SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR

Transcripción

1 SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR Carlos Mendoza Astroz SAS INSTITUTE Domain Expert carlos.mendoza@sas.com

2 AGENDA 1. La nueva visión del cliente: una perspectiva analítica 2. Nuevos paradigmas de modelamiento analítico del conocimiento del cliente (KYC) a. Perspectiva tradicional b. Ciencias del comportamiento c. Redes sociales (SNA) d. Minería de texto (TM) e. Social media 3. Nuevas tecnologías en el conocimiento del cliente (KYC) a. Big data b. Almacenamiento distribuido c. High Performance Analytics (HPA) 4. Conclusiones

3 NUEVA VISIÓN DE CLIENTE: UNA PERSPECTIVA ANALÍTICA

4 ISSUES EN EL CONOCIMIENTO DEL CLIENTE (KYC) Silos de información y de visiones del cliente Inconsistencia de información Resultados analíticos no están a tiempo para generar valor en la organización Procesos e interacciones del negocio permanecen desconectados de resultados analíticos

5 PARADIGMAS EN EL CONOCIMIENTO DEL CLIENTE (KYC)

6 CIENCIAS DEL COMPORTAMIENTO CIENCIAS DEL COMPORTAMIENTO Behavior economics Behavior finance Behavior Marketing Conocimiento del cliente (KYC) MODELOS ANALÍTICOS TRADICIONALES (desde el individuo) Toma de deciones analiticas a cerca del cliente MODELOS ANALÍTICOS NO TRADICIONALES (SNA, TM y Social Media) Millones de clientes - grandes conjuntos de información - simultáneamente Almacenamiento distribuido High Performance Analytics

7 NUEVOS PARADIGMAS DE MODELAMIENTO ANALÍTICO DEL KYC

8 Account_type_desc Account_open_date Account_close_date Account_status_date Account_status_desc Account_tax_id_type_code Dormant_ind Industry_code Last_activity_date Product_category_name Product_line_name Product_name amount_10030 amount_10040 amount_10010 amount_11030 amount_3183 amount_11010 trancnt_10030 trancnt_10040 trancnt_10010 trancnt_11030 trancnt_3183 trancnt_11010 event_count_30 event_count_60 event_count_90 credits_count_30 credits_count_60 credits_count_90 debits_count_30 debits_count_60 debits_count_90 credits_amt_30 ESTRUCTURA ANALITICA TRADICIONAL Definición. Conocimiento del cliente. Es el conjunto de características y comportamientos que ejemplifican las variables de mayor significancia en la conducta de los clientes, generadas en base a su perfil transaccional e información sociodemográfica. Con esta información en algunos casos se complementan con procesos de gestión documental y debida diligencia. Tradicionalmente se analiza al consumidor basado en el comportamiento racional, individualista y aislado. Vector KYC Informacion de productos transaccionales Promedios por montos Promedios por transaccion Variables del Buro y puntajes asociados Otras variables sociodemografica

9 ESTRUCTURA ANALITICA TRADICIONAL Sample Explore Modify Model Assess Utility

10 CIENCIAS DEL COMPORTAMIENTO Definición. Ciencias del comportamiento (Behavior economics, Behavior finance, Behavior Marketing). Es una sombrilla que busca entender y explicar el comportamiento observado del consumidor utilizando nuevos supuestos mas allá de su perfil financiero y sociodemográfico, incluye la psicología y sociología. Se ha reconocido que el proceso de toma de decisiones de los consumidores va mas allá de un comportamiento racional tal modelo de comportamiento del consumidor (psicométrico y conductual) deben ser comprendidos e incorporados en la toma de decisiones buscando identificar su conducta.

11 CIENCIAS DEL COMPORTAMIENTO Ciencias Modelos tradicionales comportamiento Perfiles financiero Perfil sociodemográfico Perfil psicológico Perfil conductual Analítica tradicional Visión aislada e individualista en la toma de decisiones Analítica No tradicional Tendencias, comunidades, preferencias sociales, sentimientos. Modelamiento: 1. Segmentación 2. Scores 3. Regresión logística Nuevas técnicas: 1. SNA 2. Minería de texto 3. Social Media Conocimiento del cliente

12 ESTRUCTURA ANALITICA NO TRADICIONAL ANALISIS DE REDES SOCIALES El Análisis de las Redes Sociales (SNA) es un enfoque sobre estructuras sociales. El SNA parte de la premisa que entidades sociales son creadas por relaciones y patrones de comportamiento originados por sus vinculos. Formalmente, una red social es usualmente definida como un conjunto de actores sociales, o nodos, cuyos miembros están conectados por uno o varios tipos de relaciones. Los nodos son, mayormente, individuos, grupos u organizaciones. El SNA puede considerar redes con otros tipos de nodos, tales como páginas web, blogs, artículos de revistas, etc.

