www.elmundofinanciero.com

TRIBUNA DE OPINIÓN

Analytics en la banca: cómo dar los primeros pasos de forma sencilla y accionable

Analytics en la banca: cómo dar los primeros pasos de forma sencilla y accionable
Ampliar

  • Por Mirian Herraez, Economista - SAS Customer Advisory

viernes 03 de diciembre de 2021, 17:13h

La situación financiera actual es un escenario que no se contemplaba ni en los supuestos más ultra expansivos de los modelos macroeconómicos: un entorno de tipos negativos, una política monetaria creciente con barra libre de los bancos centrales, y gran internacionalización y digitalización de las organizaciones y mercados. Dicha transformación digital se ha demostrado clave para aumentar el negocio y atraer clientes. Pero, ¿cómo se puede ganar realmente cuota de mercado? Se necesita la visión 360 del cliente, la personalización de ofertas y la adaptación continua a las necesidades crecientes. En resumen: entender, ofrecer y flexibilizar. Las entidades financieras tienen esto claro, de ahí que la banca esté convergiendo hacia el cloud para apoyarse en tecnología puntera con la que crecer.

Analytics e inteligencia de negocio como base

Cuando el desarrollo es escalonado y coordinado, se orientan las acciones en la dirección adecuada, actuando en función de información y resultados. Es un camino que se construye paso a paso y de forma segura, orquestando a todos los equipos en las direcciones definidas.

Esta coordinación implica que toda la operativa y los procesos se involucran y desarrollan en la dirección definida, desde la extracción de la información relevante, sin esfuerzos innecesarios, hasta la analítica aplicada con palancas accionables que se integran en el operacional de la compañía o definen las estrategias a seguir.

La clave es el conocimiento de negocio, tener claro por dónde se quiere empezar para ir avanzando hacia donde los resultados van marcando. Definir el caso de uso, las acciones implicadas y el retorno de dicha inversión. Predecir los resultados, costes y beneficios.

Con inteligencia de negocio es como se identifican las palancas que generan los resultados accionables. La analítica actual ha avanzado tanto que está al alcance de los distintos perfiles de negocio, quienes saben lo que es un clúster de clientes o una regresión, y aprovechan las plataformas existentes que les permiten aplicar sus conocimientos y poner en valor la información que manejan.

Este conocimiento, unido a la información del entorno, será lo que lleve al éxito el proyecto.

Pasos a seguir para avanzar en el camino del dato

El primer paso es identificar el caso de uso. Para ello, es necesario plantearse una serie de preguntas clave: ¿buscamos promover un nuevo producto?, ¿hacer cross-selling?, ¿predecir por tipo de cliente?, ¿anticiparnos al impago?, ¿disminuir la pérdida de clientes?

Es el usuario de negocio quien conoce las opciones viables y las ventajas e inconvenientes de las mismas; por lo tanto, debe ser él quien defina el objetivo. En ocasiones, esta definición ocurrirá con la ayuda de analistas de datos que puedan ofrecerle insights basados en la información, y orientarle sobre la viabilidad de los análisis en función de los datos disponibles, ayudándole a priorizar.

El siguiente paso es que el perfil de negocio concrete las posibles acciones a llevar a cabo tras los resultados de la analítica, ya que esto definirá las palancas y las claves a incluir en la misma. También deberá definir impactos.

Tras esto se accede a la información relevante. ¿Cuál y cuanta? La respuesta depende de la materia a resolver, y se debe ir paso por paso, beneficiándose de los resultados e interiorizándolos a la hora de actuar.

Una cuestión muy generalizada en el analytics es el mínimo volumen de datos necesarios para el análisis. ¿Qué se necesita para comenzar este camino? Como primera observación, se debe identificar el histórico disponible y los datos cruzados, así como si existe información on/off line. En general, cuanta más información mejor, pero en ocasiones puede ser muy marginal la mejora procedente de esta última – por ejemplo, si queremos analizar un tipo de cliente que consume un producto y el 80% de dichos clientes son offline, tal vez se pueda prescindir de la información online –.

Con respecto al histórico, no es el mismo el requerido para un modelo de churn que para una agrupación de clientes: para el primero podemos necesitar cuatro años – según definamos cliente perdido, identifiquemos frecuencia operacional, tiempo medio de cliente y otros elementos –, mientras que para el otro caso un par de años pueden ser suficientes. De nuevo, la clave es definir el objetivo de negocio con anterioridad.

Otra pregunta bastante generalizada es si hay suficientes datos para realizar el análisis. Si la población es pequeña, pocos datos son suficientes; el problema no está en la cantidad de información sino en la dispersión de la misma. Por ejemplo: si tenemos un pueblo con ocho personas y seis son pelirrojas, una muestra de cinco personas ya predecirá que el bebé que espera la hija del alcalde será pelirrojo; en cambio, si tenemos ocho millones de personas y hay un millón de morenos, tres de rubios, tres de pelirrojos y uno de castaños, teniendo un tamaño de cinco millones, ¿de qué color será el pelo del primer bebé nacido? La respuesta no es tan sencilla.

Con esto quiero decir que la dispersión es esencial en la fiabilidad de resultados, y no sólo debemos quedarnos con el tamaño de la muestra. Y ante esto, ¿qué se puede hacer? Analizar la información, entender los resultados y su fiabilidad. Los datos son los que son, y lo que se necesita es saber cuánto podemos fiarnos de los resultados obtenidos.

En resumidas cuentas, la clave está en disponer de inteligencia de negocio que empiece definiendo las cuestiones a analizar, basada en clientes, productos o riesgos. Con esto delimitado, se identifica la información disponible y la necesaria, así como las palancas claves para que los resultados sean accionables.

¿Te ha parecido interesante esta noticia?    Si (3)    No(0)
Compartir en Meneame enviar a reddit compartir en Tuenti

+

0 comentarios