En
temas de movilidad y relación con el cliente el sector financiero de algunos países
de Latinoamérica presenta serias falencias, debido a que no han sido capaces de aprovechar y dar un buen uso a
la valiosa información que es
diariamente suministrada por sus clientes,
los bancos disponen de grandes fuentes de datos que son susceptibles de
ser analizadas para mejorar aspectos diversos relacionados con el negocio.
El uso adecuado de la
información de los clientes permite a los bancos ahorrar esfuerzos y costos a
la hora de agilizar y brindar mejores servicios a sus clientes, ya que permite
la optimización de procesos, así mismo reconoce oportunidades de acrecentar la
rentabilidad al poder entregar ofertas más personalizadas y acorde a las
necesidades y gustos de estos clientes.
Si bien es cierto que
el análisis de datos se ha hecho por mucho tiempo dentro de la entidades
bancarias, en donde los datos han sido analizados históricamente mediante
análisis estadístico basados en un hipótesis, existen procesos como la minería
de datos que no requieren de una hipótesis, ya que a través de la herramienta
de minería, realiza los descubrimientos que antiguamente reforzaban las hipótesis,
el enfoque tradicional de los bancos requiere de una cantidad importante de
analistas y tiempo para analizar la información, mientras que las nuevas técnicas de minería
de datos permiten actuar de forma casi inmediata. Algunas de las desventajas
del análisis estadístico versus la minería de datos:
- El análisis
estadístico utiliza sólo datos numéricos, la minería de datos, puede utilizar
diferentes tipos de datos, como voz, texto, números entre otros.
- El analista debe
construye una hipótesis basada en algún comportamiento anormal de los datos.
Luego debe verificar la hipótesis mediante una serie de consultas sobre los
datos. En el caso de la minería de datos, se encuentran los patrones de cambio
de comportamiento en los datos, los que son verificados con las ocurrencias
históricas. Mediante estas técnicas, los analistas pueden crear modelos
predictivos para determinar el comportamiento futuro en cada una de las
ocurrencias.
- Las herramientas de
Minería de Datos, permiten agrupar individuos basados en su comportamiento,
utilizando técnicas de Clusterización. Estas técnicas, permitirán ejecutar
acciones sobre grupos de individuos, para lograr comportamientos esperados,
como por ejemplo aumento en la rentabilidad dentro de cierto grupo de clientes
o incentivo en el uso de algún producto específico.
Otro punto importante es la Big Data que
surge de la conjunción de un rápido crecimiento en el volumen de información
registrada en formato digital y de los avances en computación y almacenamiento
de datos, algunas de las enormes oportunidades que traería la banca digital
son:
- Mejora de las
capacidades de venta cruzada de productos financieros o no financieros, a
partir de patrones de compra o de interés mostrados en determinados productos
disponibles online.
- Control de fraude,
minimizando los riesgos de uso indebido de medios de pago cuando el titular se
encuentra de viaje, por ejemplo; la mejora de los sistemas de “scoring” de
crédito, incorporando elementos no tradicionales como las interacciones en
redes sociales.
- La fidelización y
retención de clientes, ofreciéndoles promociones y ofertas comerciales
adaptadas a sus necesidades y contexto.
Algunas sugerencias de
sistemas y técnicas innovadoras aplicadas por bancos que están a la vanguardia y
que aprovechan los tesoros ocultos en la información de sus clientes:
Ø Big
Data & Analitics, solución que basada en encuestas realizadas a los
clientes, más la utilización de la información transaccional de los usuarios,
entrega herramientas a los ejecutivos de cuenta, para que entreguen ofertas a
sus clientes, con el objetivo de transformar al banco, en el banco principal de
los usuarios. Los puntos clave del éxito de esta estrategia, es el trabajo
coordinado entre las áreas de tecnología y negocios del banco.
Ø Técnica
de minería de datos para analizar las transacciones financieras de sus
clientes. Basados en ese análisis, entregan recomendaciones y ofertas
personalizadas a los clientes. Interfaz sumamente elegante y además permite a
los usuarios cargar datos desde distintas fuentes de información y formatos.
Ø Aplicación
para los clientes del segmento comercio, así poder entregar ofertas de
fidelidad a los clientes personales del banco. Esta solución que tiene un doble
foco dentro del banco, analiza los datos transaccionales y de geolocalización
de cada una de las compras, para realizar ofertas contextuales a los clientes.
Ø Plataforma social, está especializada en otorgar
servicios para la compra y venta de acciones. La innovación en este caso, es la
utilización de la información de todos los usuarios de su red, para recomendar
las mejores opciones de inversión a sus usuarios. Los usuarios dependiendo de
sus características particulares, pueden ejecutar acciones activas de compraventa
o configurar la plataforma para que realice inversiones automáticas basadas en
los parámetros y la información transaccional diaria.
La innovación se puede identificar a partir de una necesidad, la cual es
aprovechar de una mejor manera la valiosa información que tienen los bancos de
sus clientes, (La información, ahora más que nunca,
vale su peso en oro) se pueden utilizar los diferentes niveles de observación
(teórica, factual y empática) e identificar las oportunidades, seguidamente
diseñar las herramientas o técnicas tropicalizadas sumadas al ingenio Latinoamericano,
para beneficiarse de esta información y así descubrir un mercado potencial por
explotar.
Fuentes y referentes.
http://www.altag.net/big-data-y-la-banca-del-futuro/
http://reportedigital.com/m2m/bi-mineria-datos-big-data-oportunidades-banca-digital/
