BIG DATA Y ANALYTICS EN LA BANCA MINORISTA

De acuerdo con una encuesta realizada a más de 10.000 estadounidenses de entre 18-33 años, llevada a cabo por Viacom, el sector de la banca minorista de hoy está en riesgo ya que el bajo nivel de lealtad de sus clientes se subraya por el hecho de que el 73% de los encuestados daría la bienvenida con entusiasmo a las ofertas de servicios financieros de las marcas fuera del tradicional mercado de servicios financieros, tales como Google, Amazon, Apple y PayPal, entre otros.

Los beneficios de implementar un solución de alta escala y performance como Big Data y Analytics con capacidades analíticas generaría como consecuencia los siguientes beneficios:

1. Centralización en los clientes y no en los productos

Históricamente, los bancos y las compañías de seguros se han centrado en la oferta de productos en desarrollo. En esto, la industria de servicios financieros está por detrás en relación a otros sectores de cara al usuario, tales como bienes de consumo. Los bancos minoristas deben poner al cliente en el centro de sus iniciativas de desarrollo de productos y servicios.
Este proceso se puede hacer mucho más fácil mediante el desarrollo de una visión única y 360 de cada cliente, logrado mediante la recopilación de información de toda la organización para comprender mejor los servicios de cada cliente está utilizando ahora y las que pueden ser necesarias en el futuro. Big Data proporcionan los medios por los que grandes volúmenes de datos dispares (cuentas, créditos de consumo, tarjetas de crédito / débito, hipotecas, etc.) pueden ser reunidas y sintetizadas en un paquete personalizado de productos y servicios de cada cliente individual .
Cuando todo se centra en el cliente, el servicio mejora, mejora la relevancia, mejora la satisfacción del cliente y la lealtad volverá. Al mismo tiempo aumentará la venta cross y re reducirá el churn.

2. Mejorar el proceso de “mejor oferta”

Las tasas de éxito de la campaña de marketing pueden mejorar dramáticamente cuando los bancos ponen una oferta relevante frente a un cliente en el momento óptimo para tomar una decisión de compra positiva. Esto es lo que tradicionalmente marketing ve como “mejor oferta”.
El problema con este tipo de campaña es que su eficacia es muy limitada, en gran parte porque no hay alineación real entre las necesidades del cliente y la oferta del banco. Aquí hay un par de maneras este tipo de campaña puede ser llevado en el siglo 21:
• Visión Unificada: Todo el personal en puestos de cara al cliente (sucursales, centros de llamadas, etc.) se proporcionan con una historia unificada de las interacciones entre la empresa y cada cliente. A través de esta información la personalización en la comunicación al cliente percibe conocimiento y precisión en el proceso de atención.
• Ofertas Dinámicas: Al hacer uso de la web y los canales móviles, y el registro de eventos de las interacciones en línea entre el cliente y el banco es dinámico y altamente relevante. Por ejemplo, si el banco sabe que el cliente está a punto de alcanzar su límite de la tarjeta de crédito, el sistema puede ser programado para generar una oferta a medida creando un mayor límite de nivel o tarjeta de crédito.

Mediante la alineación de ofertas con las necesidades del cliente, los ingresos se ven afectados positivamente. Big Data + Analytics promueve este tipo de campañas posibles al reunir grandes cantidades de datos sobre el comportamiento de los clientes, analizarlos y generar ofertas que coinciden con la necesidad percibida del cliente.

3. “Scoring” del cliente

Para segmentar eficazmente su base de clientes, los bancos aplican una gama de diferentes metodologías de calificación del cliente. De particular interés es la puntuación de crédito, que mide el riesgo potencial asociado con los préstamos a un cliente en particular. Para hacer una valoración precisa, los bancos tienen que ordenar a través de grandes volúmenes de datos y aplicar algoritmos complejos para llegar a un factor de riesgo realista para cualquier individuo particular. Algunas compañías incluso están utilizando redes sociales de datos (por ejemplo, de Facebook) para medir el potencial de riesgo de crédito.
Big Data + Análisis en memoria pueden ayudar con esto al permitir que grandes volúmenes de datos sean almacenados y analizados rápidamente; porque los datos se llevará a cabo en la memoria en lugar de en un dispositivo de almacenamiento tradicional (por ejemplo, la unidad de disco), acceso y procesamiento de los tiempos se pueden reducir en un orden de magnitud.
Scoring de calificación del cliente también pueden ser eficaces en la mejora de cross selling mediante la detección de las oportunidades potenciales y enmarcando ofertas relevantes para los clientes.
4. Prevención del Churn

