III JORNADAS DE DATA MINING

Transcripción

1 III JORNADAS DE DATA MINING EN EL MARCO DE LA MAESTRÍA EN DATA MINING DE LA UNIVERSIDAD AUSTRAL CASO DE ÉXITO STANDARD BANK Eduardo Donato Risk Manager del Standard Bank London. IAE - Pilar, 12 y 13 de agosto de 2008

2 La acción adecuada, al cliente indicado en el momento oportuno... Eduardo Donato Credit Risk Manager Standard Bank Nota: Ciertas cifras y ejemplos han sido modificados por un tema de confidencialidad. Objetivo Capturar, Potenciar y Retener a los mejores clientes Adquisición Seguimiento Mayor Ganancia Fuga Aun mas Ganancia Ganancia Ganancia Menor Costo Costo Tiempo Aumentado el Nivel de Respuesta Maximizando el Cross-Sell y Up-Sell Extendiendo la relación lo más posible

3 Contexto - Características del Mercado actual- Mercado extremadamente competitivo Incorporación de nuevos players Canales o puntos de contacto donde se ofrecen productos Nuevos lugares o formas de pago Plataformas de originación remota Tiempo de respuesta y disponibilidad horaria Target -Clientes - Rentabilidad Población s\ingresos Población s\monto Crédito Tasa de Interés (Margen) pocos grande bajo A, B, C1 C2, C3, D1 muchos chico alto

4 Enfoque MONITOREO SCORES DATOS ESTRATEGIAS Datos Fuentes - Bureau: Productos en el mercado Página Web Uso de promociones Pagos y depósitos realizados DATOS Bases Transaccionales Uso de tarjetas de crédito Movimientos en ATM s Llamados al Call Center

5 Datos Fuentes Transaccionales- Tarjetas de Crédito Trx.Mensuales = Tarjetas de Débito Trx.Mensuales = Total de trx Mensuales(Crédito + Débito) = Total Trx. Diarias = Los clientes aportan información positiva cada segundo vía las transacciones que realizan. Trx. Por Hora = Trx. Por Minuto = 71 Trx. Por Segundo = 1.2 Scores

6 Scores Pilares en el desarrollo de un score - DATOS PILARES Conocimiento Negocio/Problema Conocimientos Herramientas y Estadística Scores -Tipos - Riesgo Uso Respuesta Ingresos FUGA

7 Scores Poder predictivo - Curva de Efectividad de un Modelo Predictivo (ejemplo) 10% 30% 20% 54% 30% 71% 50% 91% Score de Attrition Definición Attrition (target): Reducción drástica (mayor al 90%) del consumo promedio del trimestre respecto al trimestre anterior. Sólo se aplica sobre tarjetas realmente activas, es decir que: a) tengan seis meses de antigüedad, sin atrasos. b) el consumo promedio del ultimo trimestre sea > $ No interesa retener a las que tengan atrasos. 2. Queremos retener a los mejores clientes por eso también miramos el riesgo que tienen. 3. No queremos que pequeños cambios en el consumo cambien la condición de attrition. 100% 90% 80% 88% 4. Si no se usa durante 3 meses seguidos (altamente correlacionado con la baja) ya es demasiado tarde para actuar (es reactivación, no retención). 5. Detectar la baja en el consumo (suceso anterior a la baja de la tarjeta), da mas tiempo para actuar. 70% 60% 50% 40% 30% 20% 10% 0% 12% attrition ok Attrition Tarjetas activas : 12%

8 Score de Attrition 15%Clientes 70% Attrition En el 15% del total el 70% de Attrition 10% 53% 15% 70% 20% 78% 100% Clientes 100% Attrition El modelo desarrollado con Clementine tiene un alto poder predictivo: actuando solo sobre el 15% de la cartera activa se logra accionar sobre el 70% del total de attrition Score de Attrition - Información de trx. - El uso de datos transaccionales permite aumentar el nivel predictivo de los modelos Laura Perez Consumos=1000 Paga servicios p/internet No consume restaurantes 30% supermercado Viaja dentro del país Laura Aguirre Consumos =1000 Paga Servicio p/debito Automático Consume en restaurantes en fin de semana 30% electrodomésticos Viaja al exterior