13 ESTRUCTURA ANALITICA NO TRADICIONAL MINERIA DE TEXTO El objetivo de la minería de texto es el descubrimiento de información nueva a partir de colecciones de documentos de texto no estructurado. Esto quiere decir que la información que contienen dichas colecciones de documentos están en lenguaje natural aunque también se podría utilizar otro tipo de información textual. Content Categorization Sentiment Analysis Text Mining Ontology Management Contextual Analysis

14 ESTRUCTURA ANALITICA NO TRADICIONAL SOCIAL MEDIA Social Media Analytics es una herramienta que permite comprender y analizar la reacción e impacto de productos, servicios, mercados y campañas en las redes sociales. Analiza millones de comentarios en las redes sociales y proporciona resultados agrupados metodológicamente en gráficos y paneles de control. Escucha Emplea Apalanca Entender los sentimientos, tendencias, problemas y oportunidades Descubre nuevos tópicos o issues relevantes. Establece relaciones con comunidades y consumidores y es capaz de generar herramientas para ganar su confianza Apalanca y proporciona feedback en distintos aspectos que enriquecen el comportamiento del cliente.

15 VISION ANALITICA 360 O DEL CLIENTE ANÁLISIS DE TEXTO SNA Modelamiento de un conjunto de actores sociales, cuyos miembros están conectados por uno o varios tipos de relaciones Encontrar información clave en datos no estructurados como pueden ser encuestas de servicio o información en medios sociales, con la finalidad de extraer el sentimiento de un cliente KYC Minería de datos Extraer patrones valiosos (consumo, preferencia, etc.) de fuentes de datos para soportar la toma de decisiones Análisis tradicional Gestión documental y Debida diligencia Copyright 2011, SAS Institute Inc. All rights reserved. SOCIAL MEDIA ANALYTICS Comprende, analiza y determina el impacto de productos, servicios, mercados, campañas en las redes sociales

16 VISIÓN DE NUEVAS TECNOLOGÍAS EN EL KYC

17 ESTRUCTURA ANALITICA NO TRADICIONAL SOCIAL MEDIA La construcción de información y modelos para millones de clientes simultáneamente desde sus variables sociodemográficas y financieras (estructurada), además de información útil para otros análisis como SNA, TM y SM plantea otros interrogantes a solucionar: 1. Cada vez contamos con más información en nuestras bases de datos, podemos disponer de ella en nuestros análisis del conocimiento del cliente? 2. Es posible analizar estos volúmenes de información en tiempos razonables para tomar decisiones?

18 ESTRUCTURA ANALITICA NO TRADICIONAL SOCIAL MEDIA QUE ES EL BIG DATA? Son las herramientas, procesos y procedimientos que permiten a una organización crear, manipular y manejar grandes conjuntos de información dentro de plazos, velocidades, variedades y complejidades aceptables, junto con el almacenamiento del volumen necesario para soportarlo. Un ZETTABYTE es equivalente a 1000 millones de discos de desktop de hoy (terabytes) Source: IDC Digital Universe Study, sponsored by EMC, May 2010

19 COMPOSICION DE DATOS: ESTRUCTURADOS, SEMIESTRUCTURADOS Y NO ESTRUCTURADOS EN UNA ORGANIZACION Datos no estructurados Texto, audio 25% Datos estructurados Bases de datos 70% 5% SAS Institute Datos semiestructurados

20 DATA SIZE COMPOSICION DE DATOS: ESTRUCTURADOS, SEMIESTRUCTURADOS Y NO ESTRUCTURADOS EN UNA ORGANIZACION THRIVING IN THE BIG DATA ERA VOLUME VARIETY VELOCITY VALUE TODAY THE FUTURE

21 VOLUMEN DE INFORMACION COMPOSICION DE DATOS: ESTRUCTURADOS, SEMIESTRUCTURADOS Y NO ESTRUCTURADOS EN UNA ORGANIZACION GRANDE Medido en TERABYTES 1TB = 1,000GB Medido en PETABYTES 1PB = 1,000TB Medido en ZETTABYTES 1EB = 1,000PB PEQUENO 1990 s (RDMBS, DATA WAREHOUSE, ETC.) 2000 s (ADMINISTRACION DIGITAL DE ACTIVOS) 2010 s (NO-SQL, NO ESTRUCTURADO, ETC.)

