View
221
Download
0
Category
Preview:
Citation preview
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
NUEVA VISIÓN DE CLIENTE: UNA PERSPECTIVA
ANALÍTICA
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
PARADIGMAS EN EL CONOCIMIENTO DEL CLIENTE
(KYC)
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
CIENCIAS DEL
COMPORTAMIENTO
• Behavior economics
• Behavior finance
• Behavior Marketing
MODELOS ANALÍTICOS
TRADICIONALES
(desde el individuo)
MODELOS ANALÍTICOS NO
TRADICIONALES
(SNA, TM y Social Media)
High Performance
AnalyticsAlmacenamiento distribuido
Conocimiento del
cliente (KYC)
Millones de clientes - grandes conjuntos de información -
simultáneamente
Toma de deciones
analiticas a cerca del
cliente
CIENCIAS DEL COMPORTAMIENTO
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
NUEVOS PARADIGMAS DE MODELAMIENTO
ANALÍTICO DEL KYC
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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.
Informacion de productos
transaccionales
Promedios por
montos …Promedios por
transaccion
Variables del Buro y puntajes
asociados
Otras variables
sociodemografica
Acco
un
t_ty
pe
_de
sc
Acco
un
t_o
pen
_da
te
Acco
un
t_clo
se_
date
Acco
un
t_sta
tus_
date
Acco
un
t_sta
tus_
desc
Acco
un
t_ta
x_
id_
typ
e_co
de
Dorm
an
t_in
d
Ind
ustr
y_
co
de
La
st_
activity_
date
Pro
du
ct_
ca
tego
ry_
nam
e
Pro
du
ct_
line
_n
am
e
Pro
du
ct_
na
me
am
ou
nt_
10
030
am
ou
nt_
10
040
am
ou
nt_
10
010
am
ou
nt_
11
030
am
ou
nt_
31
83
am
ou
nt_
11
010
tra
ncn
t_1
00
30
tra
ncn
t_1
00
40
tra
ncn
t_1
00
10
tra
ncn
t_1
10
30
tra
ncn
t_3
18
3
tra
ncn
t_1
10
10
eve
nt_
co
un
t_3
0
eve
nt_
co
un
t_6
0
eve
nt_
co
un
t_9
0
cre
dits_
co
un
t_3
0
cre
dits_
co
un
t_6
0
cre
dits_
co
un
t_9
0
de
bits_
co
un
t_30
de
bits_
co
un
t_60
de
bits_
co
un
t_90
cre
dits_
am
t_3
0 …
ESTRUCTURA ANALITICA TRADICIONAL
Vector KYC
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
ESTRUCTURA ANALITICA TRADICIONAL
Sample Explore Modify Model Assess
Utility
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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.
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
CIENCIAS DEL COMPORTAMIENTO
Ciencias del comportamiento
Analítica tradicional
• Perfiles financiero
• Perfil sociodemográfico
Modelamiento:
1. Segmentación
2. Scores
3. Regresión logística
Analítica No tradicional
Conocimiento del cliente
• Perfil psicológico
• Perfil conductual
Nuevas técnicas:
1. SNA
2. Minería de texto
3. Social Media
Visión aislada e individualista en la
toma de decisiones Tendencias, comunidades,
preferencias sociales, sentimientos.
Modelos tradicionales
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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.
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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
CategorizationText Mining
Sentiment
Analysis
Ontology
Management
Contextual
Analysis
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
ESTRUCTURA ANALITICA NO TRADICIONAL
SOCIAL MEDIA
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.
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.
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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
Extraer patrones valiosos
(consumo, preferencia,
etc.) de fuentes de datos
para soportar la toma de
decisiones
Modelamiento de un
conjunto de actores
sociales, cuyos miembros
están conectados por uno
o varios tipos de
relaciones
Comprende, analiza y
determina el impacto
de productos,
servicios, mercados,
campañas en las
redes sociales
SNA
Minería de datos
ANÁLISIS DE TEXTO
SOCIAL MEDIA
ANALYTICS
Análisis tradicional
KYC
Copyright © 2011, SAS Institute Inc. All rights reserved.
