{"id":47,"date":"2013-09-09T12:05:17","date_gmt":"2013-09-09T12:05:17","guid":{"rendered":"http:\/\/triton.exp.dc.uba.ar\/predictivos\/?p=47"},"modified":"2013-09-09T15:21:35","modified_gmt":"2013-09-09T15:21:35","slug":"data-mining-en-entidades-bancarias-argentinas","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=47","title":{"rendered":"Data Mining en entidades bancarias argentinas"},"content":{"rendered":"

<\/h3>\n

\"image1\"<\/a><\/h3>\n

Del marketing tradicional a la experimentaci\u00f3n continua<\/b><\/h3>\n

Los autores Thomas H. Davenport y Jeanne G. Harris en el libro Competing on Analytics: The New Science of Winning\u00a0<\/i>mencionan que los l\u00edderes en analytics realizan experimentos sofisticados para medir el impacto o lift de distintas estrategias de intervenci\u00f3n, y despu\u00e9s aplican los resultados para continuamente mejorar los sucesivos an\u00e1lisis. La entidad financiera Capital One de Estados Unidos hace anualmente m\u00e1s de 30.000 experimentos, con distintas tasas de inter\u00e9s, incentivos, formato de marketing directo y otras variables; el objetivo es maximizar la probabilidad de que clientes potenciales (a) adquieran tarjetas de cr\u00e9dito con Capital One y (b) paguen a t\u00e9rmino.<\/p>\n

En Argentina, la entidad bancaria lider en marketing directo no llega a realizar 500 campa\u00f1as anuales contabilizando todos los tipos y productos.<\/p>\n

\u00bfA qu\u00e9 se debe tan abismal diferencia entre ambos mercados? \u00bfEs posible y tiene sentido aplicar en Argentina la metodolog\u00eda a ese nivel y, en tal caso, qu\u00e9 es lo que hace falta para lograrlo ?<\/p>\n

Las entidades bancarias son intermediarios entre personas e instituciones que tienen excedentes de dinero y otros que necesitan financiamiento.<\/p>\n

Quienes depositan su dinero excedente lo hacen en distintos tipos de cuentas o inversiones por las que esperan obtener alg\u00fan tipo de beneficio. Si se realiza la inversi\u00f3n en un plazo fijo, al cabo del tiempo estipulado el contrato establece que el banco debe pagar el capital original m\u00e1s cierta tasa de inter\u00e9s. Obviamente en el camino el banco puede quebrar y la persona no rescatar ni siquiera el capital original, o esos fondos transformarse desventajosamente en otro tipo de moneda o bono estatal.<\/p>\n

La entidad bancaria debe reservar cierta parte del dinero en lo que se llama \u201cencaje bancario\u201d, el resto del dinero es en \u00faltima instancia prestado a empresas e individuos en forma de pr\u00e9stamos, hipotecas, descubierto en cuenta corriente, consumo de tarjeta de cr\u00e9dito, etc. Quien obtiene un pr\u00e9stamo debe pagar el capital inicial m\u00e1s cierta tasa de inter\u00e9s. En esta caso tambi\u00e9n existe el riesgo de que el deudor no cumpla con sus obligaciones en tiempo y forma.<\/p>\n

Debido a esta crucial tarea de intermediaci\u00f3n en el mercado financiero, los bancos est\u00e1n expuestos a regulaciones estatales que apuntan a que quienes depositan su dinero lo puedan rescatar. Para ello se establecen normas respecto a qui\u00e9n se puede prestar dinero, estimando la probabilidad que lo devuelva en funci\u00f3n de analizar la historia crediticia en el mercado financiero y en el mismo banco. Es decir, hay personas a las que les es denegado el pr\u00e9stamo. Este es el \u00fanico caso donde las entidades bancarias est\u00e1n obligadas a desarrollar modelos predictivos y en Argentina esta \u00e1rea est\u00e1 muy bien desarrollada.<\/p>\n

Un subproducto de la regulaci\u00f3n es el alto detalle de registraci\u00f3n de las transacciones financieras, lo que genera la materia prima para los an\u00e1lisis de datos. Esta disponibilidad de informaci\u00f3n se ha visto fuertemente aumentada en las \u00faltimas dos d\u00e9cadas con la adopci\u00f3n del dinero electr\u00f3nico, tarjetas de d\u00e9bito y cr\u00e9dito, pago electr\u00f3nico de servicios, acreditaci\u00f3n electr\u00f3nica de sueldos, transferencias electr\u00f3nicas, etc.<\/p>\n

