El análisis predictivo en las instituciones financieras de crédito y ahorro es una herramienta que les permite incrementar sus oportunidades comerciales y disminuir el riesgo en el otorgamiento de créditos.

1. PASS , antes SPSS México
Obteniendo Ventajas Competitivas con la Aplicación de
la Minería de Datos en Instituciones Financieras de
Crédito y Ahorro

2. PASS , antes SPSS México
El contenido de este documento es propiedad de Predictive Analytical Software and Solutions S.A.
de C.V. (PASS) y es de carácter confidencial. Su uso es de carácter informativo y no debe ser usado
ni reproducido sin el consentimiento previo de PASS

3. PASS , antes SPSS México
AGENDA
• Retos y Oportunidades en el Sector
de Crédito y Ahorro Popular
• El Análisis de Información Como
Diferenciador Clave
• Perspectivas en Analítica Predictiva
para el Sector de Crédito y Ahorro
• Caso Práctico
• Soluciones en Analítica Predictiva y
Minería de Datos
• ¿Cómo Abordar una Iniciativa de
Minería de Datos?
• Preguntas y Respuestas

4. PASS , antes SPSS México
RETOS Y OPORTUNIDADES
EN EL SECTOR DE CRÉDITO Y
AHORRO POPULAR

5. PASS , antes SPSS México
Los segmentos de crédito y ahorro popular presentan importantes
oportunidades de crecimiento
Inclusión y Mercado
• Amplios segmentos de la población que no cuentan con servicios financieros
o acceden a mecanismos no formales.
• Servicios bancarios concentrados en grandes áreas urbanas
• El segmento de crédito y ahorro popular presenta mayores índices de
crecimiento con respecto a la banca tradicional
Regulación
• Las nuevas regulaciones originadas por la reforma financiera abren
oportunidades en crédito y corresponsales.
• Mayor certidumbre a los usuarios de servicios financieros para acceder a
otros modelos diferentes a la banca tradicional.
Innovación y Operación
• Flexibilidad y agilidad operativa, oportunidades para innovar en productos y
procesos.

6. PASS , antes SPSS México
Para aprovechar estas oportunidades hay importantes retos que
afrontar
Inclusión y Mercado
• Segmentos no tradicionales presentan mayores riesgos.
• Entender a los mercados y los clientes para enfocar los productos
y las estrategias
• Diferenciarse ante un entorno de mayor competencia
Regulación
• Establecer mejores mecanismos de control y cumplimiento
• Establecer las estrategias y mecanismos que permitan aprovechar
nuevas áreas de oportunidad.
Innovación y Operación
• Incrementar la gama de servicios
• Hacer más eficiente el uso de recursos limitados.
• Innovar mediante la implementación de procesos eficientes y el
uso de las tecnologías de la información.

7. PASS , antes SPSS México
Entender y conocer a
los clientes y
mercados
Innovar en productos
y servicios que
cubran las
necesidades de los
segmentos objetivo
Hacer un uso
eficiente de los
recursos limitados
Tener mayor
certidumbre al
evaluar riesgos
Planear estrategias
eficientes y efectivas
de producto,
promoción y
mercadotecnia
¿Cómo afrontar estos retos?
Mayor innovación en procesos haciendo uso de la tecnología
Tomar decisiones acertadas mediante el uso de la información

8. PASS , antes SPSS México
EL ANÁLISIS DE
INFORMACIÓN COMO
DIFERENCIADOR CLAVE

9. PASS , antes SPSS México
Resupestas de quienes creen que el
análisis de información resulta en
ventajas competitivas
+57%
Un mayor número de organizaciones están usando
el análisis de la información para crear ventajas
competitivas
2010
58%2011
37%
Fuente: The New Intelligent Enterprise, a joint MIT Sloan Management
Review and IBM Institute of Business Value analytics research
partnership. Copyright © Massachusetts Institute of Technology 2011
1.6x Crecimiento en Ventas
2.0x Crecimiento de EBITDA
2.5x Apreciación del Valor de
Acciones
Fuente: Outperforming in a data-rich, hyper-connected world, IBM
Center for Applied Insights study conducted in cooperation with the
Economist Intelligence Unit and the IBM Institute of Business Value.
2012
Las empresas líderes quienes han adoptado
mecanismos de análisis de la información y tienen
mejores índices de desempeño con respecto a sus
competidores
El Análisis de la Información ha pasado de ser una iniciativa de negocio a ser
una IMPERATIVA de negocio