22 ESTRUCTURA ANALITICA NO TRADICIONAL SOCIAL MEDIA Con esta nueva realidad (grandes volúmenes de información, creciendo exponencialmente en su mayoría de tipo no estructurado) como se puede generar valor en el conocimiento del cliente? 1. Se puede contar con toda la información disponible (en sentido amplio) para efectuar modelos analíticos desde puntos de vista geográfico, demográfico, psicológico y conductual? 2. Se puede analizar toda la información para generar políticas de KYC? y personalización de la propuesta de valor?

23 SIMPLICIDAD OPERACIONAL ALTA EFICIENCIA Big data ESCALAMIENTO MASIVO ALTO RENDIMIENTO

24 ESTRUCTURA ANALITICA NO TRADICIONAL SOCIAL MEDIA Que es almacenamiento distribuido? Es una forma de almacenar grandes volúmenes de información a costos razonables. Cuál es su importancia? Permite desarrollar tareas de almacenamiento de forma masiva. Es decir, almacena grandes volúmenes de datos (ZETTABYTES), en entornos formados por muchas máquinas sencillas (distribuidos), para luego agregarlos de forma consistente. Ventajas: 1. Disminuye costos de almacenamiento de información de clientes. 2. Permite aumentar la capacidad de interpretar grandes volúmenes de información de clientes Almacenamiento y procesamiento no distribuido Almacenamiento y procesamiento distribuido

25 SAS HIGH-PERFORMANCE ANALYTICS Que es High performance analytics? Son metodologías que permiten analizar y procesar grandes volúmenes de información de manera eficiente, es decir, en tiempos razonables. Reducciones de 200%-5000% en tiempos de análisis de información.

26 SAS HIGH-PERFORMANCE ANALYTICS Utilización de toda la información disponible en el KYC Almacenamiento distribuido de Información estructurada y no estructurada de millones de clientes simultáneamente Procesamiento por HPA para un modelo de 360 o del cliente. Conclusión: Inmensos volúmenes de información (almacenamiento distribuido) de clientes simultáneamente analizados en pocos minutos (HPA) para determinar una visión 360 del cliente

27 ANALÍTICA DE ALTO DESEMPEÑO: MODELOS DE ADQUISICIÓN DE CLIENTES Proceso actual Un algoritmo (red neuronal) Proceso de alto desempeño Múltiples algoritmos (e.g. pronostico, regresión logística., etc.) 7 iteraciones de una red neuronal 5000 iteraciones de una red neuronal en 70 minutos 1 modelo por día 1 modelo en 30 minutos 5 horas para procesar el modelo 3 minutos para procesar el modelo lift de 1.6% lift de 2.5%

28 CONCLUSIONES

29 CIENCIAS DEL COMPORTAMIENTO CIENCIAS DEL COMPORTAMIENTO Behavior economics Behavior finance Behavior Marketing Conocimiento del cliente (KYC) MODELOS ANALÍTICOS TRADICIONALES (desde el individuo) Toma de decisiones analíticas a cerca del cliente MODELOS ANALÍTICOS NO TRADICIONALES (SNA, TM y Social Media) Millones de clientes - grandes conjuntos de información - simultáneamente Almacenamiento distribuido High Performance Analytics

30 CONCLUSIONES 1. Re-pensar el cliente como visión de largo plazo y del cliente 360 º (sociodemográfico, financiero psicológico conductual). 2. Es necesario tener una visión tanto tecnológica como analítica del KYC. 3. Es posible analizar grandes volúmenes de información para incorporar estos procesos en las tomas de decisión. 4. Evolución, implementación y aplicación de procesos analíticos sencillos y complejos. 5. Combinación de resultados analíticos sobre la población (no la muestra). RETOS 1. Empezar una labor de inclusión de nuevos datos e información 2. Estrategia de Information Management e Inclusión de nuevas tecnologías

31 SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR Carlos Mendoza Astroz SAS INSTITUTE Domain youtube.com/sassoftware carlos.mendoza@sas.com MUCHAS GRACIAS