, vemos varios detalles aquí, ¿verdad? Lo primero y más importante es la descripción, que explica qué significa KYC.

Es el proceso obligatorio que utilizan las instituciones financieras para verificar la identidad de un cliente y evaluar su nivel de riesgo. También veo aquí a la izquierda algunas propiedades destacadas que indican la normativa que cumple, el estado de aprobación, la fecha de aprobación y el ámbito de negocio al que pertenece. Además, puedo ampliar la información que aparece aquí a la izquierda; así, desde el punto de vista de la gobernanza, es realmente importante saber quién es el responsable y a quién puedo dirigirme en caso de tener alguna duda.

Al desplazarme hacia abajo, veo una jerarquía de términos. Aquí puedo ver cada uno de los cinco pasos o subprocesos de ese proceso de incorporación KYC que aparece en el gráfico, en un formato de relación principal-subordinado. Y si quisiera profundizar en un subpaso concreto, como el registro de la cuenta, solo tengo que hacer clic en esa definición para comprender cuáles son los pasos del proceso asociados a ella.

Es decir, aquí es donde los clientes facilitan sus datos personales y aceptan las condiciones. Así pues, una vez más, la idea clave que se desprende de una vista como esta es que podemos obtener una visión clara de la titularidad y la gestión, así como una navegación realmente rápida por nuestros activos relacionados con el KYC. Ahora que ya tenemos una idea conceptual del proceso de KYC, exploremos las implementaciones reales accediendo a la pestaña «Implementaciones».

Así pues, lo que hace esta pestaña es actuar, en realidad, como puente entre el lenguaje empresarial y los activos de datos técnicos. Responde a preguntas como: «¿Dónde se utiliza realmente este término empresarial en nuestros datos?». Y esto es lo que hace que la capa de contexto sea útil, en lugar de ser simplemente un documento de referencia estático. Así pues, vemos aquí que hay tres conjuntos de datos vinculados al proceso de KYC, lo cual es realmente representativo de la arquitectura Medallion.

Tenemos el cliente sin procesar como capa de bronce, el cliente en fase de preparación como capa de plata y, a continuación, el cliente bancario como capa de oro. Dentro de cada uno de estos pasos de las relaciones que se muestran aquí abajo, también se puede ver cuál de los cinco subprocesos del proceso de cumplimiento de KYC se corresponde con cada conjunto de datos. Por ejemplo, en el «cliente sin procesar», si hacemos clic aquí, se puede observar en la definición que los tres primeros pasos —registro de la cuenta, verificación de identidad y verificación de dirección— están vinculados a este.

Así que, volviendo a esta página de detalles, aquí se muestra información clave, incluidas las propiedades de las características que aparecen aquí a la izquierda, y, por supuesto, a medida que hemos ido revisando esa descripción para comprender qué subpasos están asociados a este conjunto de datos. Así pues, en resumen, este conjunto de datos representa esa recopilación de datos en bruto, sin procesar, de las personas a medida que avanzan por las primeras fases del proceso de registro. Y esto servirá como base para las actividades posteriores de KYC.

Ahora bien, recordad que nuestro objetivo final es poder supervisar el riesgo del cliente a lo largo de todo el flujo de datos para detectar posibles transacciones fraudulentas. Para ello, echemos un vistazo al flujo de datos de principio a fin en la pestaña «Linaje» que vemos aquí. Al principio, al hacer clic aquí, solo veo las dos primeras capas de datos, pero si hago clic con el botón derecho en este botón «+» y selecciono «Expandir todos los niveles de linaje», puedo ver todo el proceso de principio a fin.

Así que, a medida que avanzamos en este proceso, ¿verdad?, en esta primera fase, mientras los clientes pasan por el registro de la cuenta, la verificación de identidad y la validación de la dirección, todos esos datos se incorporan a esta «capa de bronce» de datos brutos del cliente. En esta etapa, hemos incorporado ciertas reglas de validación, como comprobar que la dirección sea válida y asegurarnos de que la información de la tarjeta de crédito y del número de la Seguridad Social tengan el formato correcto. Y luego, a medida que pasamos a la capa de plata con el cliente en fase de transición, es aquí donde hemos cotejado la lista de vigilancia externa para identificar a las personas de alto riesgo.