10. PASS , antes SPSS México
Consultas y Queries
– Encontrar registros
que cumplan con
criterios de búsqueda,
cuando se sabe que
se quiere buscar.
BI / OLAP –
Estructurar y
consolidar la
información histórica
y los datos para
conocer y entender lo
que ha sucedido al
día de hoy.
Minería de Datos y
Análisis Predictivo
– Modelado
Matemático de los
datos para
PREDECIR
comportamientos y
DETECTAR
patrones y
tendencias en la
información
Los mecanismos tradicionales de búsqueda de información e inteligencia
de negocios (BI) no resultan suficientes para adquirir una perspectiva
completa del conocimiento:
ProfundidaddelConocimiento
Datos
Análisis Predictivo
y Deductivo
Perspectiva en el Tiempo
Análisis
Situacional
Historia Futuro

11. PASS , antes SPSS México
El Análisis Predictivo y La Minería de Datos
“La Minería de Datos es un proceso de
descubrimiento de correlaciones
significativas, patrones y tendencias
futuras por medio del escrutinio de
grandes cantidades de datos
almacenados, usando tecnología de
reconocimiento de patrones, así como
técnicas estadísticas y matemáticas”
The Gartner Group

12. PASS , antes SPSS México
• El análisis predictivo emplea
los datos existentes para:
• Predecir
• Pertenencia a categorías
• Valores y variables
• Agrupar
• Agrupar elementos con características
comúnes
• Asociar
• Encontrar eventos que ocurren en
conjunto o en secuencia.
• Encontrar Anomalías
• Identificar casos que no siguen un
comportamiento esperado.
¿Qué Hace el Análisis Predictivo?

13. PASS , antes SPSS México
Aplicaciones del Análisis Predictivo
12%
17%
18%
25%
26%
30%
30%
31%
32%
40%
41%
41%
46%
47%
Otros
Cadena de suministro
Encuestas
Mejoramiento de la calidad
Servicio al cliente
Precios (valorar)
Planeación de demanda
Promociones
Detección de fraude
Tasa de fuga / abandono / retención
Presupuestos y pronósticos
Adquisición de clientes
Administración de campañas
Ventas (cross sell - upsell)
Fuente: TDWI Best Practices Report First Quarter 2007
Basado en 167 encuestados que han implementado el análisis predictivo. Los encuestados pudieron seleccionar
múltiples respuestas

14. PASS , antes SPSS México
PERSPECTIVAS EN
ANALÍTICA PREDICTIVA PARA
EL SECTOR

15. PASS , antes SPSS México
El Análisis Predictivo en los Servicios Financieros
Conocer a
Profundidad a sus
Clientes
¿Qué caracteriza y
como se comportan
nuestros clientes y
mercados objetivo?
Incrementar la
Efectividad Comercial
y de los Productos
¿Cómo captar más clientes
y colocar más productos?
¿Qué productos debemos
ofrecer a que clientes y por
que canales?
Disminuir Riesgos
Crediticios
¿Cómo predecir con mayor
certidumbre los riesgos de
incumplimiento?

16. PASS , antes SPSS México
El conocimiento de los clientes en base a la información de sus operaciones y
datos personales resulta incompleta para tener una vista completa
Información
• Historial de
operaciones
• Aspectos socio-
demográficos
• Distribución
Perfiles y
Comportamientos
• Necesidades y
características
• Percepciones
• Datos atitudinales
Datos
• Datos Personales
• Productos vigentes
• Relaciones
Tendencias y
Propensiones
• Propensiones de
compra y abandono.
• Necesidades futuras
Información Conocimiento

