{"id":35733,"date":"2024-05-07T18:11:46","date_gmt":"2024-05-07T18:11:46","guid":{"rendered":"https:\/\/www.bloomberg.com\/latam\/blog\/python-o-excel-cual-mejor-herramienta-para-analisis-datos-administradoras-fondos\/"},"modified":"2024-05-22T19:07:14","modified_gmt":"2024-05-22T19:07:14","slug":"python-o-excel-cual-mejor-herramienta-para-analisis-datos-administradoras-fondos","status":"publish","type":"post","link":"https:\/\/www.bloomberg.com\/latam\/blog\/python-o-excel-cual-mejor-herramienta-para-analisis-datos-administradoras-fondos\/","title":{"rendered":"Python o Excel: \u00bfcu\u00e1l es la mejor herramienta para el an\u00e1lisis de datos de las administradoras de fondos?"},"content":{"rendered":"
\n \n\t\n\t\n\t
\n\t\t\n\t\t\t
\n\t

[vc_column_text]Un estudio realizado por Bloomberg muestra que la tendencia para los pr\u00f3ximos cinco a\u00f1os es que el proceso de toma de decisiones en las administradoras de fondos se automatizar\u00e1 cada vez m\u00e1s bas\u00e1ndose en la aplicaci\u00f3n de la ciencia de datos.\u00a0<\/span><\/p>\n

En la carrera para ganar competitividad ante el desafiante contexto econ\u00f3mico y pol\u00edtico, las administradoras de fondos exponenciales se han destacado por obtener conocimientos mediante la aplicaci\u00f3n de t\u00e9cnicas de an\u00e1lisis y modelado de datos, la inteligencia artificial y el machine learning capaces de optimizar los flujos de inversi\u00f3n.\u00a0<\/span><\/p>\n

Se posicionan a la vanguardia aquellas que invierten en el desarrollo de modelos anal\u00edticos cada vez m\u00e1s sofisticados para la toma de decisiones, reduciendo riesgos operativos y automatizando procesos con el apoyo de nuevas herramientas, conocimientos de programaci\u00f3n y plataformas tecnol\u00f3gicas. Para lograr este objetivo, es necesario aplicar grandes vol\u00famenes de datos de m\u00faltiples instrumentos financieros, hist\u00f3ricos, intrad\u00eda o en tiempo real, y tambi\u00e9n incluir datos alternativos en la integraci\u00f3n de estos an\u00e1lisis financieros.<\/span><\/p>\n

Ante este escenario, Python se destaca como el lenguaje de programaci\u00f3n m\u00e1s popular del mundo. Su fama se debe sobre todo a su capacidad para trabajar con grandes vol\u00famenes de datos y la inteligencia artificial.<\/span><\/p>\n

Pero, al fin y al cabo, \u00bfcu\u00e1l es la mejor herramienta para el an\u00e1lisis de datos en las administradoras de fondos, Python, el \u201cfavorito\u201d del momento, o el confiable Excel? Entre las ventajas que aporta cada uno, es seguro que las administradoras de fondos tendr\u00e1n que avanzar en la curva de aprendizaje del an\u00e1lisis de datos e invertir en nuevas capacidades para abordar la complejidad de los datos a escala y la competitividad del mercado.<\/span>[\/vc_column_text][vc_column_text][\/vc_column_text][vc_column_text]<\/p>\n

\u00bfPor qu\u00e9 Python ha ido ganando terreno en este contexto?<\/strong><\/h2>\n

Considerado un lenguaje din\u00e1mico, de alto nivel, vers\u00e1til, \u00e1gil y modular, Python es uno de los lenguajes de programaci\u00f3n de mayor crecimiento entre los desarrolladores, ya que admite tanto la programaci\u00f3n orientada a objetos como a la programaci\u00f3n estructurada.\u00a0 Entre sus ventajas destacan su facilidad de aprendizaje y visualizaci\u00f3n, lectura y codificaci\u00f3n del lenguaje, que permite aplicar la l\u00f3gica de programaci\u00f3n directamente al c\u00f3digo, lo que resulta atractivo tanto para programadores principiantes como para los m\u00e1s experimentados.<\/span><\/p>\n

Adem\u00e1s, el lenguaje abarca una amplia biblioteca de c\u00f3digos (como \u201cPandas\u201d, para an\u00e1lisis de datos, y \u201cNumPY\u201d, para c\u00e1lculos num\u00e9ricos) que apoyan el desarrollo de algoritmos de aprendizaje autom\u00e1tico, la creaci\u00f3n de modelos de inteligencia artificial y el an\u00e1lisis de grandes vol\u00famenes de datos. Por lo tanto, se necesitan menos l\u00edneas de c\u00f3digo y menos tiempo de desarrollo, lo que facilita la creaci\u00f3n de aplicaciones y soluciones.<\/span><\/p>\n