Podría tratarse de personas que ocupan cargos políticos o de individuos que acaparan una gran atención mediática, y representamos ese factor de riesgo mediante un campo que hemos denominado «factor de riesgo» para asignar una determinada puntuación de riesgo a cada persona. De hecho, gracias a nuestra funcionalidad de observabilidad de datos, podemos clasificar los datos de aquellas personas que superan un determinado factor de riesgo aceptable y enviar únicamente los que son aceptables a la capa «oro». Y, por último, dentro de la capa «oro» de clientes bancarios en la tabla de transacciones, es aquí donde realmente combinamos la información del cliente con la información de la cuenta y de las transacciones para señalar posibles actividades fraudulentas.

Así pues, este es el linaje de extremo a extremo que te permite no solo rastrear de dónde procede un dato y hacia dónde fluye, sino también realizar un análisis de la causa raíz cuando se produce un problema, y conocer el impacto total del flujo de datos antes de realizar cualquier cambio en él. Ahora bien, dentro del gráfico de linaje, cada conjunto de datos también cuenta con un indicador de calidad de datos a nivel resumido, como se puede ver en la parte superior derecha. Esto es lo que proporciona una evaluación de cómo cumple cada conjunto de datos con las reglas de validación definidas.

Esto permite a los equipos identificar posibles problemas de calidad de los datos a lo largo de todo el proceso sin tener que salir en ningún momento de esta vista de linaje. Así que pasemos a la tabla de resumen de transacciones que he abierto en una nueva pestaña para ver realmente cómo podemos aprovechar las reglas de calidad de los datos para señalar posibles transacciones de blanqueo de capitales. De nuevo, en esta página de detalles, tal y como indica la descripción, se incluyen datos de transacciones detallados vinculados a la información de la cuenta y del cliente.

Ahora, concretamente, la lógica consiste en combinar ese factor de riesgo que hemos establecido en la capa «plata» asignada a cada persona con los importes de sus transacciones para detectar posibles casos de fraude. Podemos ver los resultados de esta comprobación de validación, junto con otras reglas de calidad de los datos, en esta pestaña de calidad de datos a la que he accedido. En esta vista, la sección superior resume los resultados por categoría, como la coherencia, la integridad y la puntualidad, mientras que la sección inferior muestra las comprobaciones de calidad de los datos en tiempo real que se han ejecutado sobre este conjunto de datos, junto con los resultados fallidos anteriores.

Como podemos ver aquí, la comprobación de blanqueo de capitales ha fallado, lo que significa que un número significativo de filas no cumplía la condición especificada, y esto justifica una investigación más exhaustiva. Así pues, si hacemos clic aquí en la regla de calidad de datos sobre blanqueo de capitales, esto nos llevará directamente a nuestra vista del investigador de observabilidad de datos. Esta vista es un espacio de trabajo interactivo en el que los usuarios pueden explorar, diagnosticar e incluso poner en marcha medidas correctivas para los problemas de calidad de los datos una vez detectadas las anomalías.

Esto también permite realizar un análisis de las causas raíz, lo que nos permite profundizar en las anomalías que no han superado esos controles de calidad de los datos e identificar exactamente qué campos, segmentos o registros están provocando el problema. Así pues, aquí he filtrado por incumplimiento de las expectativas y, como muestra este ejemplo en el primer registro, podemos ver que la persona presenta un factor de alto riesgo. Se trata de todo lo que aparece antes del guión, aunque el importe de su transacción, 1.282, sea inferior a 10.000.

Lo que hace esto es señalar a cualquier persona con un factor de riesgo alto —que hemos definido como superior a 12— o a cualquier persona con un factor de riesgo bajo (12 o menos), pero cuyo importe de la transacción sea superior a 10 000. Puedo hacer clic en el valor concreto e identificar el registro exacto que contiene ese valor, y así poder empezar a resolver el problema a partir de ahí. Vamos a profundizar mucho más en la plataforma completa de observabilidad de datos, como ya he mencionado, en la próxima sesión con Scarlet.

