Inglaterra e Irlanda España y. Centro y Sur América Brasil, Argentina, Chile, Perú, Uruguay, Paraguay, Ecuador, El Salvador, Honduras y Costa Rica

Transcripción

1 Quiénes somos: Analytics - Equifax Norte América USA 1899 Canadá Europa Inglaterra e Irlanda España y Portugal Asia Rusia India Centro y Sur América Brasil, Argentina, Chile, Perú, Uruguay, Paraguay, Ecuador, El Salvador, Honduras y Costa Rica

2 Business Analytics Técnicas estadísticas para la potenciación de los procesos de negocio. Una visión sobre la originación y administración de cuentas.

3 Qué vamos a ver hoy? Business Analytics Credit Scoring Técnicas Estadísticas Problemas metodológicos Los 10 errores más comunes en Business Analytics

4 Business Analytics Negocios Business Analytics Estadística Tecnología y Datos

5 Business Analytics Es la práctica de la exploración metódica e iterativa de los datos de una organización, con énfasis en el análisis estadístico, utilizado por compañías comprometidas con la toma de decisiones guiada por la información que reside en los datos. [*] [*]

6 Ciclo de vida del cliente Recuperación Captación Gestión Originación

7 Credit Scoring Recuperación Captación Gestión Originación

8 Credit Scoring Es una expresión numérica obtenida estadísticamente que expresa la solvencia crediticia de una persona. Se utiliza por acreedores para evaluar la verosimilitud de que la persona cumpla con los compromisos de pago asumidos. Un credit score se basa, entre otras cosas, en la historia de comportamiento crediticio de la persona.[*] [*]

9 Información Negativa Población Existencia de Información Existe (hit) No Existe (no hit) Volumen de Transacciones Ninguna Bajo Alto Comportamiento histórico i Indeter minado Comp No Deseado

10 Información Positiva Población Existencia de Información Existe (hit) No Existe (no hit) Volumen de Transacciones Ninguna Bajo Alto Comportamiento histórico i Comp Deseado Comp No Desado Comp Deseado Comp No Deseado

11 Técnicas Estadísticas

12

13 Técnicas Estadísticas Regresión Árboles de Decisión K vecinos más cercanos Redes Neuronales

14 Regresiones

15 Regresiones - ejemplo Individuo edad consfnb inc y= Score Pablo Julio Diego Matilde

16

17 Segmentación ejemplo Score 2.0 Tabla de Performance de Score de Riesgo Score Total % Total Comp. Deseado % Comp. Deseado Comp. No Deseado % Comp. No Deseado Prob. Comp. No Deseado Total

18 Árboles de Decisión

19 Árboles de Decisión Población total Edad >24 Edad <= 24 NSE alto NSE bajo No Hit Hit 3% 15% A Sin Incumpl Con Incumpl D Sin Incumpl Con Incumpl 10% 75% C E 5% 80% B F

20 Segmentación Árbol de decisión Tabla de Performance del Árbol de Decisión Score Total % Total Comp. Deseado % Comp. Deseado Comp. No Deseado % Comp. No Deseado Prob. Comp. No Deseado A B C D E F Total

21 Otras técnicas K vecinos más cercanos Redes Neuronales

22 K vecinos más cercanos

23 Redes neuronales [*]

24 Lo posible no siempre es lo mejor Interpretabilidad Árboles de decisión Regresiones K - vecinos más cercanos Redes neuronales Precisión

25 Hasta acá vimos Business Analytics Evaluación Validación Problemas de Negocio Ej: Credit Scoring Modelización Segmentación Definición correcta de Preguntas Tratamiento Previo de los Datos Información de Valor Decisiones de Negocio Selección de Técnicas Estadísticas Muestreo

26

27 Problemas metodológicos

28 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

29 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

30 Definición del problema Medida de desempeño Comportamiento deseado Comportamiento no deseado (atraso 30, 60, 90 días) Indeterminados Ventana de desempeño 1 año? 2 años? Exclusiones por reglas de negocio Fecha de Observación +1 año +2 años Comportamiento histórico Ventana de desempeño

31 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

32 Tamaño de muestra Los diagnósticos de laboratorio [ ] son realizados en base a unas cuantas gotas de sangre. Este procedimiento está basado en la suposición ió de que, en el torrente t circulatorio, i la sangre está bien mezclada y que una gota cuenta la misma historia que otra [ ] pero cuando el material está lejos de ser uniforme, es crítico el método por el cual fue tomada la muestra [ ]. William Cochran [1] [1] Sampling Techniques. (1971). Pág. 19; edición en castellano. John Wiley & Sons, INC.

33 La Sorpresa en los Datos Variabilidad de lo os datos Más datos no agregan información Tamaño de Muestra

34 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

35 Desbalance y Falta de Información

36 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

37 La Capacidad de Generalización Alto Er rror de predic cción Muestra de validación Bajo Muestra de desarrollo overfitting Baja Complejidad Alta

38 Problemas metodológicos Definición del problema Tamaño de muestra Desbalance de los datos Medición del error Sesgo de dominio de los datos

39 Battle Tank example.

40 Sesgo de Dominio Ejemplo: Rechazados Población Aceptados Rechazados Comportamiento Deseado Comportamiento No Deseado Inferencia de Rechazados Champion Challenger Datos de Buró

41 Los 10 errores más comunes

42 Mal formulamiento inicial?

43 Mejor una respuesta aproximada a una pregunta correcta, que una respuesta exacta a una pregunta incorrecta.

44 Mal formulamiento inicial Muestra no aleatoria? 1,2,3... ra Mal balanceo de los datos Basura Basura asura Ba Basura Bas

45 Lo que no se hace es tan importante cómo lo que se hace.

46 Mal formulamiento inicial Muestra no aleatoria Mal balanceo de los datos Basura Basura asura Ba Basura Bas? 1,2,3... ra Bas Temprano con la computadora Escuchar sólo a los datos Considerar sólo una técnica Sobre ajuste

47 Desconfiar de modelos muy precisos.

48 Mal formulamiento inicial Muestra no aleatoria? 1,2,3... ra Mal balanceo de los datos Basura Basura asura Ba Basura Bas Temprano con la computadora Escuchar sólo a los datos Considerar sólo una técnica Sobre ajuste No validación Extrapolación inválida Train Test

49 Habíamos visto Business Analytics Evaluación Validación Problemas de Negocio Ej: Credit Scoring Modelización Segmentación Definición correcta de Preguntas Tratamiento Previo de los Datos Información de Valor Decisiones de Negocio Selección de Técnicas Estadísticas Muestreo

50 Finalmente vimos Business Analytics Evaluación Validación Problemas de Negocio Ej: Credit Scoring Modelización Segmentación Definición correcta de Preguntas Tratamiento Previo de los Datos Información de Valor Decisiones de Negocio Selección de Técnicas Estadísticas Muestreo

51 Nuestras acciones no son aleatorias, el desafío es aprender los patrones y explotarlos. Gracias The New Know. Innovation Powered by Analytics Thorton May, 2008