Python es extremadamente popular en la ciencia de datos, ya que se puede utilizar en diferentes etapas de un proyecto de ciencia de datos, como procesamiento y normalizaci\u00f3n de datos, exploraci\u00f3n, visualizaci\u00f3n, an\u00e1lisis y aprendizaje autom\u00e1tico. Su flexibilidad simplifica la conexi\u00f3n con otros sistemas, lo que posibilita procesos como web scraping, extracci\u00f3n de datos de diferentes fuentes como las API, web y otros archivos.\u00a0 Las funciones nativas permiten el procesamiento de datos textuales y num\u00e9ricos, lo que reduce el n\u00famero de l\u00edneas en un c\u00f3digo.<\/span><\/p>\n

De este modo, el lenguaje puede aprovechar la sinergia entre el \u00e1rea del front office y el departamento de TI. Bloomberg, por ejemplo, ofrece una sofisticada plataforma de desarrollo Python dentro de la Terminal para que las administradoras de fondos sean capaces de crear programas, aplicaciones y rutinas directamente conectadas con los datos de Bloomberg para alimentar los modelos existentes, materializando sus ideas de an\u00e1lisis de forma sist\u00e9mica, aut\u00f3noma y segura.<\/span><\/p>\n

Los analistas que quieran dominar Python y destacarse en el mercado deben tener en cuenta que aprender un lenguaje de programaci\u00f3n significa avanzar gradualmente en la curva de aprendizaje. Entre las recomendaciones que ayudan en este proceso, se encuentran la pr\u00e1ctica regular y la evoluci\u00f3n constante. Es posible comenzar con la capacitaci\u00f3n, ampliar conocimientos a trav\u00e9s de la conexi\u00f3n con la comunidad de usuarios y proveedores del mercado financiero expertos en el tema y, poco a poco, aumentar la complejidad en la creaci\u00f3n de modelos.\u00a0<\/span><\/p>\n

El apoyo y el compromiso del liderazgo de la administradora de fondos tambi\u00e9n son esenciales para fomentar el desarrollo de nuevas habilidades t\u00e9cnicas. Fomentar un cambio de cultura orientado a datos es un camino para obtener resultados exponenciales en las administradoras de fondos.<\/span>[\/vc_column_text][vc_column_text][\/vc_column_text][vc_column_text]<\/p>\n

Excel: recurso todav\u00eda ampliamente utilizado en las administradoras de fondos<\/b><\/h2>\n

Debido a la facilidad de uso y a la accesibilidad, Excel sigue siendo la principal herramienta de gesti\u00f3n utilizada en todo el mundo. El programa destaca por su capacidad de c\u00e1lculo y la automatizaci\u00f3n que permiten sus hojas de c\u00e1lculo.<\/span><\/p>\n

Muchas administradoras de fondos todav\u00eda dependen de Excel para analizar y construir visualizaciones de datos y alimentar sus sistemas internos. Cabe destacar que el potencial de esta herramienta en la administraci\u00f3n de datos y en la creaci\u00f3n de modelos es limitado, por lo que no siempre es posible construir paneles de control (dashboards) con un fuerte atractivo visual.<\/span><\/p>\n

Adem\u00e1s de las limitaciones visuales, la herramienta tiene restricciones a la hora de importar y actualizar grandes vol\u00famenes de datos y de automatizar operaciones. Excel permite trabajar con 1,05 millones de filas, lo que puede parecer considerable, pero hay procesos de an\u00e1lisis complejos que requieren m\u00e1s de 20.000 filas diarias, lo que hace inviable alimentar una hoja de c\u00e1lculo durante m\u00e1s de dos meses.<\/span><\/p>\n

Excel tambi\u00e9n demuestra ser menos eficiente a medida que aumenta la complejidad del an\u00e1lisis de datos y requiere datos de diferentes fuentes, a los que se accede a trav\u00e9s de API o servidores. Como resultado, la actualizaci\u00f3n de los modelos anal\u00edticos tambi\u00e9n puede verse perjudicada.<\/span><\/p>\n

Tambi\u00e9n hay una mayor exposici\u00f3n a los riesgos de seguridad, ya que la informaci\u00f3n confidencial almacenada en hojas de c\u00e1lculo puede terminar expuesta a cyberatacks. Sin contar que el uso individual lleva a la desestandarizaci\u00f3n, por ejemplo, con exclusi\u00f3n no deseada de f\u00f3rmulas o columnas.\u00a0<\/span><\/p>\n

El punto es que <\/span>no se trata de Excel versus Python<\/b>, sino de adoptar la mejor soluci\u00f3n a medida que su administradora de fondos evoluciona en la curva de aprendizaje de la ciencia de datos.\u00a0 El \u201cconfiable y viejo\u201d Excel continuar\u00e1 siendo una herramienta indispensable en las empresas, pero el lenguaje Python ofrece numerosas ventajas ante la complejidad de la manipulaci\u00f3n de grandes vol\u00famenes de datos.<\/span>[\/vc_column_text][vc_column_text][\/vc_column_text]<\/p>\n\n<\/div>\n\n\n\t\t\n\t<\/div>\n<\/div>\n

\n