Scoring: Construcción y Aplicación

Transcripción

1 Scoring: Construcción y Aplicación Agosto de Experian Information Solutions, Inc. All rights reserved. Experian and the marks used herein are service marks or registered trademarks of Experian Information Solutions, Inc. Other product and company names mentioned herein are the trademarks of their respective owners. No part of this copyrighted work may be reproduced, modified, or distributed in any form or manner without the prior written permission of Experian. Experian Public.

2 Contenido 1 Que es Experian y DA? 2 Que es un Score? 3 Ejemplos y Aplicación 4 Visión

4 Experian - Nuestra presencia en el mundo

5 Experian - Clientes en más de 60 países en más de 30 oficinas en diferentes países

6 Decision Analytics Spanish Latam Nuestras cuatro líneas de negocio Credit Services Mantenimiento y Gestión de Bases para uso de nuestros clientes. Decision Analytics Generador de valor de las bases de datos de Bureau o internas de clientes apoyado en técnicas analíticas, consultoría y software. Marketing Services Proporciona datos, análisis y gestión de campañas para aumento de ingresos y lealtad del cliente. Consumer Services Monitoreo de crédito, protección contra el fraude y gestión de la identidad de los consumidores.

7 Decision Analytics Spanish Latam Cómo nos relacionamos en DA? Data Experian gestiona una amplitud sin igual con profundidad de datos para ayudar a los clientes a obtener un amplio conocimiento de las personas, las empresas y los mercados. Data Inteligence Ayudamos a los clientes a capturar y optimizar sus propios datos, conectar con otras fuentes de datos valiosos, y tornar ambos conjuntos de información en datos relevantes y decisiones pertinentes. Analytics Aplicando técnicas de scoring, modelos analíticos y software, ayudamos a los clientes a tener una imagen enriquecida de lo que está sucediendo en el mercado y predecir eficientemente las necesidades de sus clientes, preferencias, riesgo y comportamientos futuros. Plataformas Nuestras plataformas permiten a nuestros clientes gestionar datos, definir estrategias de toma de decisión, establecer flujo de trabajo, comunicar y generar reportes. Esta plataforma ayuda a entender o comprar nuestros productos. Consultoría Tenemos expertos de dominio en temas e industria. Trabajamos con los clientes, combinando información y realizando análisis expertos apoyados en casos del mundo real para una mejor toma de decisiones. Red Global Damos servicio a nuestros clientes desde una extensa red de oficinas alrededor del mundo. Esto nos permite apoyar y servir a los clientes desde todas los frentes posibles con capacidades globales y empresariales a gran escala.

8 Analytics - Beneficios en el Ciclo de Vida de los Clientes

9 Analytics - Experiencia Modelos Tipo 1, Tipo 5, Información Interna, Información Externa Genéricos Medida Acierta +, A, Microcrédito, 360 Evidente + Cobranzas Endeudamiento Score PJ Never Pay Reconocer Quanto Enfoque en Riesgo Enfoque en Mercadeo Basilea (PI LGD) Originación Mantenimiento Cobranzas Ingresos Clusterización Propensión Attrition - Churn

10 Contenido 1 Que es Experian y DA? 2 Que es un Score? 3 Ejemplos y Aplicación 4 Que es un Score?

11 Qué es un Score? Un score es un modelo estadístico que permite calificar clientes en función de una variable respuesta. Toda población tiene diferencias enmarcadas en patrones estadísticos. Utilizando estas tecnologías es posible diferenciar entre varios de tipos de individuos. Nuestra gestión de riesgo permite identificar puntos de decisión para tomar decisiones bivaridas. Un score de originación permite calificar clientes en función de su probabilidad de incumplimiento.

12 Score de Originación - Generalidades Las personas presentan comportamientos reiterativos, es decir que sus acciones futuras serán similares a sus acciones pasadas Se estudia el comportamiento de los clientes buenos y los malos para identificar patrones de comportamiento Los patrones de comportamiento permiten asignar una calificación de riesgo que refleje la probabilidad de pago, utilizando la información actual e histórica

13 Score de Originación - Diseño de un modelo Análisis del comportamiento en una ventana t Corte Marca por segmento Experiencia Usos Cupos txc Tenencia de productos Demográficas Productos Bueno: Buen hábito de pago Malo: Mal hábito de pago Hábitos Mes -n Mes -2 Mes -1 Mes 0 Mes 1.n Objetivo Score o Probabilidad Generar un modelo que prediga un mal hábito de pago después de la originación. Se construye una fórmula matemática distinta por segmentos de clientes.

