Todo el potencial de la Minería de Datos para el análisis avanzado del cliente. Por: Willyam L. Alcalá

Transcripción

1 Todo el potencial de la Minería de Datos para el análisis avanzado del cliente Por: Willyam L. Alcalá

2 El análisis correcto El paso indicado La mejor decisión» Un solo lugar Todo el potencial de la Minería de Datos para el análisis avanzado del cliente Experiencia sobre la Minería de Datos para Riesgo de Crédito en Instituciones Financieras y el sector Retail.

3 El análisis correcto El paso indicado La mejor decisión» Un solo lugar Problemáticas: Millones de registros en varias plataformas de tecnológicas con información No segmentada para las siguientes necesidades. Generación de Información y elaboración de modelos de Provisiones bajo SARC SFC. Generación de Reportes a la SFC y Juntas Directivas. Elaboración de modelo de Provisiones bajo IFR s NIIF. Elaboración pre aprobados de crédito para el sector retail.

4 Proyectos Estas labores tienen un esfuerzo significativo en la manipulación de bases de datos de más de 10 millones de registros, dando como resultado información que permita la administración del riesgo de crédito encaminado a la reducción en la exposición no deseada, optimización de las colocaciones y en el futuro mediato atender los requerimientos del regulador. En la actualidad otras herramientas como el Excel son utilizadas para la manipulación y análisis de datos, sin embargo, se evidencian debilidades en cuanto a la agilidad, integridad de información, eficiencia, seguridad y oportunidad; dado que esta herramienta no está diseñada para soportar el volumen de datos que representan mas de 1 millón clientes en un análisis histórico donde por año se podrían procesar hasta 12 millones de registros. Por esto he venido trabajando con la herramienta para poder avanzar en los siguientes aspectos:

5 Seguimiento, Control y Segmentación de Clientes por Riesgo Llevar seguimiento sobre los créditos desembolsados y su evolución en el tiempo, para lo cual se llevan a cabo análisis de cosechas, en los cuales se toma evidencia del número y monto desembolsados cada mes, para identificar que a medida que maduran los créditos se presentan indicadores de cartera vencida, normalmente se incluyen los castigos dentro del indicador de cartera vencida. Se lleva a cabo una clasificación por riesgo, tanto por días de mora, como por los perfiles de clientes que con el tiempo permiten evidenciar una exposición relevante de riesgo, se pueden incluir variables como: regional, ocupación, antigüedad en la actividad, sector económico, entre otros.

6 Informe de punto default, es mediante el cual se agrupan las operaciones desembolsadas durante un periodo de tiempo y se busca identificar en cuál tramo de días de mora (1 a 30, 31 a 60, 61 a 90, etc.) la recuperación se hace muy difícil, y es a partir de este punto se permite evidenciar un deterioro cada vez mayor en el gasto de estas operaciones. Para identificar el punto default se hace mediante la construcción de matrices de transición, análisis de scoring, distinción de clientes buenos y malos.

7 Informe demográficos de los clientes para identificar la tendencia por cada una de las variables sociodemográfica de la cartera, sobre esta se establecen políticas de colocación y riesgo, resultando provechoso la incorporación de límites sectoriales, por región, de perfil, niveles económicos, etc. El informe de Mora 30+, se hace teniendo en cuenta los clientes que se desembolsan de un mismo periodo, a unos meses de maduración que normalmente es en el punto de default de cada producto, haciendo cuadros de resumen por variables sociodemográficas.

8 Recuperación y la Cobranza Tasa de rodamiento, para revisar qué sucede con los clientes clasificados en un tramo de mora de un mes a otro, de manera que se evidencia qué proporción pagan y disminuyen el número de pagos vencidos, reflejando una mejora en el indicador de mora. Identificar qué proporción de clientes se mantienen en el mismo número de pagos vencidos, influenciados por una mala escogencia de fecha de pago. Identificar aquellos casos que siguen cayendo en más días de mora, sobre estos en particular se busca perfilar, cuáles clientes son los que no pagan y hacen que el indicador de cartera vencida aumente. Esta información permite tomar medidas cuantitativas en la gestión de la cobranza y recuperación.