Así que, si te interesa comprender todos los entresijos de la observabilidad de los datos, no te pierdas la próxima sesión. Pero desde el punto de vista de la inteligencia de datos, ¿verdad?, ver esta puntuación de calidad de los datos directamente en esta vista de linaje es lo que convierte esta pestaña de linaje de una especie de mapa de datos estático en un mapa de riesgos dinámico, ¿no? Te permite evaluar al instante no solo de dónde proceden los datos gracias a este linaje de extremo a extremo, sino también comprender en qué medida puedes confiar en tus datos en cada paso del proceso y qué medidas de resolución de problemas debes aplicar si se produce un problema en cualquier etapa del flujo de datos.

Ahora que hemos visto cómo la plataforma de inteligencia de datos puede poner de manifiesto el contexto, el linaje y la calidad de los datos a lo largo de todo tu proceso de KYC, veamos qué es lo que garantiza que toda esa información sea precisa y esté controlada a gran escala gracias al agente de gestión de datos. Esta parte del producto se lanzó a principios de este mes, y como se puede ver aquí, el agente de gestión de datos está integrado directamente en la plataforma, y está diseñado para automatizar realmente algunas de esas tareas de gestión que requieren mucho tiempo, como la documentación de metadatos, el enriquecimiento y la gobernanza. Puede realizar tareas como actualizar la documentación de los activos, asignar la titularidad y recomendar clasificaciones.

Así pues, el objetivo aquí no es necesariamente sustituir a los gestores de datos humanos, sino, en realidad, reducir, una vez más, parte del trabajo manual de gestión para que tu equipo pueda centrarse en esas tareas de gobernanza de mayor nivel. Como puedes ver, ya he cambiado a la interfaz de Studio en la plataforma de inteligencia de datos, que, como ya he dicho, es la interfaz de usuario para los gestores de datos. Aquí he filtrado el catálogo de servicios bancarios y financieros, que es donde se encuentran los conjuntos de datos que utilizamos para el caso de uso de KYC.

Tengo el panel de agentes abierto aquí a la derecha. Y, a medida que nos adentramos en esto, ¿verdad?, una de las tareas más importantes para los gestores de datos es, en realidad, asegurarse de que los elementos del catálogo estén totalmente completados para su uso por parte del usuario final. Así que puedo ver aquí que el cliente de prueba que forma parte de la capa «silver» solo está al 25 %.

Así que podemos empezar por ahí. Voy a preguntarle al responsable de datos: «¿Por qué el conjunto de datos de clientes en la fase de preparación solo está completado al 25 %?». Ahora bien, mientras procesa la pregunta y elabora la respuesta, te va explicando paso a paso la lógica. En primer lugar, explica cómo se define el grado de finalización, basándose en la configuración real del metamodelo.

Así que veo aquí que hay cuatro criterios que deben cumplirse para que un conjunto de datos se considere completo. Debe tener una descripción, debe tener contactos, debe tener una clasificación de seguridad y debe tener una definición. Cada uno de estos criterios tiene exactamente el mismo peso, un 25 %, por lo que el cliente en fase de preparación solo alcanza el 25 %.

Así que ahora, el agente no solo ofrece una respuesta, sino que también sugiere de forma inteligente el siguiente paso que podemos dar para subsanar las deficiencias. Aquí tengo varias opciones: puedo escribir una descripción, establecer una clasificación de seguridad o asignar contactos uno por uno, o bien puedo subsanar todas esas deficiencias a la vez. Vamos a hacer clic en «Subsanar todas esas deficiencias».

Como ves, en realidad ha pasado a lo que llamamos «modo de planificación», ya que estamos actualizando varios componentes a la vez. Lo que hace esto es permitirte revisar un conjunto de cambios propuestos antes de que se produzca realmente ninguna escritura. Esto resulta muy útil para operaciones grandes o complejas.

Voy a hacer clic en el conjunto de datos para que podamos ver los cambios en tiempo real. Y ahora podéis ver la lógica que está siguiendo. No está alucinando, no se está inventando respuestas al azar para llegar al 100 %.

