Embed Size (px)
Citation preview
SEMINARIO EN LÍNEA
5 de junio, 2018.11. 00 AM, EST.
“Análisis de datos y servicios
financieros digitales”
© CGAP
2017
Lariza Galindo
IFC
Mariana Martínez
Portal Microfinanzas/CGAP
2
Moderadores
© CGAP
2017
REQUERIMIENTOS TÉCNICOS
La grabación y los materiales del seminario serán enviados por
correo electrónico a todos los participantes y registrados en el
evento.
1
2
3
Para realizar preguntas durante el seminario, utilice el recuadro
“chat” de la sesión de Webex. Puede enviar sus preguntas en
cualquier momento durante la presentación del seminario en línea.
Para asegurarse que su pregunta será vista por el moderador,
seleccione "Todos los participantes" en el menú desplegable al
enviar la pregunta.
3
© CGAP
2017
Christian Rodríguez
IFC
4
Panelistas
Carlos Torres
BIAS S.A.S
Jacobo Menajovsky
CGAP - Consultor
© CGAP
2017
Agenda
11:00 Bienvenida y requerimientos técnicos
11:05 Presentación de panelistas
11:10Manual IFC: Análisis de datos y servicios
financieros digitales
11:25Nuevas fuentes de información: desafíos y
casos de éxito
11:40Datos y metodologías no convencionales
para el desarrollo de modelos de scoring
11:55 Preguntas & Respuestas
12:30 Cierre
5
Christian Rodríguez, IFC
Junio 5, 2018
Manual: Análisis de datos y
servicios financieros digitales
© CGAP
2017
En este manual se intenta cubrir los siguientes puntos:
• Ofrecer un resumen de los conceptos básicos e
identificar las tendencias en el mercado sobre el uso
de datos.
• Ilustrar una gama de aplicaciones prácticas y casos de
proveedores de SFD que están usando sus propios
datos o datos externos para encontrar oportunidades
de negocios.
• Ofrecer un marco para guiar los proyectos de datos
para los proveedores de SFD que desean usar el
análisis de datos para satisfacer mejor las
necesidades de los clientes y mejorar las operaciones,
los servicios y los productos.
CHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
¿A qué nos referimos con
datos y su análisis?
Datos: son muestras de la realidad, registrados como mediciones y
registrados como valores.
Tipos de datos: datos se clasifican primariamente en dos tipos:
Cuantitativos: bits de información que pueden medirse
objetivamente
Cualitativos: bits de información sobre cualidades y normalmente
son mas subjetivos
Análisis de datos: se refiere al uso de diferentes metodologías y
herramientas para hallar una utilidad a los datos y/o interpretarlos.
CHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual:
Visión general
El manual esta estructura en dos partes, que cubren cuatro áreas con
diferentes temas específicos
Parte II
Parte I
CHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual:
Analítica de Datos y MétodosEsta sección presenta conceptos clave sobre el
análisis de datos:
• Big data: la vasta escala sin precedentes de
datos que se genera diariamente. Las
características de big data.
• Fuentes de datos: presentados por la forma en
que estos datos son generados:
• Tradicionales
• No Tradicionales
• Operacionales
• Privacidad de datos y protección al cliente:
resalta la necesidad de asegurar el
consentimiento del cliente final sobre el uso de
su data.
• Introducción a la ciencia del análisis datos
CHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual:
Analítica de Datos y MétodosCHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual:
Aplicación de Datos para
Proveedores de SFDCHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual: Manejo
de un Proyecto de DatosCHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Descripción del Manual:
RecursosEn este capitulo final se presentan:
• Un directorio de fuentes de datos y recursos tecnológicos,
• Una lista de métricas de desempeño para evaluar proyectos
de datos
• Un glosario con descripciones de los términos utilizados
tanto en el manual como en la industria de SFD y análisis
de datos.
Adicionalmente, se presentan conclusiones:
• La importancia de construir una “Cultura Orientada al Uso
de Datos”
• Todos los datos son buenos y ayudan a ofrecer productos
centrados en el cliente
• La forma de presentar los datos es importante y una imagen
puede valer mas mil números
• La Inclusión Financiera se puede beneficiar del uso de
datos al diseñar mejores servicios mientras se garantice la
protección al consumidor.
CHRISTIAN RODRÍGUEZ, IFC
© CGAP
2017
Gracias
Para mayor información visite
www.portalmicrofinanzas.org
Christian Rodriguez-Torres
www.ifc.org/financialinclusionafrica
CHRISTIAN RODRÍGUEZ, IFC
Carlos Torres – BIAS S.A.S
Junio 5, 2018
Nuevas fuentes de
información: desafíos y
casos de éxito
© CGAP
2017
Nuevas fuentes de información
Los datos se multiplican
masivamente
• Mundo actual con más de 14.000
millones de dispositivos
conectados a internet.
• Cada dos años de duplica la
cantidad de datos generados.