Lo fundamental que una entidad financiera debe hacer es posicionar su marca, desarrollar productos y servicios, captar nuevos clientes y administrar la relaci\u00f3n con los clientes actuales de forma rentable a lo largo del tiempo, generando una buena experiencia.\u00a0 Esta es la sinton\u00eda gruesa.<\/p>\n

En Argentina, durante la crisis del a\u00f1o 2001 de devaluaci\u00f3n y pesificaci\u00f3n asim\u00e9trica, las personas se agolpaban diariamente frente a los bancos demandando la devoluci\u00f3n de sus ahorros. Esta imagen negativa de los bancos comenz\u00f3, con gran astucia, a ser revertida en el a\u00f1o 2003 cuando algunos bancos comenzaron a ofrecer descuentos por compras con tarjeta de cr\u00e9dito. Acciones de marketing masivo, posicionamiento y cobranding con cadenas de electrodom\u00e9sticos, supermercados, shopping centers, aerol\u00edneas, cines (y no el marketing directo ni el data mining) revirtieron la imagen negativa y dieron gran ventaja competitiva a los primeros bancos que siguieron esta estrategia.<\/p>\n

M\u00e1s all\u00e1 de la obligaci\u00f3n de desarrollo de modelos predictivos para riesgo crediticio, gran porcentaje de entidades bancarias funcionan normalmente y de forma sostenible en Argentina\u00a0 y en el mundo sin nunca haber llevado a cabo campa\u00f1as de marketing directo ni data mining.<\/p>\n

Sin embargo, dado que el data mining y marketing directo son \u00fatiles para optimizar la rentabilidad de la relaci\u00f3n con los clientes y ayudar a entender necesidades de nuevos productos y servicios,\u00a0 las entidades que lo utilizan adecuadamente tienen una ventaja competitiva,\u00a0 siempre en la medida que adem\u00e1s tengan un buen posicionamiento de su marca y ofrezca a sus clientes una buena experiencia.\u00a0 El data mining funciona como una especie de sinton\u00eda fina.<\/p>\n

Como ejemplo concreto de sinton\u00eda gruesa versus fina, tomemos dos bancos de primera l\u00ednea que operan en Argentina (a nivel mundial est\u00e1n entre la d\u00e9cima y decimonovena posici\u00f3n) en campa\u00f1as de venta de tarjeta de cr\u00e9dito a mercado abierto. Ambas tarjetas son muy similares en cuanto a sus caracter\u00edsticas y beneficios. Luego de hacer data mining sobre campa\u00f1as hist\u00f3ricas, efectuando las ventas el mismo call center externo con los mismos operadores telef\u00f3nicos, siendo el \u00fanico est\u00edmulo un llamado en fr\u00edo, el mismo cuatrimestre del a\u00f1o 2011,\u00a0 un banco ten\u00eda un \u00edndice de venta tres veces mayor que el otro sobre contacto efectivo.\u00a0 Esta diferencia estaba dada por la diferencia en la percepci\u00f3n de marca que los prospectos ten\u00edan entre un banco y otro, ya que el marketing hab\u00eda logrado imponer en la mente de esos prospectos que los beneficios de un banco eran superiores al otro y la experiencia del cliente iba a ser superior.\u00a0 Esto se hab\u00eda logrado b\u00e1sicamente porque el banco m\u00e1s exitoso hab\u00eda comenzado 4 a\u00f1os antes a ofrecer descuentos en sus tarjetas de cr\u00e9dito y hab\u00eda invertido sensiblemente m\u00e1s dinero en publicidad, adem\u00e1s de cuadruplicar en cantidad de clientes al otro a 2011.\u00a0 En el caso concreto de estos bancos, \u00a1ambos ten\u00edan la misma cantidad de clientes en el a\u00f1o 2002!<\/p>\n

Volvamos a la pregunta inicial del art\u00edculo: \u00bfde d\u00f3nde surge la diferencia de 30.000 campa\u00f1as anuales de Capital One a las 500 del banco l\u00edder de Argentina ?\u00a0\u00a0 La profundidad y calidad de informaci\u00f3n disponible es comparable entre ambos mercados.\u00a0 La capacidad t\u00e9cnica de realizar modelos predictivos es tambi\u00e9n comparable, ya que se dispone de la misma tecnolog\u00eda en hardware y software.<\/p>\n

La diferencia radica en un abismo cultural en la pr\u00e1ctica del marketing directo en las empresas, dado que el data mining extrae resultados de experimentos pero no los genera.<\/p>\n

