Analítica Inteligente en MicroFinanzas

Actualmente en el Perú, así como en el resto del mundo, el sector relacionado a las entidades micro financieras se ha visto impactado debido a la coyuntura actual de la pandemia del COVIS-19. Sobre todo, si consideramos que su negocio está centralizado en la micro y pequeña empresa, sectores en los cuales, los comerciantes deben sostener un ingreso diario para subsistir y muchos de ellos pueden pertenecer a mercados informales y no bancarizados. En este punto, las entidades financieras deben contar con herramientas tecnológicas que les permitan mitigar la incertidumbre derivada de esta lamentable situación, así como conocer de la mejor manera posible a sus clientes, es decir reevaluar y redefinir sus targets o variables de evaluación para determinar, sus necesidades, posibles nuevos gustos y actuales y/o nuevos comportamientos.

Tecnologías disruptivas cómo blockchain, ciberseguridad, cloud, IoT y sobretodo la inteligencia artificial están destinadas a brindar el soporte necesario y oportuno a los negocios en el camino a su transformación digital. Este último, la inteligencia artificial, se convierte en pilar fundamental para las entidades financieras mediante el uso de modelos predictivos a fin que estas puedan “conocer a sus clientes” y redefinir sus targets para entender su comportamiento y cómo se están reinventando ante este nuevo escenario derivado de la pandemia. Es así que se adicionan dos preguntas: La data histórica de los clientes ¿Seguirá siendo útil? y, sobre todo, los modelos predictivos basados en esta data, ¿Seguirán siendo útiles?, en este punto, nos podemos dar cuenta sobre la necesidad de contar con data actualizada, considerando como los rubros de negocio de los clientes pueden haber cambiado radicalmente (reinvención) y por ende se convierten en totales desconocidos con nuevos retos y oportunidades para las entidades financieras con las cuales trabajan.

Por ello, en esta interacción de nuevos retos diarios para ofrecer nuevos y adecuados servicios a los diversos negocios, las entidades financieras deben recurrir al uso de herramientas tecnológicas y metodologías modernas, pero sobre todo, a incorporar un concepto clave que es el de la “agilidad”, buscando incrementar las ventas hacia sus consumidores y disminuir su abandono (churn), en miras a darles una nueva y mejor experiencia propia de estos tiempos inciertos, sobre todo si consideramos que hablamos de un mercado en el cual el 99.5% de todo el sector empresarial es representado por las micro y pequeñas empresas y por ende es prácticamente obligatorio para las cajas, y otras entidades de microcréditos, democratizar el crédito para aquellos negocios a los cuales los bancos no pueden llegar. En consecuencia, contar con adecuados modelos predictivos basados en algoritmos altamente eficientes se hace innegablemente evidente frente a la búsqueda de obtener respuestas en escenarios de riesgos como: el origen del crédito, su comportamiento y respectiva cobranza, insertados en un sector financiero en el cual las ocurrencias del negocio de las micro financieras son totalmente diferentes a las de la banca y al mismo tiempo se encuentra en un escenario incierto y complicado pero de crecimiento interanual constante, en el cual pese al impacto de la pandemia ya se ha alcanzado una tasa del 3% .

Así, en este nuevo contexto, el reto crece, determinando nuevos segmentos, perfiles, arquetipos de clientes para tomar decisiones estratégicas y por tanto ya no sólo se trata de “conocer al cliente” sino adicionalmente de HIPERSONALIZAR, es decir, crear y anticipar promociones de servicios y/o productos a medida. Reto que sólo se puede lograr con el análisis de datos actualizados y la combinación de la ciencia de datos y tecnología bajos dos pilares básicos: entender el comportamiento actual de los clientes (analítica descriptiva) y pronosticar a través de este comportamiento futuras acciones (analítica predictiva).

De esta manera, podemos entender que la analítica de datos permitirá:

• Conocer a los clientes y no clientes, aprendiendo de su comportamiento para darle una experiencia personalizada.
• Entregar de forma inmediata productos, mediante la optimización de procesos en entrega de ofertas de forma ágil y simple.
• Implementar una cultura basada en datos, transformando nuestra mentalidad en ver al dato como un activo.
• Ofertar productos hiper personalizados, usando modelos analíticos para ofrecer exactamente ofertas a cada cliente.
• Desarrollar modelos analíticos complejos, aplicando la Inteligencia Artificial (IA) y Machine Learning (ML) para anticiparse a las necesidades de clientes y no clientes.
• Obtener datos en tiempo real, permitiendo que la empresa reaccione de inmediato a las necesidades de clientes.