Uso de Datamining en el negocio bancario.

Motivación :

Todos los temas clásicos deben ser reevaluados ante un escenario de alta competitividad y bajos márgenes, en donde cabe evaluar a la brevedad la incorporación de know how y tecnología que pueda ayudar a mejorar nuestro desempeño.

Se propone la incorporación de Data Mining (DM) en todas las areas del quehacer de las instituciones financieras con un enfoque global e integrado por lo que esta propuesta está dirigida exclusivamente a ejecutivos de alto nivel y de amplias responsabilidades desde el director del negocio de tarjetas de crédito, el banco por internet y todas las transacciones comerciales del giro desde su promoción, su evaluación hasta su cobranza cuando corresponda.

Se propone en las siguientes areas :

I. PORQUE UTILIZAR DATA MINING EN EL NEGOCIO HOY :

El aumento de la presión competitiva demanda nuevas e innovadoras formas de satisfacer los requerimientos de los clientes pero para eso se deben conocer.

Se debe hacer más eficiente el otorgamiento de créditos pues ante un escenario de tan bajos márgenes un solo error cuesta muchas operaciones exitosas para recuperarlo.

Se debe utilizar toda la información disponible para descubrir aspectos de nuestros clientes que hoy pueden hacer la diferencia a la hora de competir o de marginar.

El uso de Data Mining permite un análisis muy fino de los datos mostrando aspectos que siempre estuvieron disponibles para ser descubiertos y nunca habíamos reparado en ellos.

Además permite incorporar antecedentes también disponibles que combinados con los antecedentes clásicos de un cliente permiten precisar y hacer más eficiente el scoring de créditos reduciendo significativamente el riesgo.

En todos los escenarios en donde existe una información abundante podemos utilizar Data Mining para comprender en términos de reglas o a veces en términos de cajas negras pero en definitiva con información procesada y útil para guiar la toma de decisiones.

Que tiene de nuevo el Data Mining :

El Data Mining es para descubrir cosas nuevas sobre la información que ya disponemos. De ahí viene la expresión Mining o Minería pues nos ayuda a descubrir relaciones muy valiosas en nuestros datos que estuvieron siempre ahí para ser descubiertas. Por supuesto permite obtener provecho inmediato a cada dato nuevo que obtenemos de nuestros clientes.

No es comprable al uso de herramientas estándar de análisis estadístico pues ellas construyen estadígrafos (valores estadísticos) de la masa agregada en cambio Data Mining nos permite descubrir que dentro de esa masa coexistían diversa poblaciones menores con comportamiento distinto entre ellas y que a nivel agregado no podían distinguirse.

Permite construir perfiles de clientes (técnicas para descubrimiento) y posteriormente me permite realizar predicciones (técnicas predictivas) sobre los respectivos comportamientos.

II. PROPUESTAS DE AREAS DE TRABAJO :

Se sugiere otorgar a la implementación de Data Mining un carácter estratégico pues definitivamente su incorporación tiene efectos enormes en todas las areas en que se incorpora pero se sugiere priorizar las que están vinculadas con los factores críticos de la productividad de la operación en donde además de los resultados medibles, la obtención del conocimiento propio del negocio sea una objetivo en sí para que este quede en casa.

Ya ha ingresado a la industria financiera el uso de sistemas expertos en las areas de evaluación de crédito con los sistemas de Scoring así como para la evaluación de portafolio de inversiones que están fundados sobre algunas de la técnicas incluídas en las herramientas de Data Mining genéricas.

Se propone que se priorize el uso de DM en donde sea mas acelerada la recuperación de la inversión para que posteriormente luego de obtenido el dominio se proponga superar la productividad de los productos estándar con el conocimiento interno de los expertos.

Se sugiere desarrollar este plan con la dirección de asesores con buena experiencia en la herramienta en donde se obtenga no solo el desarrollo de modelos prácticos sino que también el desarrollo de habilidades al interior de la organización.

Se describen brevemente algunas areas posibles por abordar.

II.1 Administración del Riesgo :

•  Patrones de clientes por tipo de crédito:

Se deben desarrollar diversas vistas o perfiles especializados en función de lo que se busca.

Se pueden desarrollar vistas para personas o para empresas a partir de indicadores financieros clásicos o de datos internos descriptivos.

