Las firmas de inversión utilizan datos web para ver lo que está sucediendo antes de que aparezca en un informe trimestral: cambios de precios en miles de productos, ofertas de empleo que suben o bajan, aperturas de tiendas, reseñas, clasificaciones de apps, tiempos de envío. Bien recopilados, estos datos alternativos suponen una ventaja real para los equipos de investigación financiera. Mal recopilados, suponen un riesgo regulatorio y legal que puede perseguir a un fondo durante años.
La mayoría de los textos sobre datos alternativos tratan sobre qué recopilar. Muy pocos tratan la capa de cumplimiento normativo que lo rodea: lo que un equipo de cumplimiento de un fondo necesita saber antes de que los datos puedan utilizarse en una decisión de inversión, y lo que un proveedor de datos debe poder demostrar. Esta guía cubre ambos aspectos. Es información general, no asesoramiento legal; las firmas de inversión deben consultar a su propio departamento de cumplimiento y asesoría legal.
Por qué los datos alternativos necesitan su propia revisión de cumplimiento
Los datos de mercado ordinarios provienen de bolsas y proveedores con licencia, con normas establecidas desde hace mucho tiempo. Los datos web provienen de fuentes que nunca accedieron a ser un insumo para las operaciones de nadie. Eso plantea preguntas que los equipos de cumplimiento deben responder antes de usar los datos:
- ¿Podría contener información material no pública? Los datos solo son seguros para operar con ellos si se obtuvieron lícitamente de fuentes públicas y no incumplen un deber de confidencialidad. Los asesores de inversión en EE. UU. deben mantener políticas escritas diseñadas para evitar el uso indebido de información material no pública, y las fuentes de datos entran dentro de esas políticas.
- ¿Se recopiló de forma lícita? Las condiciones de servicio, los inicios de sesión, las restricciones técnicas y la legislación de protección de datos se aplican a cómo se recopilaron los datos, no solo a lo que contienen.
- ¿Contiene datos personales? Muchos conjuntos de datos web afectan a personas: reseñadores, empleados, usuarios de apps. La legislación europea de protección de datos se aplica a esos datos, sean o no públicos.
- ¿Es lo que el proveedor dice que es? El valor de un conjunto de datos depende de cómo se construyó. Describirlo incorrectamente no es solo un problema comercial.
Ese último punto se convirtió en una cuestión regulatoria en 2021. La Comisión de Bolsa y Valores de EE. UU. (SEC) acusó a App Annie, un proveedor de datos de apps móviles, y a su cofundador de fraude de valores por tergiversar cómo se obtenían sus datos. La SEC afirmó que la empresa había utilizado datos no agregados y no anonimizados para alterar las estimaciones que vendía a firmas de trading, pese a decir a los clientes lo contrario. App Annie acordó pagar una sanción de 10 millones de dólares. Fue la primera acción de ejecución de la SEC que acusó a un proveedor de datos alternativos de fraude de valores, y puso bajo escrutinio los métodos detrás de un conjunto de datos, no solo su contenido.
Lo que preguntará el equipo de cumplimiento de un fondo
Las firmas del lado comprador han convergido en un conjunto bastante estándar de preguntas para los proveedores de datos. FISD, el organismo del sector de datos financieros, publica un cuestionario de diligencia debida a través de su Alternative Data Council, utilizado por muchos fondos como punto de partida, con versiones para revisiones completas de proveedores, pruebas cortas de datos y, más recientemente, para IA generativa. Las preguntas se agrupan en varios bloques:
| Área | Qué quieren saber |
|---|---|
| Fuente | De dónde provienen los datos, y si cada fuente permite este uso |
| Recopilación | Cómo se recopilan: páginas públicas o detrás de inicios de sesión, qué métodos, a qué ritmo |
| Derechos | Si el proveedor tiene derecho a licenciar los datos, y qué permite la licencia |
| Datos personales | Si se incluye alguno, cómo se filtra o anonimiza, y la base legal |
| MNPI | Controles que mantienen fuera del conjunto de datos la información confidencial o no pública |
| Metodología | Cómo los datos en bruto se convierten en el producto entregado, y cómo se comunican los cambios |
| Gobernanza | Políticas, auditorías, gestión de quejas y qué ocurre si una fuente se opone |
Si construyes datos alternativos para fondos, espera tener que responder cada fila por escrito. Si trabajas en un fondo recopilando tus propios datos, tu equipo de cumplimiento te hará las mismas preguntas.
Los cuatro controles que más importan
1. Fuentes públicas, recopiladas sin vulnerar controles de acceso. Recopila lo que cualquier visitante puede ver sin iniciar sesión, aceptar condiciones especiales o sortear restricciones técnicas. Los datos obtenidos mediante el uso indebido de una cuenta o sorteando un muro de pago son exactamente el tipo que los equipos de cumplimiento no pueden aceptar. Nuestra guía sobre qué preguntará el equipo legal antes de aprobar un proyecto de scraping cubre en detalle las preguntas sobre recopilación.
2. Datos personales excluidos por diseño. La mayoría de las señales de inversión no necesitan individuos. Cuenta ofertas de empleo sin almacenar a los solicitantes; agrega reseñas sin conservar las identidades de los reseñadores; mide clasificaciones de apps sin datos de usuario. Filtrar en el momento de la recopilación es mucho más fácil de defender que anonimizar después. Nuestra visión general del RGPD cubre los conceptos básicos para los equipos de recopilación.