En realidad, se trata de analizar conjuntos de datos de otros usuarios para poder reflejar el contexto descriptivo, y de examinar los contactos para determinar la titularidad de forma similar.

Como puedes ver aquí, en un conjunto de datos de referencia figuraba JD como arquitecto de datos. Y eso es lo que sugiere como persona de contacto. Así que voy a pulsar «Ejecutar plan».

Y, a medida que se vayan realizando los cambios propuestos, podremos ver que, una vez que se hayan aplicado, el nivel de finalización aumentará en consecuencia con los cambios realizados. Así que, en breve, deberíamos poder ver una descripción generada. Voy a pulsar «Aprobar».

Podemos ver la descripción que ha generado el agente de gestión de datos. Analiza dónde encaja en el flujo de trabajo general, el esquema, determinados campos que contiene y, además, tiene en cuenta la certificación que indica que su clasificación es «restringida». Y, en la sección de personas, hemos añadido a JD como arquitecto de datos, y se puede ver que el nivel de finalización ha alcanzado el 100 %.

Bueno, este ha sido un ejemplo muy sencillo, pero incluso con él podemos ver cómo el agente de gestión de datos contribuye realmente a automatizar la gobernanza de los metadatos. Y reduce de verdad ese trabajo manual de gestión para garantizar que los datos sean siempre fiables y estén preparados para la IA. Así que hemos tratado muchos temas en muy poco tiempo.

Bueno, pues vamos a concluir y resumir lo que hemos visto en la sesión de hoy. Hemos analizado en profundidad cómo establecemos el marco de gobernanza. Con todos los datos que alimentaban a ese analista de IA, hemos podido trazar el proceso de cumplimiento de KYC y los conjuntos de datos en los que se basaba, sentando así, una vez más, las bases para disponer de datos fiables y regulados.

Hemos podido realizar un seguimiento de los datos de principio a fin, siguiendo todo el linaje desde la incorporación inicial de los datos de los clientes hasta los resultados de las transacciones, y analizando los problemas de linaje y calidad de los datos en cada paso. Y, por último, acabamos de ver cómo automatizamos los metadatos a gran escala con el agente de gestión de datos, eliminando parte de ese trabajo manual de enriquecimiento y manteniendo vuestro catálogo preciso y preparado para la IA. Así que le voy a ceder la palabra a JJ, y vamos a concluir con algunos asuntos de orden interno antes de pasar a la ronda de preguntas y respuestas.

Muy bien. Un trabajo estupendo, Betty. Ese agente de gestión de datos supone, en mi opinión, un auténtico punto de inflexión en el sector.

Ha sido un ejemplo estupendo el que nos has mostrado. He tenido la suerte de poder hablar con varios clientes y clientes potenciales durante la última semana, y creo que está teniendo muy buena acogida, así que, enhorabuena. Ha sido una reunión tranquila.

De momento no hay muchas preguntas en la ventana de preguntas y respuestas. Pero quería abordar un par de llamadas a la acción y algunos asuntos de organización para terminar. Creo que ha sido una sesión estupenda, con mucho contenido interesante que ha tratado Betty.

Pero si alguien tiene alguna pregunta más, contamos con un equipo aquí que puede, una vez más, responder a cualquiera de vuestras preguntas o explicaros la tecnología con más detalle. Yo misma, Betty, John y Scarlet. Aquí tenéis nuestra información de contacto.

Una vez más, si tenéis alguna pregunta tras el evento, no dudéis en poneros en contacto con nosotros. Si queréis profundizar más —sé que hemos tratado los temas a un nivel muy general—, estamos aquí para ayudaros. Así que queremos asegurarnos de que tenéis nuestros datos de contacto.

Voy a dejar esta diapositiva en pantalla solo un segundo más, por si alguien necesita anotar o copiar nuestra información de contacto. Siguiente diapositiva, Betty. Y, como ya ha mencionado Betty antes, se trata de una serie.

