DataMarketing y su impacto en la Gestión de Recuperación

Transcripción

1 Kenneth Mendiwelson Presidente Refinancia S.A. DataMarketing y su impacto en la Gestión de Recuperación Conversatorio Líderes de Cobranza Bogotá, septiembre 21 de 2011

2 Mensajes Principales: Nos cambió el mundo! La capacidad de conocer al cliente está evolucionando de manera exponencial por el uso de la Data Masiva y se está convirtiendo en una fuente de diferenciación en productividad que requiere de capacidades sofisticadas En la industria de la recuperación de cartera castigada se perciben una serie de implicaciones y cambios de paradigmas: nuestra industria va a ser diferente Esta evolución va a exigir que tomemos decisiones frente a nuestro negocio 2

3 Metodologías para conocer al Cliente En el mundo de la investigación de mercados, existe una gran variedad de metodologías para desarrollar conocimiento sobre el comportamiento del cliente Menor uso de Data Masiva Mayor uso de Data Masiva EJEMPLOS Investigaciones Cualitativas Focus groups Entrevistas a profundidad Emociorama Etnorama Open group Investigaciones Mixtas Sondeos Encuestas Conjoint Analysis Investigaciones Cuantitativas Minería de datos / Analytics Database marketing Mass marketing Observa pequeños grupos para inferir comportamientos Utiliza mecanismos de captura de datos en muestras de poblaciones para medir opinión y/o valor en atributos de productos Utiliza data de universos capturada en grandes repositorios e implementa herramientas estadísticas para desarrollar conocimiento 3

4 Impacto del uso de la Data Masiva en las Industrias Existen algunas industrias que son grandes generadoras de datos; algunas están aprovechando esta información para construir ventajas competitivas y capturar valor a través de Data-Marketing Mejoras en Productividad Banca Retail Servicios Públicos Seguros Pensiones Productos electrónicos Industria de la información La industria de la recuperación de crédito es un alto generador de data transaccional y de localización Sin embargo, aún no se evidencian mejoras sustanciales en la productividad ni en la sofisticación en la utilización de datos Uso intensivo de data Fuente: McKinsey Global Institute; Big Data; mayo

5 Requerimientos e implicaciones del uso de Data Masiva La captura de los beneficios que permite el uso de data masiva requiere enfoque en dos frentes Talento Tecnología Criterio / Experiencia Capacidad de experimentación Actitud innovadora frente a modelos de negocio, productos y servicios Habilidades analíticas sofisticadas Grandes repositorios (data warehouse) Automatización de algoritmos Implicaciones Alto costo Alta necesidad de inversión Paciencia en la generación de datos útiles El uso de data es una decisión estratégica de alto riesgo no puede ser a medias! 5

6 Cambios en los fundamentos del negocio en la Recuperación de Cartera El uso de data masiva resulta en cambios de paradigmas en la industria de recuperación Antes (Transacciones) Ahora (Relaciones) 1 Cartera de Deudores Portafolio de clientes 2 Políticas de Cobranza Estrategias de Gestión 3 Base de Asignación Segmentos Diferenciados Los cambios en paradigmas requieren de una óptica de Gestión distinta por parte de los dueños de la cartera (ej: Bancos) y de los operadores especializados (Servicer) 6

7 Portafolio de Clientes La óptica de Portafolio permite tener una visión largo plazista sobre los clientes que lo componen y capturar data hasta el final del ciclo de crédito Qué es un Portafolio? Es una agrupación de activos Está diversificado Tiene una expectativa de recaudo / rentabilidad ajustada al riesgo Es predecible con volatilidad controlada Tiene una vida útil determinada Cómo es la vida de un Portafolio? Ejemplo: Recaudo Mensual de Portafolio de Cartera Vencida Recaudo/mes ($) Tiempo (años) Diferencias en la Gestión de Recuperación Óptica Cartera : Asignación de corta vida al operador Rotación sucesiva entre casas de cobranzas Incita a no conocer al cliente Óptica Portafolio : Entrega en administración Largo Plazista al servicer Permite la implementación de estrategias distintas durante la vida del portafolio Permite entendimiento profundo de los deudores/clientes Captura data relevante para el análisis de riesgo y cosechas 7

