Mark Ainsworth: de la Fórmula 1 al parqué

Licenciado en Psicología Experimental por la Universidad de Oxford, las primeras prácticas 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 décimas de segundo. ¿Qué hacía un veinteañero como él en el equipo de Fórmula 1 McLaren? Tras la carrera, realizó un máster en Investigación de Operaciones, una disciplina que estudia la aplicación de las matemáticas a la gestión empresarial. “Hice un proyecto en McLaren como parte del máster y me acabaron ofreciendo trabajo”, cuenta.

Era un empleo por el que muchos aficionados al automovilismo pagarían. “Allí se usan datos de forma exhaustiva para optimizar el rendimiento de los coches, pero mi trabajo se centraba específicamente en la estrategia de carrera. Creé varias herramientas para tomar decisiones sobre cuándo se debían producir las paradas del monoplaza, tomando la información en directo sobre la posición de los coches y su tiempo por vuelta, con lo que lográbamos generar proyecciones en tiempo real de lo que iba a suceder en la carrera”, recuerda.

Casi 20 años después 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 más de 460.000 millones de euros. Su departamento funciona como un equipo de investigación y análisis de mercado que opera a partir de la estadística, la visualización de datos y el machine learning.

Más información

Estas son las aplicaciones que más utiliza una ejecutiva digitalizada

Estas son las ‘apps’ que más utiliza alguien que trabaja desde el móvil

En la industria financiera, explica, el uso de big data ya es habitual para las firmas que utilizan estrategias sistemáticas de trading para el corto plazo, en un margen temporal que va desde las décimas de segundo hasta los días. “La mayoría del trading en esa escala temporal es ya algorítmico”, cuenta.

Pero la gran oportunidad para la industria financiera está, opina, en la utilización de datos alternativos. Por ejemplo, analizar la distancia entre las tiendas de dos empresas que se van a fusionar para vaticinar de cuántos locales tendrán que desprenderse por orden de las autoridades de competencia, lo que impactará en el rendimiento financiero de la operación. Eso fue lo que hizo Schroders cuando se fusionaron en Reino Unido las casas de apuestas Coral y Ladbrokes.

“Creo que la mayoría de las firmas van a ir por ese camino, utilizando datos de terceros combinados con los datasets más tradicionales en la industria financiera”, vaticina. Su equipo adquiere esos datos externos, los analiza y los hace accesibles para la gestión financiera, en una especie de alquimia cuyo objetivo es “cubrir los puntos ciegos” de la inversión.