Hemos diseñado los seminarios web para que formen una serie. El próximo tendrá lugar en julio. Si aún no te has inscrito, no dudes en visitar nuestra página web.

Aquí tenemos el enlace para inscribirse. Y podréis escuchar a Scarlet presentar «La siguiente solución», que sería nuestra solución de observabilidad de datos, donde concluirá esta serie y relacionará todo este proceso de «conoce a tu cliente», para rematar con nuestra solución de observabilidad de datos. Vale.

Y ahora las preguntas. A ver, Betty. ¿Por qué no las repasamos? Creo que nos ha llegado una pregunta a la ventana de chat.

Pero las preguntas en torno al gráfico de conocimiento»: ¿cómo funciona gráfico de conocimiento el gráfico de conocimiento » y en qué se diferencia de cualquier otro catálogo de datos tradicional que pueda existir? Sí, es una buena pregunta, y creo que esto es precisamente lo que contribuye a situar a Actian en lo que denominamos un catálogo de datos de «próxima generación». Así pues, el gráfico de conocimiento federado gráfico de conocimiento varias funciones, ¿verdad?

Pero lo más importante, como creo que mencioné durante la presentación, es que realmente crea esas relaciones inteligentes entre tus activos de datos. Así que capta automáticamente ese contexto, enriquece los metadatos y, en definitiva, ofrece resultados de búsqueda y recomendaciones realmente relevantes. Por lo tanto, mientras que un catálogo de datos tradicional es, en esencia, una especie de inventario que te indica qué tipo de datos existen.

El gráfico de conocimiento un paso más allá al permitir comprender cómo se relacionan las cosas, de modo que, al analizar el contexto de tus datos, todo queda conectado en una sola red. Muy bien, Betty. Y, de nuevo, para los que estáis en la línea, si tenéis alguna pregunta, no dudéis en escribirla en la ventana del chat y se la plantearé a Betty en directo.

Sé que os hemos silenciado a todos para no interrumpir. Betty, ¿cuánto tiempo se tarda realmente en poner en marcha el agente de gestión de datos? La pregunta es: ¿hay que entrenarlo?

¿Es necesario entrenarlo con los datos de nuestro entorno? ¿En qué consiste ese proceso? No sé si podrías explicárnoslo un poco.

Sí. Parece que llevaría mucho tiempo, pero en realidad no es así, ¿verdad? El agente está diseñado para integrarse directamente en los flujos de trabajo del catálogo y se basa en tu instancia de la plataforma de inteligencia de datos.

Entonces, volviendo a la primera pregunta, ¿no? Se basa en ese gráfico de conocimiento federado ya existente, esa capa semántica, lo que significa que extrae el contexto de lo que ya hay en tu catálogo. Así que, en realidad, no necesita un proceso de entrenamiento aparte, ¿verdad?

Ya depende de cómo hayas configurado tu metamodelo y del contexto a partir de ahí. Sí. Como he mencionado antes, claro, soy un poco parcial, ¿no?

Pero tengo la sensación de que esto va a suponer un punto de inflexión para el sector. Sé que nuestra primera versión del agente de gestión de datos tiene muchas funcionalidades, y sé que apenas has mencionado algunas de ellas, pero seguiremos mejorándola. De verdad creo que es una herramienta muy potente.

Y, tal y como has señalado, no se tarda mucho en ponerlo en marcha y en obtener ese valor inmediato. Tengo un par de preguntas más. Otra de ellas tiene que ver con el agente de gestión de datos y la gestión de permisos.

Creo que el control de acceso siempre es importante, y la seguridad también lo es. Así que supongo que la pregunta es: ¿existe un control de acceso basado en roles para el agente de gestión de datos? Y, por lo tanto, ¿hay algún control que determine qué usuarios pueden acceder a determinadas funciones?

Sí, bueno, en esta demostración no he entrado necesariamente en la pestaña de administración por cuestiones de tiempo. Pero, para el superusuario que tiene acceso a esa vista de administración, el acceso al agente de gestión de datos es una opción que se activa o desactiva y que se controla desde esa vista. Así pues, el funcionamiento es el siguiente: se asigna a un usuario a un grupo específico, y ese grupo tiene permisos que determinan a qué funciones y catálogos tiene acceso dicho grupo.