Unas vistas son para reconocimiento de su cartera y otras para que a partir de lo que se aprende de su cartera identificar el perfil de los mejores prospectos nuevos

Las vistas o perfiles deben considerar las variables que se administrarán (objetivos) es por esto que es conveniente desarrollar diversos perfiles para la misma población.

•  Calidad de Crédito:

Se pueden desarrollar diversos modelos y se debiera iniciar caracterizando a los clientes en función de los parámetros de crédito (monto, spread, mora, comisiones etc.)

Se sugiere continuar con el desarrollo de perfiles predictivos del cumplimiento y del margen los que deben especializarse en función del tipo de producto( consumo, hipotecario, capital de trabajo etc) y mercado objetivo (personas naturales, empresas).

Este método se utiliza también para evaluar la salud de cartera globales de créditos. Se pueden desarrollar modelos simplificados a partir de los flujos y parámetros globales que permiten obtener un scoring global de carteras de terceros que se evalúan para su compra.

•  Scoring para crédito:

Las herramientas de scoring han ido evolucionando desde los orígenes en donde se consideraban principalmente aspectos conocidos y propios de la cartera de clientes de cada empresa que lo utilizaba hacia modelos de scoring basados casi exclusivamente en parámetros y rating de empresas externas los que se fundaban básicamente en correlaciones de los ratios propios con ratios globales y ahora último principalmente en el comportamiento histórico de pago del cliente entregado por estas mismas empresas externas que ha resultado ser un muy buen indicador.

Sin embargo los bajos márgenes hacen necesario mejorar los sistemas de scoring disponibles incorporando toda la información relevante propia de la cartera con objeto sobretodo de mejorar la predicción de la calidad de la predicción de pago.

En el caso por ejemplo de las personas naturales ha demostrado mucha utilidad considerar aspectos como por ejemplo el cambio de situación civil que afecta la capacidad financiera, calificar el tipo de empresa en la que trabaja etc.

Los scoring se están utilizando como herramientas para llegada rápida a nuevos clientes con créditos preaprobados pero se sugiere realizar para quienes se interesan en la invitación general solicitar una segunda fase preguntas simples pero claves que pueden ayudar a distinguir por ejemplo sobre si se estaría adquiriendo un cliente con riesgo disfrazado.

También se sugiere desarrollar scoring incluyendo el total de los fee's, comisiones, incluso márgenes por mora, en donde bajo cierto nivel de riesgo bajo puede ser conveniente cuidar a los clientes que son buenos clientes pero siempre se atrasan en los pagos.

En definitiva los productos de scoring empaquetados no resuelven las diversas necesidades que tiene una institución financiera, no miran al cliente en forma global y muchas veces desprecian mucha información valiosa que mejora la capacidad predictiva de los modelos.

•  Fraude para transacciones electrónicas:

Si bien el nivel de fraude en términos relativos es bajo y existen seguros para ello ya se sabe que puede ser un muy buen negocio vender seguros propios a los mismos clientes.

Están disponibles modelos de detección de fraude para:

•  Transferencia de Fondos por Internet.

•  Retiro de fondos de cajero automático.

•  Uso de Tarjeta de Débito o de Crédito.

•  Optimización de la cobranza:

Se sabe que es importante la prontitud para la eficiencia de la cobranza.

Sin embargo el orden de las llamadas lo resuelve el ejecutivo en función de su criterio.

Se sugiere utilizar DM para optimizar el orden, los pasos y la energía de los procesos de cobranza.

Existirán algunos casos que no conviene llamar, son pago seguro e incluso conviene esperar. En otros casos será recomendable iniciar acciones judiciales de inmediato sin perder un solo día. El sistema lo sugiere en función de la experiencia.

II.2 ORIENTACION PARA MARKETING:

•  Segmentación de los clientes:

Se deben desarrollar diversos perfiles en función del objetivo y del sustrato base de que se trate. Se requieren perfiles para seleccionar a los clientes actuales a los que se desea enviar propuestas de un nuevos producto, así como un perfil distinto para identificar prospectos que no son clientes actuales. El perfil para una campaña de marketing debe ser distinto al utilizado para evaluar la calidad de la cartera de crédito si bien en ambos se busca que sean buenos clientes.

•  Programa de fidelidad:

El uso de DM nos permitiría identificar quienes parecen próximos a irse con objeto de realizar un plan de acercamiento.