3. Una metodología documentada y honesta. Documenta cómo los datos en bruto se convierten en el producto: fuentes, muestreo, limpieza, ponderación, imputación y cualquier estimación modelada. Cuando el método cambie, comunícalo a los clientes. El caso de App Annie muestra que la brecha entre la metodología descrita y la realmente utilizada puede ser en sí misma la infracción.
4. Procedencia que puedas demostrar. Conserva, para cada registro, la fuente, el momento de recopilación y el método, y guarda las capturas en bruto durante un periodo razonable. Cuando un fondo pregunte de dónde viene un dato, o lo haga un regulador, necesitas poder demostrarlo, no solo describirlo.
Derechos: qué puedes licenciar
Un proveedor de datos solo puede licenciar aquello sobre lo que tiene derecho. Hechos como precios y recuentos generalmente no pertenecen a nadie; contenido creativo como textos de artículos y fotografías pertenece a sus autores; y en Europa, algunas bases de datos están protegidas incluso cuando solo contienen hechos. Vender señales derivadas, como índices, recuentos y tendencias, es muy distinto de redistribuir copias del contenido de un sitio web. Nuestra guía sobre a quién pertenecen los datos extraídos mediante scraping cubre estas capas y lo que significan para la reventa.
La cuestión de la infraestructura
Los fondos preguntan cada vez más también sobre la infraestructura detrás de la recopilación, incluidas las redes de proxies. La preocupación es razonable: si las direcciones IP de un proveedor provienen de dispositivos cuyos propietarios no accedieron a compartir su conexión, el conjunto de datos hereda ese problema. Pregunta a tu proveedor de proxies cómo se obtienen sus direcciones, qué consentimiento dieron los propietarios de los dispositivos, y cómo se gestiona el abuso. Nuestra explicación sobre cómo los proveedores obtienen IPs residenciales de forma ética enumera qué preguntar. Para la propia recopilación, a menudo se necesitan proxies residenciales para ver precios y listados tal como los ven los clientes locales, lo cual importa para cualquier señal basada en lo que los consumidores realmente pagan.
Uniendo las piezas
Un paquete de cumplimiento práctico para un conjunto de datos alternativos cabe en unos pocos documentos:
- Un registro de fuentes: cada fuente, su tipo de acceso, sus condiciones y su posición respecto al robots.txt, comprobado en una fecha indicada.
- Una descripción de la recopilación: métodos, ritmos, y una declaración de que no se eluden inicios de sesión, muros de pago ni controles de acceso.
- Una evaluación de datos personales: qué se excluyó, cómo, y la base legal para cualquier dato conservado.
- Un documento de metodología, con un registro de cambios.
- Un registro de procedencia: fuente y momento por registro, con las capturas en bruto conservadas.
- Un procedimiento de quejas y retirada: quién gestiona una objeción de una fuente, y con qué rapidez puede detenerse la recopilación de esa fuente.
Con ese paquete, un proveedor puede responder a un cuestionario de diligencia debida en cuestión de días, y un fondo puede mostrar a sus reguladores cómo se construyó una señal. Nuestro artículo anterior sobre proxies residenciales para datos alternativos cubre el aspecto de la recopilación del mismo trabajo.
Preguntas frecuentes
¿Es legal usar datos web obtenidos mediante scraping para invertir?
Generalmente sí, cuando los datos son públicos, se recopilaron de forma lícita y están libres de información material no pública y de datos personales procesados ilícitamente. Los detalles dependen de la jurisdicción, la fuente y cómo se recopilaron los datos, por lo que los fondos revisan cada conjunto de datos antes de usarlo.
¿Qué es un cuestionario de diligencia debida para datos alternativos?
Un conjunto estándar de preguntas que las firmas de inversión envían a los proveedores de datos sobre fuentes, métodos de recopilación, derechos, datos personales, controles de MNPI, metodología y gobernanza. El FISD Alternative Data Council publica una versión ampliamente utilizada.
¿Por qué acusó la SEC a un proveedor de datos alternativos?
En 2021 la SEC acusó a App Annie y a su cofundador de fraude de valores por tergiversar cómo se obtenían sus datos, y la empresa acordó pagar una sanción de 10 millones de dólares. Fue el primer caso de este tipo de la SEC contra un proveedor de datos alternativos.
¿Pueden los datos alternativos contener datos personales?
A menudo sí, a través de reseñas, ofertas de empleo o perfiles. El enfoque más seguro es excluir los datos personales por diseño en el momento de la recopilación y conservar solo señales agregadas.
La conclusión
Los datos alternativos solo son una ventaja si superan la revisión de cumplimiento. Recopila de fuentes públicas sin sortear controles de acceso, excluye los datos personales por diseño, documenta la metodología con honestidad y conserva la procedencia de cada registro. Los proveedores que pueden responder por escrito a las preguntas de diligencia debida de un fondo se llevan el negocio; los fondos que hacen esas preguntas evitan heredar el problema de otro.
Fuentes y referencias
- U.S. Securities and Exchange Commission, SEC Charges App Annie and its Founder with Securities Fraud, 14 de septiembre de 2021.
- FISD, Alternative Data Council, incluyendo sus cuestionarios de diligencia debida.