Data mining en la banca, transformando datos en mejores productos y servicios

Artículo | Mayo 2017

Existe un claro paralelismo entre buscar oro en los caudales de un río y analizar millones de datos para identificar patrones, ambos casos se basan en el descubrimiento de algo valioso.

Todo el tiempo estamos generando datos, mientras navegamos en internet, al utilizar aplicaciones en los teléfonos móviles, los correos electrónicos que enviamos, el consumo de electricidad en el hogar e incluso las compras de mercado. Todas estas interacciones físicas se traducen en datos digitales que se almacenan en grandes repositorios de datos, dependiendo de la afinidad de cada industria.

Pero estos datos aún están en bruto, no tienen ningún valor, son como un montón de arena que necesita ser filtrada minuciosamente, eliminando los residuos para dejar únicamente lo valioso. Data mining, o minería de datos por su traducción al español, es una analogía práctica de lo que implica analizar millones de datos para identificar patrones y extraer conocimiento.

La minería de datos es ahora una tendencia, pero en poco tiempo se convertirá en un estándar de la industria, las empresas que no la implementen perderán ventaja competitiva.

Su aplicación es transversal a cualquier industria, pero en la banca ha demostrado tener un potencial disruptivo. La minería de datos se ha convertido en un área estratégicamente importante, afirma Marcello Benati, Advanced Analytics Product Manager en Microsoft y agrega que los bancos que todavía confían en las técnicas reactivas del servicio al cliente y la comercialización convencional en masa están condenados al fracaso.

La banca del futuro utilizará su conocimiento como principal activo, dejando atrás el modelo tradicional que se basaba en sus recursos financieros. Este conocimiento está dentro de sus repositorios de datos, en las transacciones y operaciones financieras que realizan sus clientes cada día; a partir de ahí es posible identificar sus patrones de consumo e incluso predecir cómo será dentro de un breve tiempo.

Estos son algunos ejemplos de la aplicación de data mining en diferentes áreas de negocio:

Marketing

  • Segmentación de clientes, identificando a través de encuestas y analizando su comportamiento transaccional los productos y servicios financieros más adecuados.
  • Venta cruzada, al desarrollar perfiles de clientes rentables para un producto.
  • Análisis de desgaste, en el que se generen alertas cuando un cliente tiene un comportamiento diferente.

Gestión de riesgo

  • Predicciones predeterminadas, para reducir las pérdidas en préstamos, identificando a tiempo deudas que serán incobrables.
  • Alta detección de riesgos, al ajustar los parámetros de préstamos para maximizar las ganancias.
  • Detectar el fraude en tarjetas de crédito, identificando parámetros de comportamiento fraudulento.

Adquisición de clientes y retención

La minería de datos aporta con conocimiento puntual y preciso sobre el giro de negocio del banco y sus clientes, para la toma de decisiones oportunas y rentables.
  • Incrementar la percepción de valor del cliente, generando productos y servicios de acuerdo a sus necesidades y rentabilidad.
  • Relación personal, en la que el banco tenga un conocimiento profundo sobre cada cliente y brinde un alto grado de personalización en su servicio.
  • Atraer nuevos clientes, a través de productos y servicios con un valor diferenciador.

Pero esto es solamente una pequeña mirada de lo que la minería de datos puede hacer. La industria financiera tiene enormes repositorios de datos sobre sus usuarios y algunas ya las están utilizando para ganar ventaja competitiva y mejorar en la oferta de sus productos y servicios.

Caso de éxito

Prevención proactiva de la retención del cliente

El Bank of America tenía problemas para identificar a clientes que estaban cerca de abandonar el banco e ir a la competencia, carecía de una forma efectiva de intervenir para retenerlos.

Su equipo de científicos de datos utilizó historiales de transacciones para desarrollar nuevos modelos de comportamiento, sobre los clientes hipotecarios y los titulares de tarjetas que estaban en riesgo de cambiar de empresa. Después este equipo trabajó multidisciplinariamente con otras áreas, para así desarrollar un sistema de recomendaciones basado en los nuevos modelos, capaz de realizar ofertas a los clientes en riesgo, la próxima vez que estos contactaban con el banco, sin importar que sea online, por teléfono o en una sucursal.

Después de su aplicación, el Bank of America redujo su tiempo de cálculo de incumplimiento de pago de préstamos en alrededor del 95%, entre algunos de las mejoras que se dieron. Este paso impulsó a que su equipo de científicos de datos crezca y se enfoque en otras áreas del negocio, para buscar la eficiencia y productividad.

La minería de datos es un área que está madurando, mientras gana relevancia para la toma de decisiones acertadas y garantiza el crecimiento del negocio a futuro. Será una ventaja competitiva para aquellos bancos que se muestren innovadores y la adopten. Pero no se trata de una aplicación que entra en funcionamiento apenas se conecta, necesita adaptarse a las especificidades del negocio.

Un analista de data mining gana un salario promedio de USD. 53.448 al año.

Para ello debe existir compatibilidad entre los sistemas, tanto entre el CORE BANCARIO como en el software que se encargará de minar los datos. Este es uno de los temas más sensibles, ya que no todos los Sistemas Centrales Bancarios están preparados para operar la alta transferencia de datos al mismo tiempo que se encargan de las transacciones diarias.

Fisa System es un sistema de Core bancario que utiliza una arquitectura orientada a servicios, capaz de adaptarse a la escalabilidad y agilidad que requieren las tecnologías emergentes como la minería de datos.

Para conocer más acerca de los beneficios de Fisa System haz click aquí.