Si se realizan campa\u00f1as experimentales en donde se prueban distintos canales de comunicaci\u00f3n, con distintos mensajes, distintas piezas de marketing directo, distintos speech de ventas en telemarketing y distintos atributos del producto\/servicio ofrecido,\u00a0 entonces los modelos predictivos permiten establecer la combinaci\u00f3n \u00f3ptima de lo que se prob\u00f3 a ofrecer a cada nuevo cliente.<\/p>\n

Lo anterior demanda cierto esfuerzo y coordinaci\u00f3n, dado que ya no alcanza con enviar el mismo folleto o sobre a decenas de miles de prospectos. Se deben confeccionar m\u00faltiples combinaciones, redactar m\u00faltiples cartas y mostrar el mismo producto o servicio de distintas formas. Adem\u00e1s esos experimentos deben registrarse adecuadamente, se deben poder contestar preguntas,\u00a0 por ej. si el cliente que compr\u00f3 respondi\u00f3 al est\u00edmulo de la pieza de marketing y realiz\u00f3 un llamado entrante, o fue necesario efectuar un llamado telef\u00f3nico saliente desde el banco para lograr la venta.<\/p>\n

Si no se pudo vender a una persona, \u00bffue porque el est\u00edmulo no le lleg\u00f3 o\u00a0 s\u00ed le lleg\u00f3 pero no le interes\u00f3?<\/p>\n

Si solamente se ha enviando un mismo folleto por correo en campa\u00f1as anteriores, el data mining es muy \u00fatil para determinar la probabilidad que tiene un nuevo prospecto de comprar el mismo producto ante el mismo est\u00edmulo.\u00a0 No es posible utilizar data mining para determinar c\u00f3mo reaccionar\u00e1 un nuevo prospecto ante un nuevo folleto nunca testeado.\u00a0 Si todas nuestras campa\u00f1as anteriores ofreciendo tarjeta de cr\u00e9dito fueron a personas en relaci\u00f3n de dependencia, el data mining aplicado a esos datos hist\u00f3ricos no puede determinar el \u00edndice de venta que se obtendr\u00e1 con el mismo est\u00edmulo pero a una base de datos de monotributistas.<\/p>\n

Ciertamente puede suceder que la respuesta a un nuevo folleto o en una nueva base sea muy similar a la anterior, pero justamente el juego es encontrar est\u00edmulos y segmentos que reaccionen distinto.<\/p>\n

La \u00fanica forma de ir optimizando la comunicaci\u00f3n y aumentando la efectividad de las campa\u00f1as orientando la comunicaci\u00f3n al ideal de la personalizaci\u00f3n total, hacia el marketing uno a uno, es mediante la continua experimentaci\u00f3n.<\/p>\n

A\u00fan existe en Argentina una cultura muy arraigada de HiPPO<\/i> (Highest Paid Person Opinion<\/i>) por sobre la cultura de la experimentaci\u00f3n, en donde la opini\u00f3n de la persona de mayor rango y mejor paga, generalmente de mayor experiencia, no da a lugar a la realizaci\u00f3n de experimentos, aunque sean a peque\u00f1a escala, en donde por medio de prueba y error controlados se descubran combinaciones m\u00e1s efectivas que las actuales, tendientes a comunicarse y estimular a los clientes para aumentar la rentabilidad.<\/p>\n

Para aprovechar la tremenda oportunidad del marketing directo y data mining en el mercado financiero de Argentina a\u00fan hace falta un cambio de cultura en la alta gerencia, y pasar de frases que se escuchan en los pasillos, del estilo \u201chay que pegar fuerte y al centro\u201d, a desarrollar todo el ecosistema que necesita la experimentaci\u00f3n continua a fin de llegar a una gran capilaridad. No es suficiente con contratar personas para analytics<\/i>, hace falta reforzar y sofisticar los canales y el marketing directo.<\/p>\n","protected":false},"excerpt":{"rendered":"

Para aprovechar la tremenda oportunidad del marketing directo y data mining en el mercado financiero de Argentina a\u00fan hace falta un cambio de cultura en la alta gerencia, y pasar de frases que se escuchan en los pasillos, del estilo \u201chay que pegar fuerte y al centro\u201d, a desarrollar todo el ecosistema que necesita la experimentaci\u00f3n continua a fin de llegar a una gran capilaridad.<\/p>\n","protected":false},"author":1,"featured_media":33,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[3],"tags":[],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/47"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=47"}],"version-history":[{"count":3,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/47\/revisions"}],"predecessor-version":[{"id":63,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/47\/revisions\/63"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/33"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=47"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=47"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=47"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}