ANALYTICS IN FINANCE

Uno de los primeros científicos de datos, Clive Humby, dijo: “los datos son el nuevo petróleo”, a lo que Michael Palmer añadió “los datos son valiosos, pero si no están refinados, en realidad no se pueden usar. El Petróleo debe transformarse en gas, plástico, productos químicos, etc. para crear una entidad valiosa que impulse una actividad rentable; por lo tanto, los datos deben desglosarse y analizarse para que tengan valor” (Forbes, 2021).

Diariamente, se generan 2.5 quintillones ( de bytes de datos en el mundo (Marr, 2018), sin embargo, cerca del 97% de estos datos no son utilizados por las compañías (Accenture
Aws Business Group, s/f). Desde la experiencia de Actuaria, el análisis de la data es beneficioso dentro del ámbito empresarial y financiero; la prevención de fraudes, la reducción de costos, la fidelización de clientes, la identificación de oportunidades de ventas, y la segmentación de la cartera son algunas oportunidades que brinda el “Analytics in Finance”.

Tal es el caso que las organizaciones que han integrado el análisis de datos dentro de su giro de negocio han experimentado un crecimiento anual de cerca del 30% (Accenture,
2021). A pesar de sus beneficios, son muy pocas las empresas que se aventuran a explotar sus datos con herramientas de vanguardia, precisamente debido al desafío que puede ser refinar esos datos para su explotación.

  • Información como el número diario o mensual de pérdida de clientes puede resultar abrumador. No obstante, a través de la aplicación de modelos de deserción esta información puede procesarse correctamente. Utilizando esta herramienta, las compañías de tarjetas de crédito logran no cobrar por el mantenimiento y otros beneficios durante el primer año; ya que les ayuda a identificar de manera anticipada, la probabilidad de que un cliente termine con la relación comercial antes del primer año, y de esta manera poder seleccionar a perfiles con mayor probabilidad de mantener la relación, al igual que generar alertas tempranas para la gestión de posibles salidas.
  • Otra aplicación de “Analytics in Finance” es el análisis de la información histórica para la identificación de nuevas oportunidades de ventas y la colocación de productos más personalizados. Por ejemplo, en Netflix el 85% del contenido que la gente observa, está basado en algoritmos de recomendaciones y no en búsquedas realizadas por el cliente (Alameda, 2018). De manera similar, Target implementó un modelo predictivo que analizaba los patrones de consumo de 25 productos, con lo cual pudo determinar con una confiabilidad sobre el 80% si las consumidoras estaban embarazadas, y la fecha aproximada de nacimiento de sus hijos, direccionando su oferta hacia las posibles necesidades de las mujeres embarazadas (Datacentric, 2017). Paralelamente, las instituciones financieras utilizan la información del consumo para la colocación de seguros. Por ejemplo, un tarjetahabiente que realiza pagos de la colegiatura con su tarjeta, puede ser un buen candidato para la adquisición de un seguro de pago de colegiatura en caso de fallecimiento o incapacidad del titular.
  • Dentro de “Analytics in Finance” también encontramos modelos de pricing que, a través de algoritmos de optimización, establecen el valor óptimo del punto de redención y de conversión, para potenciar los programas de recompensas y fidelización. Entre sus aplicaciones, el otorgamiento de millas por aerolíneas a viajeros frecuentes para su redención en viajes, hoteles, y otros productos, representa una herramienta para la retención y fidelización del cliente, sin dejar de lado la generación de utilidad para la organización.

Actuaria Consultores S.A. ha diseñado productos en “Analytics in Finance”, con la finalidad de facilitar la toma de decisiones mediante modelos descriptivos, herramientas predictivas y la aplicación de Machine Learning y Data Analytics dentro de las operaciones diarias de las compañías. Entre los productos ofertados encontramos modelos predictivos de fraude en transacciones o default de crédito, modelos intertemporales para la predicción de liquidez, depósitos y retiros, desarrollo de nuevos productos financieros para el sector no bancarizado, algoritmos predictivos de deserción de clientes en distintos productos financieros, herramientas de pricing para programas de recompensas, análisis estadístico de segmentación y modelo de carteras crediticias y desarrollo de sistemas de recomendación de productos financieros.

Conocer las características de la cartera a través de una segmentación basada en la analítica de datos, permite develar más información para la colocación de nuevos productos, afinar los programas de recompensa, e identificar grupos de clientes que necesitan atención prioritaria. La aplicación de estas herramientas mejora la gestión de la cartera ya que, por un lado, permiten desde el inicio del proceso seleccionar y dirigirse a segmentos que pueden ser más receptivos a la colocación de nuevos productos; como también alertan a los gestores de posibles salidas, de manera que se pueden definir planes preventivos.

 

Lista de Referencias:

 

Autor: Erika Alberca (Analista de Consultoría), José Quintana (Analista de Consultoría)

 



Author: ACTUARIA
Gestionamos servicios actuariales y de consultoría empresarial, en base a estándares de calidad y en forma oportuna, mejorando continuamente nuestros procesos, para satisfacer las necesidades de nuestros clientes.

Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.