Cuando los bancos entienden por qué sus clientes se van, que puedan tomar las medidas adecuadas para rectificar la situación y mantener el cliente. Big Data y herramientas analíticas también permiten este tipo de “análisis de retrospectiva” que tendrá lugar al proporcionar información sobre el comportamiento del cliente antes de su fin a la relación. Datos bancarios estructurados y no estructurados se pueden combinar con fuentes externas (los comentarios de los medios sociales, la cobertura de los medios de comunicación) para comprender mejor los problemas de reputación de marca e identificar en riesgo a los clientes. Los bancos están entonces en condiciones de reaccionar en tiempo real a estos clientes, ya que navegar a través del sitio web o call center y ajustar sus conductas a centrarse en la retención de clientes.

5. Control de Fraude

El amplio uso de cualquier mecanismo de pago naturalmente también atrae a los intentos generalizados para defraudar ese mecanismo. En 2014, el fraude con tarjetas de crédito representó el 40% del número total de incidentes de fraude en el sector bancario, por un total de aproximadamente $ 5.5 billones de dólares. Claramente, hay espacio para los bancos para ahorrar importantes cantidades de dinero mediante la mejora de los controles de fraude, y Big Data también puede ayudar aquí . Las millones de operaciones de pago efectuadas cada día, la combinación de estos con los datos de otras fuentes internas y externas, y analizar y comprender el comportamiento del cliente, los investigadores pueden establecer patrones y con mayor precisión detectar posibles fraudes con la suficiente rapidez para minimizar el daño. Big Data + Analytics permite que este análisis que se realice en tiempo real, tal como se produce la transacción, en lugar de procesamiento por lotes al final del día. (histórico)

6. Nuevos modelos de negocio

La consolidación de los datos del cliente y de pago puede generar nuevos modelos de negocio y oportunidades de ingresos para los bancos minoristas:
Venta de datos no identificables: Los bancos tienen una gran cantidad de información agregada, como los patrones de uso de tarjetas de crédito (sin identificar a los clientes individuales) que puede ser útil para otros tipos de negocios: – El gasto medio en una localización o en una zona determinada durante un período determinado de tiempo.
– Las horas del día o días de la semana si un área está más ocupada que otra..- Cuando los clientes van cuando salen de un lugar de negocios en particular, etc.

Creación de soluciones basadas en datos: Además de la venta de los datos en sí, los bancos también pueden crear valor agregado con soluciones basadas en los datos. Por ejemplo, al analizar el comportamiento de los clientes que paga. el uso de dispositivos de punto de venta, los bancos serían capaces de guiar a las empresas a priorizar donde establecieron sus tiendas. Este tipo de servicio permitirá a miles de pequeñas empresas para acceder a la información que fue antes sólo estaban disponibles para las grandes corporaciones.
Referencias:

Big Data – Uncovering Hidden Business Value in the Financial Services Industry

Dr. Karl Rieder, Dr. Ignasi Barri and Josep Tarruella

banco

Newsletter

La Compra Cognitiva, una experiencia real

Según el estudio de IBM “El consumidor es el canal”, el 94% de los directivos de la industria d...

Requisitos que deben cumplir las empresas antes de poner en marcha proyectos de Big Data

El Big Data ayuda a las empresas a mejorar sus resultados, equilibrar la oferta a la demanda, anti...

¿Qué beneficios puede aportar una consultoría de Big Data?

Mejorar procesos de negocio con Big Data Un ejemplo claro de la mejora de procesos es la selección...

Data visualization: ¿qué necesitas?

Data visualization es el preludio del análisis. La visualización, así entendida, es la aplicació...