14 Proceso - Cómo trabajamos? 1 Propuesta 2 Preparación de los y Planeación datos y CRTS 3 Especificaciones del proyecto 6 Documentación 5 Modelamiento y Validación 4 Análisis Características 7 Implementación

15 Resultados - Términos Modelos Estadísticos En orden de tener un producto eficiente es importante asegurar la estabilidad, robustez y el desempeño de nuestro score, para esto, Experian busca asegurar ciertos principios: ODDS: razón de buenos entre malos. Punto de Corte: es el puntaje mínimo que presentan los clientes elegibles. Scorecard o Tabla de Puntuación: es la tabla que contiene los pesos otorgados a cada uno de los valores de las variables discriminatorias. Punto de Evaluación: punto en el tiempo en el evalúa el comportamiento del cliente. Periodo de Evaluación: periodo de tiempo que sigue al punto de observación para el cual se pronosticó el comportamiento del cliente. Punto de Observación: el valor de las variables en este punto del tiempo es la que se utiliza para predecir el comportamiento Rezago Histórico: el valor de las variables se ven afectadas por el comportamiento en este periodo de tiempo. Distribución: Participación de diversos tipologías de clientes, cosechas y comportamientos. Estabilidad: El modelo debe asegurar estabilidad en sus puntuaciones ante comportamientos estables de la población. De ahí la importancia de monitorear el perfil de la población. Volúmenes: Suficiencia en la cantidad de datos y clientes malos.

16 Resultados: lectura de un Score Grupos de información - Distribución del score A. Distribución del score para el total de la población, buenos, malos e Indeterminados: es la cantidad de población, de cada grupo de clientes, que se obtiene al dividir el score en cuantiles.

17 Resultados: lectura de un Score Grupos de información - Tasas respecto al total B. Tasas de Buenos, Malos e Indeterminados calculados para cada rango de score: es el porcentaje de cada grupo de clientes por rango de score respecto al total de clientes por rango.

18 Resultados: lectura de un Score Grupos de información - Tasas acumuladas C. La acumulación: es el porcentaje de clientes acumulado por rango en cada grupo de clientes. Define los porcentajes de aprobación y rechazo y el punto de corte en el score. En el caso de la tasa de malos, se espera un ordenamiento ascendente de los rangos más altos a los más bajos.

19 Resultados: lectura de un Score Grupos de información - Relaciones entre buenos y malos, Odds D. Relaciones entre buenos y malos, Odds: es la cantidad de clientes buenos por cada malo. Se espera un ordenamiento descendente de los rangos más altos a los más bajos.

20 Resultados: lectura de un Score Grupos de información - Estadísticos de discriminación o meddidas de desempeño E. Estadísticos de Discriminación o medidas de desempeño: permiten deducir la robustez y el poder de discriminación de los score.

21 Resultados: lectura de un Score Estadísticos y gráficos Qué es: máxima diferencia absoluta entre la distribución acumulada obtenida en una regresión logística binaria (Buenos y Malos, por ejemplo). Valores: este estadístico oscila entre 0 y 1 (o entre 0% y 100%) Interpretación: a mayor valor obtenido mejor poder discriminatorio se tiene en el modelo. Qué es: compara la cantidad acumulada de Buenos y Malos por banda (rango) de score. Valores: este estadístico oscila entre 0 y 1 (o entre 0% y 100%) Interpretación: un Coeficiente de Gini de 1 (o de 100%) indica discriminación perfecta del modelo.

22 Resultados- Estadísticos y gráficos Qué es: revisión del ordenamiento de los Odds y de la tasa de malos en la tabla de validación. Valores: se visualiza en un gráfico con dos curvas la primera calcula la relación de buenos a malos y el segundo es la tasa de cliente malos respecto al total. Interpretación: se espera que los Odds desciendan y que las tasas asciendan de los rangos altos a los rangos bajos. Qué es: la curva ROC se obtiene representando, para cada uno de los posibles puntos de corte, los pares de puntos (1 Especificidad, Sensibilidad). Valores: 0,5-1 (simétrico), indica el área bajo la curva. Interpretación: el modelo perfecto corresponde a un área igual a 1, y el peor un área igual a 0.5.

23 Contenido 1 Que es Experian y DA? 2 Que es un Score? 3 Resultados 4 Visión

24 Resultados - Ejemplos Modelos de Originación Experian Genéricos Académico KS: 25% - 30% AciertaA FINANCIERO COL KS: 39% AciertATELCO COL KS: 41% PredictaFINANCIERO PER KS: 58% AciertaTDC VEN KS: 48% VantageFINANCIERO US KS: 65% DelphiFINANCIERO UK DelphiTELCO UK KS:41%* KS:49%* A la Medida Académico KS: 25% - 30% FINANCIERAHIT MEX KS: 29% FINANCIERANOHIT MEX KS: 19% FINANCIERAVEH MEX KS: 35% FINANCIERAHIP CHI KS: 55% FINANCIERACON CHI KS: 44% FINANCIERAHIP CHI KS: 28% FINANCIERA VEH COL KS: 52% TELCO PER KS: 29% * Se presenta KS aproximados, basado en valores Ginni enviados por UK.

25 Resultados - Cómo se mantiene un Score? Periodicidad Construido un score se debe evaluar periódicamente a través de tablas de validación. Es complementado en algunos casos, con Indicadores de Estabilidad de Población y Análisis de Cosechas. Los resultados de este diagnostico indicará tres resultados: 1. Se mantiene igual 2. Calibrarlo 3. Redesarrollo Calibración Redesarrollo Proceso en el que, con las mismas características usadas en el desarrollo y con información actualizada, se obtienen nuevos pesos para las variables explicativas, con el fin de ajustar el Score. Si con la calibración no se logra el ajuste esperado, es necesario, además de usar información actualizada, utilizar nuevas características y nuevos segmentos, para poder explicar mejor el comportamiento de los clientes en el mercado.