• Para el 2020, se multiplicará por
10 la cantidad de datos.
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Los líderes de negocio
enfrentan presiones de diversa
índoleFUENTES DE INFORMACIÓN DISPERSAS
CADA ÁREA ES UN SILO DE DATOS
HORAS PROCESANDO DATOS
POCO TIEMPO PARA EL ANÁLISIS
ALTA DEPENDENCIA DEL ÁREA DE TECNOLOGÍA
COSTO DE PREGUNTAR MUY ALTO
CIFRAS QUE NO COINCIDEN
USUARIOS DE NEGOCIO INSATISFECHOS
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Análisis de Datos
Descriptiva¿qué pasa en mi
negocio?
El camino para explotar los datos
un desafío para muchas
organizacionesCuando se quieren resumir los resultados de todo o una parte del negocio
Diagnóstica¿por qué está sucediendo?
Cuando se quiere profundizar hacia la causa de resultados específicos
Predictiva¿qué es probable
que suceda?
Cuando se desea hacer una suposición fundamentada de lo que es probable que suceda
Prescriptiva¿qué necesito
hacer?
Cuando se deben tomar decisiones urgentes, importantes o complejas
Complejidad
Valo
r
Prescriptiva
Predictiva
Diagnóstica
Descriptiva
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Casos de Éxito - Sector Financiero
Construcción de cuadros de mando y sistema de reportería, para la visualización y análisis de la plataforma de originación de “tuya”
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Casos de Éxito - Sector Financiero
Construcción de cuadros de mando para el área de planeación financiera y presupuestal, obteniendo alto impacto en la gestión comercial:
• Cuadro de Mando de Seguimiento del Negocio
• Cuadro de Mando de Rentabilidad
• Cuadro de Mando Financiero
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Casos de Éxito - Sector
Microfinanciero
Construcción de cuadros de mando y sistema de reportería, para la visualización y análisis de:
• Informe rentabilidad comercial
• Cuadro de mando comparativo sectorial con información de la asociación microfinanciera
• Informe de análisis de riesgo y cartera.
• Reporte diario con ruta para la optimización y eficiencia de la fuerza de venta.
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Beneficios Tangibles
25% beneficio Tributario por inversión en CTeI(Colombia)
75% Impacto Organizacional medido a través del ROI
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Lecciones Aprendidas
• Las entidades no estan dispuestas a seguir comprando
herramientas. Siempre surge algo nuevo en el Mercado y retos
con la usabilidad del cliente interno.
• Todos los proyectos deben estar alineados con la estrategia de la
organización. (Ej. Corpbanca)
• La cultura de datos debe venir desde la alta Gerencia. No debe
ser una iniciativa únicamente del área de tecnologia.
• Mayor enfoque en el Opex y no en el Capex. La construcción de la
cultura de datos es a largo plazo.
CARLOS TORRES - BIAS S.A.S
© CGAP
2017
Gracias
Para mayor información visite
www.portalmicrofinanzas.org
CARLOS TORRES - BIAS S.A.S
Jacobo Menajovsky
Junio 5, 2018
Datos y metodologías no
convencionales para el desarrollo
de modelos de scoring
© CGAP
2017
La importancia de las “estrellas” en la inclusión financiera
Experiencia: Mercado Libre
• ¿Quién es Mercado Libre?
• Mercado Libre es el ecosistema de comercio electrónico más importante de
América Latina. Ofrece una amplia gama de servicios a vendedores y
compradores, incluyendo ventas y pagos.
• Tiene operaciones en 13 países, incluidos Argentina, Brasil, Chile, Colombia,
México, Perú y Venezuela; lo que la convierte en el líder del e-commerce en
estos mercados.
27
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
La importancia de las “estrellas” en la inclusión financiera
Experiencia: Mercado Libre
• CGAP se asoció con MercadoLibre, el minorista en línea más grande de
Latinoamérica, para evaluar el potencial de los datos alternativos para
impulsar la inclusión financiera.
• Nuestra hipótesis era la siguiente: Los datos alternativos que no se
encuentran disponibles en los bureaus de crédito, como son los datos de
comercio electrónico, pueden ser utilizados como predictor de riesgo.
Especialmente para aquellas poblaciones no bancarizadas que operan
dentro del ecosistema de Mercado Libre.
28
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Nuestro foco entonces fue analizar si las siguientes variables se correlacionaban
con el nivel de riesgo medido por un score genérico:
• Las calificaciones positivas y negativas que los vendedores reciben a través de MercadoLibre
• El tiempo transcurrido desde la primer venta, registración, y publicación dentro delecosistema
• La recencia desde la ultima venta, publicación, y finalmente
• La cantidad de ventas medidas en dinero y cantidad de ítems vendidos
Pueden estas variables tener un impacto significativo en la inclusión financiera?