9 Estrategias Ciclo de Vida: Acciones Incentivación Beneficios Promociones Debitos Activación Beneficios Debitos Emisión Bienvenida Habilitacion INICIO 1 2 Fidelización Revisión Automática de línea CRECIMIENTO 3 Mes 3 Mes 6 4 Fidelizacion Beneficios Promociones 10 Mes 9 MADUREZ Renovación 5 7 Mes 12 TOP Mes 13 9 Fidelización Revisión Automática de Linea Promociones 6 8 DECLINACION Emisión 2- Activación 3, 9- Incentivación 4, 5, 6- Fidelización 7, 8- Retención 10,11 Reactivación Reactivación Beneficios Promociones Débitos Prevención Anti-Attrition Incentivación Promociones Debitos Tasas Prevención Anti-Attrition Reactivación Beneficios Promociones Débitos

10 Fidelización Revision de Línea en Tarjetas (ej.) Ejemplo Límites Se utilizó Clementine de SPSS para modelar e implementar el proceso de Up-grade de Limites

11 Ejemplo Límites Exclusiones - Ejemplo Límites Candidatos -

12 Ejemplo Límites Política - nse Valor Medio A $ B $ C1 $ C2 $ DE $ Ingresos Riesgo 1,0 MH 1,5 M 2,0 L 3,0 VL Unidades de negocio BD STAR NOSTAR Riesgo $ $ MH $ $ M $ $ L $ $ VL Unidad de negocio: Max RCI BD STAR NOSTAR Ingresos < B >=B Ejemplo Límites Incremento - % Incremento Riesgo 25 MH 30 M 40 L 50 VL Limite Visa Limite Calculado >=

13 Ejemplo Límites Análisis - Ejemplo Límites: Champion/Challenger Permite realizar experimentos controlados e implementar un proceso continuo de mejora de las estrategias Champion \ Challenger Estrategia Población Consumo Rentabilidad Mora Promedio Anual Champion 90% $ 724 2,2% $ 392 Challenger 10% $ % 2,3% 5% $ %

14 Beneficios del proceso en Clementine Rápido La implementación se realizó en muy poco tiempo Flexible Se pudo implementar sin problema la política de riesgo, los criterios de up grade, la tabla de visa, etc Gráfico Es muy fácil analizar gráficamente la información y los resultados Intuitivo La implementación resultante es interpretable por los diferentes usuarios que deben participar del proceso Dinámico Permite realizar rápidamente pruebas y simulaciones Auditable La especificación es directa, por lo tanto se puede auditar Automático Puede ejecutarse todos los meses en forma automática e inclusive generar el archivo en el formato VISA/MASTERCARD/ETC Estrategia Segmentación por Riesgo - Credit Bureau SCORE Internal SCORES Customer Risk Level ETAPA I ETAPA II Bureau Tasa de Veraz morosidad % M a lo s - T o ta l ,7% 4,6% 3,5% 2,6% 1,1% 0,6% 0,3% 0,2% 0,2% 0,2% 0,3% ,9% 5,6% 4,6% 3,7% 2,3% 1,1% 1,0% 0,1% 0,5% 0,8% 0,5% ,4% 6,7% 6,0% 3,5% 1,6% 1,1% 1,0% 0,6% 0,2% 0,3% 0,1% ,8% 7,0% 4,8% 3,4% 3,4% 2,8% 2,9% 3,2% 0,2% 0,1% 0,2% ,9% 10,9% 7,3% 4,5% 3,4% 3,3% 1,6% 2,7% 1,9% 0,6% 0,1% ,0% 12,1% 10,2% 7,5% 7,6% 1,7% 4,6% 1,5% 1,6% 1,6% 1,9% ,3% 19,7% 15,2% 10,1% 5,3% 7,7% 4,1% 2,8% 3,9% 2,1% 2,0% Total 2,6% Score Interno Segmentar el Portfolio por nivel de riesgo. Mantener actualizado el riesgo y monitorear la evolución del mismo. Clasificación de los niveles de riesgo: 90 + dpd in 18 month period Very Low Risk 0-1 % Low Risk % Medium Risk % Medium High Risk % High % Very High + 15 %