26 TOTAL Buenos Malos Acum Nodo Dist Int % Col %Acum Dist. Int % Int. %Acum Dist. Int % Int. %Acum KS % Malos Odds Odds 1 5, % 100.0% 5, % 100.0% % 100.0% 0.0% 1.1% , % 85.8% 1, % 83.6% % 98.9% 15.3% 1.2% , % 80.9% 1, % 77.9% % 98.4% 20.4% 1.5% , % 77.9% 1, % 74.6% % 97.7% 23.2% 1.7% % 75.2% % 71.5% % 97.1% 25.6% 1.8% , % 73.5% 1, % 69.6% % 96.7% 27.1% 2.0% , % 70.2% 1, % 66.0% % 95.8% 29.8% 2.2% , % 67.3% 1, % 62.7% % 94.9% 32.2% 2.4% , % 64.4% % 59.5% % 94.0% 34.5% 2.7% % 61.9% % 56.8% % 92.8% 36.0% 3.0% , % 59.6% 1, % 54.3% % 91.5% 37.2% 3.4% % 56.6% 1, % 51.0% % 89.8% 38.8% 3.7% % 53.6% % 47.9% % 88.1% 40.2% 3.9% % 51.8% 1, % 45.9% % 86.9% 41.0% 4.3% % 48.6% % 42.6% % 84.6% 41.9% 4.5% % 46.6% 1, % 40.5% % 83.0% 42.5% 5.0% % 43.4% % 37.2% % 80.3% 43.0% 5.2% % 41.5% % 35.3% % 78.5% 43.2% 5.5% % 39.7% % 33.5% % 76.8% 43.3% 5.8% % 37.8% % 31.7% % 74.6% 42.9% 6.3% % 35.3% % 29.3% % 71.6% 42.3% 6.6% % 33.6% % 27.6% % 69.2% 41.6% 7.0% % 31.8% % 26.0% % 66.8% 40.8% 7.4% % 29.4% % 23.8% % 63.3% 39.5% 8.0% % 26.4% 1, % 21.0% % 58.7% 37.7% 8.7% % 22.9% % 17.9% % 53.0% 35.1% 9.2% % 20.8% % 16.0% % 49.2% 33.2% 9.7% % 18.2% 1, % 13.9% % 44.4% 30.6% 10.8% % 13.8% % 10.3% % 35.1% 24.9% 11.5% % 10.6% % 7.7% % 28.1% 20.4% 12.5% % 7.3% 1, % 5.3% % 19.1% 13.8% 14.1% % 1.2% % 1.0% % 2.3% 1.3% 14.3% % 0.1% % 0.1% 0 0.0% 0.2% 0.1% 14.3% % 0.1% % 0.1% % 0.2% 0.1% 14.3% Total 40, % 0.0% 34, % 0.0% 5, % 0.0% 43.3% 0.0% 6.0 Aplicación del Score - Fases de la aplicación Identificación de la base de trabajo. Filtros duros de la entidad y sugeridos. Entendimiento de la población, lectura de tendencias. Backtest y caso de negocio con el score. 4 ÁRBOL DE DECISIÓN Acum 5 6 Desarrollo de una segmentación, incorporando el score. Backtest y caso de negocio de la segmentación. Se genera un ejercicio de rescate para los clientes rechazados apoyado en un caso de negocio.

28 Proceso - Ciclo de Innovación Key focus: INNOVACIÓN Investigación y desarrollo Compromisos personalizados con los clientes Venta consultiva Centro de información ESTANDARIZACIÓN Key focus: Estandarizar proposición de mercado, reportes y precios Fortalece ventas, entregas y canales de soporte Estandariza productos y procesos AUTOMATIZACIÓN Key focus: Incremento de línea de ingresos y rentabilidad a través de: Ventas escalonadas de oportunidades de mercado a largo plazo Modelos eficientes de mantenimiento, entrega y soporte Soluciones y procesos automáticos

29 Advanced Analytics Modelos No bancarizados Big Data Visión Analytics Automodel Big Data Basilea II y III Real Time Score Trend view Set de Características Score Psicotécnicos Corresponsales Redes Sociales Microanalytics Air Time in Advance MicroCredit Sistemas Hadoop Computación Paralela Random Forest Métodos Exhaustivos en búsqueda de Modelos Data No estructurada Algoritmos Genéticos y Adaptativos

30 2014 Experian Information Solutions, Inc. All rights reserved. Experian and the marks used herein are service marks or registered trademarks of Experian Information Solutions, Inc. Other product and company names mentioned herein are the trademarks of their respective owners. No part of this copyrighted work may be reproduced, modified, or distributed in any form or manner without the prior written permission of Experian. Experian Public.