17. PASS , antes SPSS México
Usando técnicas de análisis predictivo y minería de datos se puede extraer
conocimiento de diversos tipos de datos e información de nuestros clientes y
mercados
Bases de
Datos / CRM Operaciones
Medios
Digitales Encuestas
Estudios y
Análisis
Aplicación de
Modelos
Predictivos
Conocimiento
Extendido
Conocimiento
Predictivo
• Segmentos, Grupos y
Correlaciones
• Percepciones
• Necesidades
• Tendencias y Propensiones
• Comportamientos futuros
• Necesidades no evidentes
• Niveles de satisfacción y
lealtad

18. PASS , antes SPSS México
• Segmentación y perfilamiento
inteligente: Crear segmentos de
clientes y poblaciones objetivo
detectando relaciones relevantes y
características comunes.
• Al generar segmentos y perfiles de
clientes se pueden aplicar otros
modelos para determinar
probabilidades de compra, de incurrir
en cartera vencida, de cancelar
cuentas, etc.
Conocimiento Profundo de los Clientes
• Detección de necesidades,
sentimientos y retroalimentación:
mediante el análisis de textos,
encuestas y redes sociales.
• Identificando las características de
los diferentes grupos se pueden
planear productos y promociones
que mejor se ajusten a sus
necesidades.
El análisis predictivo permite identificar características,
tendencias y patrones de comportamiento no evidentes de los
clientes, para ofrecer los productos adecuados a los clientes
adecuados por los canales adecuados.

19. PASS , antes SPSS México
Incrementar la Captación y Colocación de Productos
Productos
Promoción
Expansión
Productos no diferenciados –
mismos productos para
todos los clientes
Enfoque Tradicional
Aumentar los recursos de
promoción aumenta la
captación de clientes
Mayor número de sucursales
y más canales para
aumentar la cobertura
Enfoque Predictivo
Productos personalizados –
el mejor producto para cada
cliente
Enfocar los recursos de
promoción a los segmentos
con mayores probabilidades
Establecer los canales que
mejor cubran las necesidades
de los clientes y el número y
ubicación de sucursales con
mayores probabilidades de
éxito.

20. PASS , antes SPSS México
Efectividad de los Recursos de Promoción
Enfoque Convencional – Asignar
un 50% de recursos resulta en
un 50% de respuesta
Enfoque Predictivo
Asignando recursos a sólo el
20% de la población objetivo
resulta en un 75% de
respuesta

21. PASS , antes SPSS México
A B C
Predecir las necesidades, preferencias y riesgos de clientes individuales
Seleccionar la mejor
oferta para el cliente
Seleccionar el mejor
canal
Seleccionar el mejor
momento
25% - 50 %
Más ganancias
Duplicar las
respuestas
Mejor uso de los
recursos
Promoción Enfocada al Cliente

22. PASS , antes SPSS México
Disminuir los Riesgos al Evaluar el Otorgamiento de
Créditos
Los mecanismos tradicionales de evaluación
crediticia insuficientes o poco adecuados para
evaluar los riesgos de segmentos de crédito y
ahorro populares:
• Segmentos de personas y empresas con poco o
nulo historial crediticio
• Cuentahabientes de menor transaccionalidad y
activos.
• Por la naturaleza de los mercados se debe tener
mayor flexibilidad ante el riesgo.
• Las consideraciones sociodemográficas y de
comportamiento de estos segmentos pueden
tener mayor relevancia en las propensiones de
pago (destino de los recursos, pertenencia a
ciertas comunidades, nucleo familiar, etc.)

23. PASS , antes SPSS México
Reducir los riesgos en la evaluación crediticia
• Identificar los diferentes segmentos de acreditados para generar distintos
perfiles de riesgo (alto, medio, bajo, cumplidos, incumplidos, morosos, etc.)
• Identificar las características que se relacionan a los distintos perfiles de
riesgo:
• Datos personales
• Tipo y destino del crédito
• Montos y tasas
• Ocupación
• Información geográfica
• Cuentahabiente existente
• Etc.
Perfilar el comportamiento de pago
de clientes
Definir productos y
establecer reglas de
autorización
Calificar las solicitudes
crediticias y adecuar los
productos al perfil