VISION ANALITICA 360O DEL CLIENTE
Gestión documental y
Debida diligencia
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
VISIÓN DE NUEVAS TECNOLOGÍAS EN EL KYC
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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?
ESTRUCTURA ANALITICA NO TRADICIONAL
SOCIAL MEDIA
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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.
Source: IDC Digital Universe Study, sponsored by EMC, May 2010
Un ZETTABYTE
es equivalente a
1000 millones de
discos de desktop
de hoy (terabytes)
ESTRUCTURA ANALITICA NO TRADICIONAL
SOCIAL MEDIA
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
COMPOSICION DE DATOS: ESTRUCTURADOS,
SEMIESTRUCTURADOS Y NO ESTRUCTURADOS
EN UNA ORGANIZACION
Datos estructuradosBases de datos
Datos semi-
estructurados
Datos no
estructuradosTexto, audio
5%
25%
70%
SAS Institute
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
VOLUME
VARIETY
VELOCITY
VALUE
TODAY THE FUTURE
DA
TA
SIZ
E
THRIVING IN THE BIG DATA ERA
COMPOSICION DE DATOS: ESTRUCTURADOS,
SEMIESTRUCTURADOS Y NO ESTRUCTURADOS
EN UNA ORGANIZACION
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
2000’s(ADMINISTRACION DIGITAL DE ACTIVOS)
1990’s(RDMBS, DATA WAREHOUSE, ETC.)
2010’s(NO-SQL, NO ESTRUCTURADO, ETC.)
VO
LU
ME
N D
E
INF
OR
MA
CIO
N
GRANDE
PEQUENO
Medido en
TERABYTES1TB = 1,000GB
Medido en
PETABYTES1PB = 1,000TB
Medido en
ZETTABYTES1EB = 1,000PB
COMPOSICION DE DATOS: ESTRUCTURADOS, SEMIESTRUCTURADOS Y NO ESTRUCTURADOS EN
UNA ORGANIZACION
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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?
ESTRUCTURA ANALITICA NO TRADICIONAL
SOCIAL MEDIA
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
SIMPLICIDAD OPERACIONAL
ALTAEFICIENCIA
ALTORENDIMIENTO
ESCALAMIENTOMASIVO
Big data
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
Almacenamiento y
procesamiento no distribuido
Almacenamiento y
procesamiento distribuido
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
Que es almacenamiento distribuido? Es una
forma de almacenar grandes volúmenes de
información a costos razonables.
ESTRUCTURA ANALITICA NO TRADICIONAL
SOCIAL MEDIA
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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.
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
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 360o del
cliente.
Conclusión: Inmensos volúmenes de información (almacenamiento
distribuido) de clientes simultáneamente analizados en pocos
minutos (HPA) para determinar una visión 360 del cliente
SAS® HIGH-PERFORMANCE ANALYTICS
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
Proceso actual Proceso de alto desempeño
Un algoritmo (red neuronal) 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%
ANALÍTICA DE ALTO DESEMPEÑO:
MODELOS DE ADQUISICIÓN DE CLIENTES
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
CONCLUSIONES
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
CIENCIAS DEL
COMPORTAMIENTO
• Behavior economics
• Behavior finance
• Behavior Marketing
MODELOS ANALÍTICOS
TRADICIONALES
(desde el individuo)
MODELOS ANALÍTICOS NO
TRADICIONALES
(SNA, TM y Social Media)
High Performance
AnalyticsAlmacenamiento distribuido
Conocimiento del
cliente (KYC)
Millones de clientes - grandes conjuntos de información -
simultáneamente
Toma de decisiones
analíticas a cerca del
cliente
CIENCIAS DEL COMPORTAMIENTO
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
1. Re-pensar el cliente como visión de largo plazo y del cliente
360º (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
CONCLUSIONES
Copyr i g ht © 2012, SAS Ins t i tu t e Inc . A l l r ights reser ve d .
MUCHAS GRACIAS
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
@SAS_Colombia
youtube.com/SASsoftware
www.sascolombia.com
www.linkedin.com/company/sas-colombia
Recommended