Creemos que si debido a que:
• Estas variables mostraron una correlación y variabilidad estadísticamente significativarespecto del score de riesgo
• La evaluación de crédito por primera vez para los clientes sin historial financiero formalpodría realizarse en base a este tipo de información alternativa
• Los poblaciones “delgadas” (sin información crediticia/no bancarizados) se podríanenriquecer para evaluar mejor su riesgo crediticio
29
Mercado LibrePotenciales usos de los datos internos
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Porcentaje de calificaciones positivas en los últimos
12 meses por calificación crediticia (bureau crédito)
30
Algunos resultados
Totalidad de vendedores Vendedores no bancarizados
Po
rce
nta
je d
e c
alif
ica
cio
ne
s p
ositiv
as
Po
rce
nta
je d
e c
alif
ica
cio
ne
s p
ositiv
as
(+) Nivel de riesgo según score genérico (-) (+) Nivel de riesgo según score genérico (-)
Anova tests con muestras de n=12,612 (totalidad vendedores) y de n=4,803 (vendedores no bancarizados)
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Estimamos que es posible entonces la utilización de datos
alternativos con buen poder predictivo para evaluar la solvencia de clientes sin
información financiera en el mercado.
Esta estrategia tiene el potencial de hacer visibles a aquellos individuos que
hoy no poseen información crediticia, especialmente en aquellos mercados
donde el bureau de crédito tiene una cobertura limitada.
Asimismo, estos datos alternativos tienen la potencialidad de enriquecer
modelos de crédito ya existentes particularmente en casos donde solo se
utilizan datos estrictamente financieros.
31
Algunos comentarios finales
Mercado Libre
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Datos transaccionales como fuente alternativa para credit scoring
Experiencia:
Importante banco comercial
• El objetivo principal de esta intervención analítica fue entender si los datos
transaccionales que se capturan en una billetera móvil pueden ser utilizados
para desarrollar un modelo predictivo de riesgo.
32
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
33
Construcción de la base de desarrollo
© CGAP
2017
Dado que contamos con clientes que poseen historia crediticia y clientes
que no la poseen, la metodología utilizada para desarrollar el modelo predictivo siguió los
siguientes pasos:
1. Se identificaron aquellos clientes que poseían un score de crédito (bureau) y se
construyo la variable objetivo teniendo en cuenta un score aceptable para la
institución financiera,
2. Se elimino de la muestra a aquellos clientes que no poseían score de riesgo,
3. Se utilizaron como inputs del modelo solo variables transaccionales, las cuales están
presentes tanto en aquellos clientes con y sin score de riesgo,
4. Una vez desarrollado el modelo se utilizo el algoritmo del modelo para scorear a la
totalidad de la población de clientes (clonación de clientes).
34
Clonación de clientes
Metodología
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Deseábamos desarrollar un modelo predictivo que:
1. Ordene de manera aceptable entre clientes mas y menos riesgosos (test KS),
2. Tenga una estructura simple,
3. Sea estable y resista validaciones internas durante su desarrollo,
4. Sea un modelo lógico y coherente para el negocio,
5. No discrimine a ciertas sub poblaciones donde existe un interés de bancarizar a
potenciales clientes que no tengan acceso a productos y servicios financieros,
6. Sea simple de implementar y de medir su performance cuando se obtengan datos de
repago.
35
Elementos a tener en cuenta
durante el desarrolloJACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
La prueba de KS indica la diferencia máxima entre las dos distribuciones acumuladas de
clientes mas riesgosos y aquellos menos riesgosos (coordenada y).
La coordenada horizontal (x) ordena descendentemente de acuerdo al % de clientes
riesgosos.
La mayor distancia entre las dos curvas acumuladas determina el valor del KS y ese
limite suele ser tenido en cuenta como “cut off” estadístico para aprobar créditos en
donde se maximiza el % de aprobaciones a la vez que se reduce el riesgo de default.
36
Prueba de KS para medir la
capacidad predictiva del modeloJACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
¿Qué oportunidades traen entonces los nuevos servicios financieros digitales?
• Datos capturados digitalmente desde el origen,
• Alta calidad y cobertura de los datos,
• Mayor accesibilidad y economía.
¿Cuál es el desafío entonces?
• Promover la innovación en las instituciones financieras que deseen atender a la base
de la pirámide,
• Alentar una cultura de búsqueda de nuevas soluciones basadas en datos,
• Impulsar nuevos productos y servicios financieros que den respuesta a las
necesidades especificas de clientes no bancarizados o con bajo acceso a la banca
tradicional.
37
Conclusiones
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Gracias
Para mayor información visite
www.portalmicrofinanzas.org
JACOBO MENAJOVSKY
-CGAP - CONSULTOR
© CGAP
2017
Preguntas y respuestas
© CGAP
2017
¡Muchas
gracias!
Para aprender más, visite:
www.portalmicrofinanzas.org
Escriba a:
© CGAP
2017
Manténgase conectado con nosotros:
@Portal_MF Facebook LinkedIn