24. PASS , antes SPSS México
• El análisis de perfiles de riesgo permite definir productos estandarizados y
establecer reglas de autorización para agilizar el otorgamiento de créditos
(ejemplo: Crédito A con monto de hasta $30,000 pesos personas con
ingresos entre $10,000 y $15,000 pesos, para uso personal, soltero,
profesionista, autorización express al presentar documentación).
Perfilar el comportamiento de pago
de clientes
Establecer reglas de
autorización ágiles
Calificar las solicitudes
crediticias y adecuar los
productos al perfil
Reducir los riesgos en la evaluación crediticia

25. PASS , antes SPSS México
• Los modelos empleados para determinar el comportamiento de pago de los
diferentes perfiles de riesgo permiten clasificar las nuevas solicitudes para
determinar en cuales perfiles de riesgo caen de acuerdo a sus
características.
• El análisis y clasificación de las solicitudes de crédito también permite
clasificar a los solicitantes en productos con menor riesgo, para ofrecer
alternativas en montos, tasas, plazos o condiciones.
Perfilar el comportamiento de pago
de clientes
Definir productos y
establecer reglas de
autorización
Calificar las solicitudes
crediticias y adecuar los
productos al perfil
Reducir los riesgos en la evaluación crediticia

26. PASS , antes SPSS México
APLICACIÓN DEL ANÁLISIS
PREDICTIVO A UN CASO
EJEMPLO

27. PASS , antes SPSS México
Una empresa que otorga pequeños créditos está
preocupada por el aumento de los clientes que han
incurrido en cartera vencida, y decide hacer un estudio
con el objetivo de identificar a futuros solicitantes
propensos a incurrir en cartera vencida.
La empresa tiene la información que se pide a los
clientes solicitantes y debe basar su estudio en ella.
Implementando modelos de clasificación se pueden
perfilar los clientes más propensos a incurrir en cartera
vencida.
Situación

28. PASS , antes SPSS México
¿Cómo influyen las demás variables dentro de cada
subgrupo?
Árbol de Clasificación

29. PASS , antes SPSS México
En cada subgrupo la variable más significativa ha resultado la misma.
Una vez hecha la nueva subdivisión los grupos tienen probabilidades más
definidas
Árbol de Clasificación

30. PASS , antes SPSS México
Buscando la mejor subdivisión en los otros dos
subgrupos
Árbol de Clasificación

31. PASS , antes SPSS México
Aquí la variable más significativa en cada segmento es diferente.
De acuerdo con la importancia de las variables se podría continuar la
subdivisión de la muestra
Árbol de Clasificación

32. PASS , antes SPSS México
Árbol de Clasificación

33. PASS , antes SPSS México
Cada nodo terminal determina una regla y se puede asignar una
probabilidad de incurrir en cartera vencida a los casos que
cumplen las condiciones para ese nodo.
Árbol de Clasificación

34. PASS , antes SPSS México
Finalmente todos los casos son clasificados según
las reglas definidas por el árbol y se puede evaluar la
efectividad del proceso a través de la matriz de
clasificación.
Árbol de Clasificación
Se debe revisar el acierto global

35. PASS , antes SPSS México
Finalmente todos los casos son clasificados según
las reglas definidas por el árbol y se puede evaluar la
efectividad del proceso a través de la matriz de
clasificación.
Árbol de Clasificación
… y también cómo quedaron clasificadas cada una de
las categorías

36. PASS , antes SPSS México
Podemos ordenar los nodos terminales según la
probabilidad de incurrir en cartera vencida, de
forma que los primeros sean aquellos donde la
probabilidad sea mayor.
En ese orden se puede hacer una gráfica que
indica qué porcentaje de los casos que interesa
detectar, “Cartera Vencida”, se tiene en cada
percentil de la base de datos.
Árbol de Clasificación

37. PASS , antes SPSS México
Evitando prestarle al 20% de los casos con mayor
probabilidad de incurrir en cartera vencida, evitamos
prestarle al 84.147% de los que incurrirían en cartera
vencida.
Árbol de Clasificación

38. PASS , antes SPSS México
Inicialmente se tenía un 20% de los clientes en Cartera
Vencida.
Resultado

39. PASS , antes SPSS México
Si solo se le prestara a aquellos que el modelo
predice que pagan
Resultado
La cartera vencida se reduciría al 4.4% de los clientes

