Mark Ainsworth: de la F¨®rmula 1 al parqu¨¦

Licenciado en Psicolog¨ªa Experimental por la Universidad de Oxford, las primeras pr¨¢cticas laborales de Mark Ainsworth le llevaron a un entorno con olor a gasolina y testosterona, en el que las decisiones se han de tomar en d¨¦cimas de segundo. ?Qu¨¦ hac¨ªa un veintea?ero como ¨¦l en el equipo de F¨®rmula 1 McLaren? Tras la carrera, realiz¨® un m¨¢ster en Investigaci¨®n de Operaciones, una disciplina que estudia la aplicaci¨®n de las matem¨¢ticas a la gesti¨®n empresarial. ¡°Hice un proyecto en McLaren como parte del m¨¢ster y me acabaron ofreciendo trabajo¡±, cuenta.

Era un empleo por el que muchos aficionados al automovilismo pagar¨ªan. ¡°All¨ª se usan datos de forma exhaustiva para optimizar el rendimiento de los coches, pero mi trabajo se centraba espec¨ªficamente en la estrategia de carrera. Cre¨¦ varias herramientas para tomar decisiones sobre cu¨¢ndo se deb¨ªan producir las paradas del monoplaza, tomando la informaci¨®n en directo sobre la posici¨®n de los coches y su tiempo por vuelta, con lo que logr¨¢bamos generar proyecciones en tiempo real de lo que iba a suceder en la carrera¡±, recuerda.

Casi 20 a?os despu¨¦s de esa experiencia, Ainsworth sigue trabajando con datos y simulaciones, pero en el negocio financiero, como responsable de Data Insights en Schroders, una firma creada en el siglo XIX que gestiona activos valorados en m¨¢s de 460.000 millones de euros. Su departamento funciona como un equipo de investigaci¨®n y an¨¢lisis de mercado que opera a partir de la estad¨ªstica, la visualizaci¨®n de datos y el machine learning.

M¨¢s informaci¨®n

Estas son las aplicaciones que m¨¢s utiliza una ejecutiva digitalizada

Estas son las ¡®apps¡¯ que m¨¢s utiliza alguien que trabaja desde el m¨®vil

En la industria financiera, explica, el uso de big data ya es habitual para las firmas que utilizan estrategias sistem¨¢ticas de trading para el corto plazo, en un margen temporal que va desde las d¨¦cimas de segundo hasta los d¨ªas. ¡°La mayor¨ªa del trading en esa escala temporal es ya algor¨ªtmico¡±, cuenta.

Pero la gran oportunidad para la industria financiera est¨¢, opina, en la utilizaci¨®n de datos alternativos. Por ejemplo, analizar la distancia entre las tiendas de dos empresas que se van a fusionar para vaticinar de cu¨¢ntos locales tendr¨¢n que desprenderse por orden de las autoridades de competencia, lo que impactar¨¢ en el rendimiento financiero de la operaci¨®n. Eso fue lo que hizo Schroders cuando se fusionaron en Reino Unido las casas de apuestas Coral y Ladbrokes.

¡°Creo que la mayor¨ªa de las firmas van a ir por ese camino, utilizando datos de terceros combinados con los datasets m¨¢s tradicionales en la industria financiera¡±, vaticina. Su equipo adquiere esos datos externos, los analiza y los hace accesibles para la gesti¨®n financiera, en una especie de alquimia cuyo objetivo es ¡°cubrir los puntos ciegos¡± de la inversi¨®n.