En la demostración, cuando llegamos a la parte del agente de gestión de datos, dejé entrever que se centraba en el catálogo de servicios bancarios y financieros. Así pues, un agente de gestión de datos específico solo se ejecuta cuando el usuario tiene seleccionado un catálogo concreto en esa vista del estudio. Por lo tanto, si cambias entre diferentes catálogos dentro de la instancia, habrá un agente de gestión de datos específico para cada uno de ellos.

Genial. Veo que ha llegado una pregunta. Por cierto, Betty, la demostración ha estado estupenda.

Parece que John acaba de responder a la pregunta, pero quizá puedas profundizar un poco más en directo. La pregunta gira en torno al linaje de los datos: ¿cómo se genera ese linaje? ¿Lo genera automáticamente la plataforma o los usuarios tienen que unir o asignar manualmente la información del linaje tras la catalogación de los datos?

Sí, buena pregunta. Todo lo que has visto en la vista de linaje se crea automáticamente a través de nuestros conectores de datos. Estaré encantado de enviarte la documentación con el enlace a nuestra página de conectores para que puedas ver todas las fuentes que admitimos.

Pero el funcionamiento es el siguiente: primero se extraen los metadatos de las fuentes de datos y, a continuación, también disponemos de conectores para tus herramientas ETL que permiten mostrar qué tipo de transformaciones se han producido entre los distintos pasos de tu canalización de datos. Y todo eso se hace de forma automática, y esa vista de linaje se rellena en función de esos datos. Buen trabajo.

Eso coincidía también con lo que JD había escrito. Así que vamos por buen camino, equipo. En realidad, esta pregunta constaba de dos partes.

Así que la segunda parte era: ¿ofrece la plataforma un agente de calidad de datos similar al agente Steward para realizar perfiles y limpiezas? Creo que Scarlet profundizará un poco más en este tema, en el apartado de observabilidad, en la próxima sesión. Contamos con muchas capacidades de IA... Sí...

en torno a la observabilidad de los datos. Así que estamos desarrollando funciones de agente en ese ámbito para poder gestionar todo, desde el punto de vista funcional, en lo que respecta a la observabilidad y la calidad de los datos. Entonces... Sí...

Quizá algo más parecido a... un adelanto... Sí.

Sí. A escondidas. Para la próxima sesión.

¡Ahí lo tienes! Muy bien, has dejado el terreno preparado. Asegúrate de que la gente venga y asista a la sesión de Scarlet aquí dentro de un par de semanas.

Y, de nuevo, si aún no lo has hecho, no dudes en inscribirte en la última sesión de la serie. De nada. Hay un «Gracias, equipo» por responder a las preguntas en directo.

¿Alguna pregunta más antes de dar por terminada la reunión? Creo que vamos adelantados, Betty. Creo que dijimos que duraríamos unos 45 minutos en total, y creo que vamos a tardar unos 40 minutos.

¿Pero quieres dar la oportunidad a alguien más de la línea a que haga una pregunta? Una vez más, has hecho un gran trabajo al destacar el proceso de «conozca a su cliente» y al profundizar en la figura del agente responsable de los datos. Como último recordatorio, recibirás un correo electrónico de seguimiento con enlaces a información y recursos, así como el enlace a esta grabación.

Así que eso se publicará más tarde hoy. Esperad unos 30 segundos más, un minuto. Parece que esta vez hemos tenido un grupo bastante tranquilo, pero buen trabajo.

Una vez más, gracias a todos por participar y asistir a esta sesión. No dudéis en inscribiros y apuntaros a nuestro próximo seminario en línea. Como ya he dicho, será el 16 de julio, y nos centraremos en nuestra solución Actian Data Observability para cerrar esta serie de tres partes y ponerle un bonito broche final.

Una vez más, gracias a todos por vuestra participación, y esperamos veros en la próxima sesión. De nuevo, ¡enhorabuena, Betty! Gracias a todos.

Que paséis un buen resto del día o de la tarde... Gracias a todos.