8 Estrategias en la Gestión de Portafolio Una visión largo plazista permite profundizar en el conocimiento del cliente e intervenir en poblaciones con distintos horizontes esperados EJEMPLO Estrategias Herramientas Recaudo/mes ($) Etapa I Etapa II Etapa III Conocimiento inicial de portafolio Construcción de flujo Ofertas estándar de producto Pilotos iniciales Pruebas de vocabulario y tono Asignación priorizada Estabilización de recaudo Conocimiento profundo Refuerzo de capacidades Segmentación especializada con oferta de valor diferenciada Niveles avanzados de localización Descreme y rentabilización Captura de casos que requerían espera Condonación enfocada Producto flexible para casos complejos Resegmentación Control de costo asignado Tiempo (años) En cada etapa se está capturando data y analizando sus implicaciones Los modelos predictivos se enriquecen con la info que se genera permanentemente Este conocimiento se puede utilizar en la originación si existe coordinación entre el servicer y el propietario de la cartera 8

9 Segmentación y Diferenciación Una segmentación avanzada requiere de administrar un gran volumen de datos históricos representativos y de la habilidad de actuar sobre los segmentos definidos Variables críticas para Segmentación (ejemplo) Acciones Posibles Portafolio Obligaciones Demográficas De Mercado Saldo promedio Mora promedio Rangos de saldos Rangos altura de mora Tipo de producto de crédito Capacidad del originador Edad Sexo Educación Situación laboral Comportamiento en el sector Comportamiento en negociación Facilidad de localización Diseñar metas en función de la recuperación Establecer especialización ideal de los agentes Definir incentivos diferenciados Diseñar productos y canales a la medida Usar la condonación de manera diferenciada y eficiente Determinar el momento ideal para buscar un cierre Ejecutar campañas y estímulos bajo ambientes controlados 9

10 Impacto de una segmentación fundamentada en datos Índice de Productividad (No segmentado = 100) Después de un año de segmentar Después de un semestre de segmentar No Segmentado Altos +508% Medios +628% Bajos +455% Saldos Menores +385% Fuente: Experiencia Refinancia S.A. 10

11 Implicaciones en la Industria En el corto plazo se va a vivir un gran cambio en los comportamientos de los principales jugadores de la industria Bancos (Dueños de Cartera) Servicers (Operadores de cartera) Necesidades Relaciones de confianza con los proveedores fundamentadas en: Compartir data de manera legal Integrar procesos Cumplir necesidades de control Atención al trato del cliente y el impacto reputacional Conocimiento granular sobre el comportamiento de pago Altas inversiones en tecnología que permita tramitar volúmenes importantes de data Construcción de equipos de talla mundial con alta capacidad analítica y de ejecución Diseño de procedimientos estandarizados y automatizados Implicaciones Altos filtros en la selección de proveedores / aliados en la administración de cartera Procesos formales y controlados de gestión acordados con el Banco Diseño de estructuras ordenadas para compartir data Capacidades internas para administrar relaciones de alianza Cambio en estructura de fees Construcción de escala que permita absorber los costos / inversiones requeridas Entrenamiento e implementación de prácticas de talla mundial Formalización y sofisticación de la industria Alto nivel de especialización 11

12 Alternativas para los Operadores de Cartera Los Operadores actuales van a tener que escoger qué tipo de jugador quieren / pueden ser Oferta de Valor Jugadores de Nicho Alta especialización en un tema muy específico (ej.: moras tempranas de créditos de vehículo de un originador) Jugadores de Tamaño Alta sofisticación aplicable al manejo de clientes masivos de una gama amplia de originadores Características Pocos clientes Rentabilidad fundamentada en la capacidad de demostrar especialización Grandes inversiones que resultan en capacidades de ejecución Rentabilidad fundamentada en la escala Lideran cambios fundamentales en la industria Esta es una evolución natural de las industrias en la medida en que se sofistican (ej.: Fondos de Pensiones, Banca) 12

13 Expectativas a Futuro En los próximos años vamos a vivir una transformación radical; el habilitador es el uso de data masiva PARA DISCUSIÓN Hacia adelante Consolidación de principales jugadores Construcción de relaciones entre Bancos y Servicers de outsourcing en la administración de portafolio Ejecución de inversiones sustanciales en equipos y tecnologías Extinción de jugadores que no evolucionen Fusiones y adquisiciones buscando consolidar relaciones y capacidades Apoyo de los grandes jugadores en la bancarización del país Madurez de la industria Evolución en la frontera de productividad por nuevas tecnologías Expansión a otros negocios / mercados relacionados Cree usted que esto pueda suceder? 13

14 MUCHAS GRACIAS Kenneth Mendiwelson Refinancia S.A. 14