9 El informe de flujos de cartera, busca identificar el cambio en los tramos de mora como un total global, estableciendo un comportamiento esperado, de tal manera que se pueden evidenciar posibles sobre saltos a dichos indicadores esperados. Este reporte permite hacer estimativos sobre impactos futuros dentro de la cartera identificando estacionalidades. Primeros pagos en default, permite identificar los clientes que una vez son desembolsados, no pagan en los primeros tres meses desde la aprobación, de manera que se pueden identificar aspectos relevantes en términos de riesgos, para tener en cuenta en el proceso de otorgamiento y de acuerdo a las tendencias de al menos seis meses serían susceptibles de incorporar en la política previa presentación al comité de riesgos y la Junta Directiva.

10 Validación del cálculo de Provisiones Dentro del proceso de constitución provisiones es necesario llevar a cabo las validaciones sobre el cálculo de acuerdo a la norma aplicable a cada uno de las modalidades de cartera (microcrédito, comercial y consumo), para lo cual es necesario hacer el cálculo por fuera del sistema core y validar cada uno de los conceptos. Para el Modelo de Referencia de Consumo (MRCO) tiene en cuenta la mora histórica de los últimos tres años, además de revisar las variaciones en la exposición. Con esta información se calculan algunas variables que determinan una nota llamada z y con esta nota se calcula un puntaje el cual determina la calificación de provisión A, B, C, D o E.

11 Pre aprobados de crédito rotativo Identificar con la historia y el flujo de pago de crédito el valor a aprobar junto con la fecha de corte o pago apropiada para el cliente. 22 periodos evaluados de comportamiento (Créditos otorgados, vr de cuotas, periodicidad, moras y estado actual del cliente, etc) Se clasificaron los clientes en 5 categorías de acuerdo a la probabilidad de que incumplan

12 Estado Clientes Dist. Clientes ACTIVO 486, % INACTIVO 588, % CASTIGADO 157, % Total general 1,232, % A dic-14 en la base de datos, reposan 1,2millones de clientes con la siguiente clasificación: Activos: Clientes que presentan saldo a Dic-14. Inactivo: Clientes que a dic-14 no presentan saldo Castigado: Clientes que presenta uno mas créditos en reservas Se analizaron 22 meses (feb13-dic14) para 23 millones de obligaciones con saldo, y un total de 208 millones de registros. Se clasificaron en 5 categorías de los clientes que cuentan con 6+ meses de historia (750 mil) Estas categorías se otorgaron de acuerdo a la probabilidad de pérdida, y se tomaron las de menor probabilidad para la pre aprobación (A+, A, B y C) el 73% de la base (538 mil clientes) Rangos Cupos millones Cupo # Clientes Dist cupos Promedio - miles 0,3-0,5 12, % 423 Subtotal 12, % 423 0, , % ,5 135, % 1,242 1,5-2 96, % 1,735 Subtotal 351, % 1, ,5 60, % 2,236 2,5-3 39, % 2, ,5 25, % 3,234 3,5-4 15, % 3, ,5 10, % 4,235 4,5-5 17, % 4, , % 6,736 Subtotal 174, % 3,135 Total general 538, % 1,820 Máxima Mora Clientes Distribución Calificación Propuesta Prob. Ocurrencia Prob. Incumpl. Resultado Corriente 116, % A+ 99.6% 0.4% APROBADO , % A+ 99.5% 0.5% APROBADO , % A 98.2% 1.8% APROBADO , % B 83.7% 16.3% APROBADO , % C 59.2% 40.8% APROBADO , % D 33.9% 66.1% DECLINADO , % D 0.0% 100.0% DECLINADO 180+ K 197, % D 0.0% 100.0% DECLINADO Total Clientes 750, %

13