•  Cross-Selling:

La base actual de clientes siempre tiene mayor potencial que podemos y conviene descubrir pues produce mejor rentabilidad y mayor fidelidad. Normalmente se dispone de mucha información valiosa que no se ha procesado adecuadamente y por lo tanto no esta disponible para establecer correlaciones con un análisis masivo, como por ejemplo si la cuenta corriente que el cliente tiene en la institución es la principal o no lo es, si registra deuda hipotecaria en el sistema etc. El uso de DM orienta el enriquecimiento de la base de datos discriminando los datos por su potencial predictivo o utilidad para segmentar.

•  Marketing de Nichos:

Luego de obtener los mejores prospectos para una campaña con el uso de DM (1° modelo)se sugiere además registrar las primera señales que han dado los prospectos contactados para optimizar los siguientes pasos de la fuerza de venta con los mejores prospectos. Esto se puede lograr a través de obtener algunos datos adicionales claves que pueden ayudar a priorizar la segunda fase. Es muy conocido por el area comercial del enorme esfuerzo que muchas veces se requiere para llegar a concretar un prospecto, por lo que es esencial saber priorizar los mejores prospectos en función de las fases del contacto. Para establecer una sintonía fina de este tipo se sugiere disponer de DM para desarrollar un 2° modelo de optimización de contactos en curso con objeto de ir ajustando el modelo de manera dinámica.

•  Telemarketing:

Se sugiere utilizar DM con objeto de ayudar a evaluar la calidad del trabajo de las contactadoras para reforzar su formación, realizar cambios o sugerir las que debieran pasar al 2° nivel de consultas. Básicamente se sugiere utilizar una técnica de clasificación por resultados.

Cabe agregar que todos los roles que están sujetos a atención telefónica masiva como las ejecutivas telefónicas para problemas bancarios, atención de reclamos, etc podrían verse beneficiado con el uso de DM

II.3 INVESTIGACION DE CLIENTES:

  •  Patrones de consumo y actitudes:

Se sugiere que la evaluación de la entrega de nuevos productos pase por una evaluación previa de un departamento de investigación de productos que deberían utilizar DM de manera profusa.

Para estos efectos resulta muy útil combinar el desarrollo de una combinación de cuestionarios específicos y de detalle que se obtienen por contacto directo y dirigido desarrollados a propósito del producto que se esta investigando y que después se cruzan con los datos previos y conocidos de ellos mismos con objeto de proyectar o extrapolar potencial de mercado.

•  Tendencias y uso de demográficos:

Es necesario tener una mirada Macro del mercado con objeto de conocer sus tendencias, la posición en que se encuentra, el potencial por desarrollar etc.

Para tales efectos el uso de DM permitiría construir perfiles globales y correlacionar con su cartera con objeto de realizar estimaciones bien informadas.

II.4 OPTIMIZACION DE INVERSIONES:

Existen diversos programas especializados para sugerir el mejor portafolio de inversiones que son buenos y mejoran en el largo plazo el performance que puede lograr un experto con método clásico de análisis de factores claves.

Todos ellos lo que hacen básicamente es normalizar la información histórica, incorporan una mecánica de calculo de la rentabilidad de cada opción y luego realizan la predicción estadística propiamente tal a partir de métodos matemáticos incluídos en las referidas herramientas.

Las instituciones debido a la naturaleza de su giro ya disponen de abundantes sistemas que realizan las primeras 2 fases (normalizar la información histórica y evaluar el valor de cada opción) por lo que se sugiere incorporar Data Mining para realizar la obtención de patrones para predecir el retorno de una determinada opción.

La observación de la mayoría de los sistemas utiliza solo información disponible abundantemente que corresponde a precios de cierre por tipo de inversión sin embargo los expertos en invertir saben que existen otros factores claves que afectan a determinados sectores o en forma global y que no son considerados en dichos modelos por lo tanto son susceptibles de ser mejorados internamente con una mezcla de conocimiento propio, experiencia y ciencia produciendo know how que puede quedar en casa y marcar una diferencia. Se sabe que los mejores modelos ya incorporan ese conocimiento pero se mantienen en reserva pues implican una ventaja competitiva importante.

Elaborado por : Andrés A. Muñoz G./ Ing. Civil Industrial (Uch)

Fecha : 19/07/2004

Inicio    Compañia    Servicios   Descargas     Contacto
© PROSISTEM.INFO 56-(2)-7169264