Tarjeta de Crédito

Problema:
La crisis económica mundial a fines de 2008 asustó al mercado, principalmente a las empresas que dan crédito. Ya se podría prever que las empresas estarían más recelosas a asumir riesgos en un año de inseguridades. Por otro lado, si no se hiciera nada, las áreas de Marketing y Ventas con certeza serían  afectadas.

Estrategia y Metodología:
A fines de 2008, cuando los análisis de tendencias empezaron a mostrar que realmente habría dificultades en cumplirse la meta de venta del producto de préstamos personales, los equipos de nuestro cliente, de un buró de crédito y de una empresa proveedora de tecnología se unieron en la búsqueda de una posible solución para el problema.

Usando la base de datos histórica del buró, enriquecida con informaciones del cliente, el área de desarrollo de modelos del buró ha creado modelos personalizados de predicción no solo del riesgo sino también de la propensión al consumo, usando técnicas combinadas de clusterización y regresión. Se crearon varios modelos y los probaron exhaustivamente  a través de los procedimientos del back testing creados por la empresa proveedora de tecnología, hasta la elección del modelo más eficiente, desde el punto de vista de la rentabilidad.

Reaccionar con rapidez era esencial y en febrero de 2009 todo el proceso de ventas había sido alterado para la nueva metodología, de modo a minimizar los impactos previstos.

Resultados:
La meta de ventas del año se ha cumplido, y el costo total de ventas ha sido alrededor de R$ 7 millones menor que o costo total que se tendría para vender la misma cantidad del producto, sin el uso del modelo. Este resultado ha sido calculado a partir de los grupos de control usados en cada acción.

La tasa de retorno ha tenido un incremento, medio, de 300% respecto a la tasa de retorno de la población de control.
Los primeros resultados permitieron que se mantuviera el nivel de venta de los préstamos personales durante todo el año, contrariamente a algunos concurrentes, que han desacelerado las ventas en el periodo.

Servicios de Crédito

Problema:
El Mercado financiero sufre grandes pérdidas por fraudes, principalmente por la Falsedad Ideológica / Fraud Application, o sea, fraudes con documentos falsos o de terceros. Todo el proceso de prevención tiene  un alto costo de chequeo, pues el proceso era manual y moroso.

Estrategia:
Realizar un gran número de validaciones de consistencia y veracidad de las informaciones durante el llenado de la propuesta, en conjunto con la validación de las informaciones da Receta Federal i burós externos, haciendo el proceso seguro y rápido.

Metodología:
El funcionario de la tienda, utilizando el sistema de llenado de las propuestas existentes, consulta un sistema on-line formado por:

1) Un banco de datos en gama baja – Windows / Intel – contiene todas las informaciones de los clientes y del  historial de propuestas;
2) Comparación inteligente de nombres y direcciones, utilizando porcentajes de proximidad entre los valores;
3) Mecanismos que permiten consultas a diversas bases internas o externas y a sitios en la internet;
4) Un mecanismo de decisión (decision engine), parametrizable por el  área de prevención al fraude, que hace la aplicación de las reglas de fraude e validación.
El funcionario recibe la respuesta del sistema entre 2 o 5 segundos después, con el resultado de las consistencias y de las validaciones de informaciones en los burós externos. Las propuestas con problemas no pasan por el procedimiento normal.

Se obtuvieron resultados tanto en la reducción de los fraudes como en la calidad de las informaciones recibidas. Cuando el sistema empezó a funcionar, observaron que 20% eran rechazadas por problemas de digitación del funcionario. Un esfuerzo por concienciar a los operadores resultó en una mejora sustancial en la calidad de las informaciones llenadas. Se evita una cantidad significativa de fraudes a través del sistema - 12% y 35% de las propuestas no más demandan presentación de comprobantes de domicilio y teléfono. Ahora es posible que el cliente reduzca el número de posiciones de análisis y de prevención, además del ahorro, que se consigue a través de los fraudes evitados.