15 Estrategia Segmentación por Riesgo + Ingresos Clientes Riesgo # A B C1 C2 C3 D1 D2 E Total $ $ $ $ $ $ 750 $ 500 $ 200 VL L % 15% 20% 30% 5% 5% 4% 1% 100% M MH H VH Total Estrategias diferenciadas $ A Con tarjeta en el Mercado Sin tarjeta en el Mercado Estrategia - Valor Potencial - Valor Potencial: Esta dado por lo que el cliente hace conmigo, lo que hace en el mercado y lo que no hace pudiendo hacerlo. Mercado StandardBank Alto Medio Bajo Medio Alto 4 Proteger 3 Blindar e incentivar Bajo 1 2 Ignorar Conquistar

16 OTRAS ESTRATEGIAS EXCESOS RENOVACION COBRANZA ACTIVACION REACTIVACION RETENCION CROSS-SELL ETC Monitoreo

17 Vision 360 Scores Riesgo Uso Respuesta Attrition Ingresos Actuar Calibrar Comprender Tarjetas Crédito Débito Mercado Tablero de Control 1. CICLO DE VIDA: Stock, Altas, Bajas. Activación, consumo, antigüedad, attrition. 2. FORMAS DE UTILIZACION: Como: transaccional, cuotas, financiación. Donde: Rubros/Establecimientos. Cuando: Estacional, todos/algunos meses, hora, día, semana. Relación con Electrón. Relación con Mercado. 3. RIESGO: Mora 30, 60, 90. Migración de score.

18 Análisis de Cosecha Porcentaje de activación (Tarj Enero'04) 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% % Personas 46,0% 58,0% 73,0% 87,0% 89,0% 91,0% 91,5% 92,0% 92,0% 92,3% 92,4% 92,6% % B Direct 42,0% 46,0% 51,0% 59,0% 62,0% 64,0% 65,4% 66,2% 67,5% 69,0% 69,2% 69,7% Reporte de Perfomance Tablas de validación -

19 Bajas Rentas MONITOREO DATOS SCORES ESTRATEGIAS Distinto Target idéntico Approach Factores de Éxito en Bajas Rentas Una red de distribución capilar y de bajo costo. Flexibilidad para la implementación y cambio de políticas Revisión continua de la línea de crédito. Modelos Predictivos orientados a bajas rentas. Monitoreo y Testeo Permanente de Estrategias y Modelos

20 Red de distribución capilar y de bajo costo 1) Comercios, Supermercados, Estaciones de Servicios, Alianzas, etc. 2) Con un sistema descentralizado de gestión basado en una plataforma tecnológica que permita operar con un alto nivel de control a través de información centralizada y bajo costo. La Estrella Electrodomesticos Prospect: Captura de datos a bajo costo STD rechazar aprobar Credit Bureau Externo rechazar aprobar Log Internet Telemarketing Proceso Total 24hs

21 Flexibilidad p/cambio de políticas Flexibilidad para: Analizar datos de la solicitud, diferentes tipos de informes crediticios y bases propias. Ejecutar políticas diferentes para cada canal Aplicar Scores a Medida Testear estrategias antes de implementarlas Realizar experimentos champion/challenger Realizar cambios sin intervención de sistemas Revisión continua de la linea de Crédito Modelo de riesgo controlado INGRESOS LIMITE REVISION DEMOSTRADOS Relación Ingresos Semestral DECLARADOS Fijo/Bajo Trimestral

22 Scores Orientados a bajas rentas INFORME HIT Con bureau THIN Sin bureau Renta Media y Alta 85% 15% Bajas Rentas 30% 70% Perfiles diferentes SCORE a Medida Fuente de Información Originación Gestión Score Veraz + Solicitud (App. Score) Score Veraz + Comportamiento en el Producto Scores a medida: Mejor asignación de límites Mejor relación aceptación/riesgo Utilizan datos transaccionales Monitoreo continuo Monitoreo y Testeo Permanente Permite: Aprender rápidamente sobre este nuevo mercado Testear nuevas ideas Mantenerse altamente competitivos

23 Conclusiones Beneficios Asignarle a los datos el valor que realmente tienen. Intensificar el uso de herramientas predictivas que ayuden a tomar decisiones en todas las etapas. Consolidar la visión comercial y de riesgo en una sola: visión de negocio. Continuar trabajando en la segmentación de clientes. Diseñar estrategias considerando el ciclo de vida del producto y la necesidad del cliente. Monitorear SIEMPRE los resultados, manteniendo actualizados los indicadores de performance.