40. PASS , antes SPSS México
En cuanto al monto prestado, originalmente teníamos
Resultado
Monto prestado
Total
menos de
10000
de 10000 a
15000
de 15000 a
25000 más de 25000
Paga 199 241 292 2527 3259
Cartera Vencida 476 228 99 55 858
Total de casos
675 469 391 2582 4117
(promedio por
segmento) 5,000.00 12,500.00 17,500.00 32,000.00 Porcentaje
Paga
995,000.00 3,012,500.00 5,110,000.00 80,864,000.00 89,981,500.00 91.16%
Cartera Vencida
2,380,000.00 2,850,000.00 1,732,500.00 1,760,000.00 8,722,500.00 8.84%
Total = 98,704,000.00
un 8.84% de cartera vencida

41. PASS , antes SPSS México
Si solo se presta a aquellos que se predicen como
“Paga”
Resultado
Monto prestado
Total
menos de
10000
de 10000 a
15000
de 15000 a
25000 más de 25000
Paga 162 212 289 2508 3171
Cartera Vencida 52 44 40 9 145
Total de casos
214 256 329 2517 3316
(promedio por
segmento) 5,000.00 12,500.00 17,500.00 32,000.00 Porcentaje
Paga
810,000.00 2,650,000.00 5,057,500.00 80,256,000.00 88,773,500.00 89.94%
Cartera Vencida
260,000.00 550,000.00 700,000.00 288,000.00 1,798,000.00 1.82%
Total = 90,571,500.00
La cartera vencida se reduciría el 1.82%.

42. PASS , antes SPSS México
Cartera Vencida
Sin modelo Con modelo Ahorro de
8,722,500.00 1,798,000.00 6,924,500.00
Comparación de resultados con y sin modelo
Resultado
La diferencia en monto sería de
20,000,000.00
30,000,000.00
40,000,000.00
50,000,000.00
60,000,000.00
70,000,000.00
80,000,000.00
90,000,000.00
100,000,000.00
Sin Modelo Con Modelo
Cartera Vencida
Paga

43. PASS , antes SPSS México
Los modelos de clasificación permiten perfilar grupos,
como “Paga” y “Cartera Vencida”, o como “Cliente activo”
y “Churn”, o como “Responde” y “No responde” a una
campaña.
También se pueden perfilar más de dos categorías, como
diferentes niveles o tipos de servicio.
Una vez creados, los modelos pueden ser aplicados a
nuevos datos para predecir el comportamiento de otros
clientes según el perfil definido por las reglas de los
modelos.

44. PASS , antes SPSS México
¿Por qué es importante el Análisis Predictivo para la
institución?
• “El ROI promedio de los
proyectos que han
incorporado la tecnología
predictiva fue de 145%,
comparado con la media del
89% de aquellos que no lo
hicieron”
• Fuente IDC, “Predictive
Analytics and ROI: Lessons
from IDC’s Financial Impact
Study”

45. PASS , antes SPSS México
Plataforma de Análisis Predictivo IBM SPSS
Collaboration and Deployment Services
Data Collection Statistics
Decision
ManagementModeler
Adquirir
Crecer
Retener
Análisis Predictivo
de clientes
Análisis Predictivo de
Amenazas y fraude
Monitorear
Detectar
Controlar
Análisis Predictivo
operativo
Administrar
Mantener
Maximizar

46. PASS , antes SPSS México
Minería de Datos y Análisis Predictivo - IBM
SPSS Modeler
• Fácil de usar, interfaz interactiva sin la
necesidad de programar.
• Modelado automatizado y capacidad de
preparación de datos.
• Acceso a todos los datos – estructurados y
no estructurados desde diferentes fuentes.
• Procesamiento natural del lenguaje (Natural
Language Processing – NLP) para extraer
conceptos y sentimientos de los textos.
• El análisis de entidades (Entity Analytics) le
permite asegurar la calidad de sus datos y
resultados en modelos más precisos.
• Mejor TCO resultado de menor curva de
aprendizaje, menor tiempo dedicado al
modelado, menor utilización de recursos.

47. PASS , antes SPSS México

48. PASS , antes SPSS México
PASS (Predictive Analytical Software
and Solutions)
T: (55) 5682-8768 / 1797 / 7722
mexico@pass.mx
http://pass.mx