Buró de Crédito

Problema:
Las informaciones de los bureaus son fundamentales para auxiliar en la concesión de crédito. Sin embargo solamente los retratos instantáneos, con restricciones, pueden ser perjudiciales para los consumidores, pues puede ser que no representen su comportamiento histórico habitual llevando a  conclusiones equivocadas en las evaluaciones, lo que limita las oportunidades de negocios.

Estrategia:
Organizar el acervo de informaciones sobre el comportamiento del consumidor, posibilitando la construcción de indicadores genéricos o personalizados para quien da el crédito, de modo a no perder esa riqueza de informaciones históricas.

Metodología:
Creación de un banco de datos en gama baja – Windows/Intel - con informaciones calificadas sobre 100 millones de individuos. Se construyeron scores genéricos de crédito, que representan el comportamiento histórico de las personas. Se construyeron también cerca de 100 variables, que están disponibles para la construcción de los scores personalizados por los que dan el crédito. Esto representó una ruptura de paradigma en el mercado, pues hasta el momento los burós no divulgaban las variables usadas en sus scores. Todos esos scores son recalculados diariamente e están disponibles a consultas on-line.

Nuestro cliente ha creado un nuevo negocio con la utilización de procesos basados en este banco de datos. Esta área creció rápidamente, empezando con un primer cliente experimental y evolucionando en poco tiempo para los actuales 30 clientes. Más de 50 fórmulas de scores personalizados ya han sido desarrolladas, usando las variables combinadas con los datos de cada institución. El primer cliente relata que con el auxilio de este proceso, ha conseguido en el primer año superar en 20% la meta de ventas de 2 millones de nuevos clientes y al mismo tiempo ha reducido las pérdidas de crédito por la mitad.

Operadora de Telecomunicaciones

Para las empresas de telefonía, atender a las demandas judiciales, regulatorias o de clientes para la reemisión de cuentas de teléfono antiguas es un proceso complejo. Nuestro cliente posee hoy una base de datos con más de 60 mil millones de registros que deben ser consolidados y combinados para reconstruir las cuentas. Además de demorar mucho y tener el costo elevado, el almacenamiento de archivos en cintas de back-up (copia de seguridad) es caro y depende del conocimiento específico de quien ha realizado el almacenamiento para la restauración y uso.

En búsqueda de una alternativa, el cliente ha contratado a Stone Age para desarrollar el Proyecto de Almacenamiento y Recuperación de Cuentas, un conjunto de bases de datos estructuradas con informaciones detalladas de cuentas telefónicas para atender no solo a las necesidades de almacenamiento y recuperación de información, sino también necesidades de análisis de datos más sofisticadas.

Utilizando el eXtreme IQ, la herramienta de calidad de datos y ETL desarrollada por Stone Age, ha sido posible realizar la recuperación de los archivos que representaban las líneas de cada cuenta telefónica de los últimos 10 años. Incluso los registros almacenados en cintas, cuyo formato era desconocido, han sido recuperados y aprovechados.

Enseguida, ha sido desarrollado un conjunto de bases de datos utilizando el sistema de gestión de bases de datos eXtreme. Estas bases, que contienen visiones diferenciadas de cada línea de cada cuenta telefónica de los últimos 10 años, permiten al almacenamiento compactado de la información, bien como el acceso, segmentación, filtro y recuperación eficiente de cualquier cuenta telefónica de este periodo.

Por fin, a través de la herramienta eXtreme OLAP los usuarios finales de la información pueden realizar no solo las recuperaciones de cuentas antiguas, sino también hacer análisis y tareas de Business Intelligence sobre un conjunto de informaciones que antes se juzgaba no solo perdido, sino imposible de trabajar debido al volumen.

Algunos beneficios:

Compresión del volumen original de 100 Terabytes para 9 Terabytes
Almacenamiento eficiente de más de 60 mil millones de registros
Ahorro de US$ 10 millones apenas en el costo de hardware
Eliminación  total del atraso en las recuperaciones de información (datos disponibles online)
Apertura de la posibilidad de estudios de BI sobre toda la base de dados
Recuperación de R$ 100 millones con proceso de recuperación de impuestos pagados
Retorno de la inversión de más de 1000%