- Mariano Bernardoni, Head of Advanced Analytics Experian Spanish Latam, explica cómo este análisis en la práctica puede ayudar a las organizaciones a mejorar su desempeño
Santiago, mayo de 2023. El uso de datos e información se ha vuelto cada vez más necesario para las compañías de todo el mundo, independiente de su tamaño, sector o región.
En ese sentido, Mariano Bernardoni, Head of Advanced Analytics Experian Spanish Latam, explica que actualmente la analítica es crucial para ayudar a las empresas en la toma de decisiones y en la transformación hacia una cultura data driven, lo cual se puede implementar a través de un área central especializada o en forma descentralizara reportando a distintas áreas.
El experto explica que “a través de técnicas avanzadas de análisis de datos y modelos predictivos, las empresas pueden identificar patrones de comportamiento de los clientes y predecir la probabilidad de cumplimiento con las obligaciones financieras adquiridas. De esta manera, se pueden tomar medidas preventivas para mitigar riesgos en el ciclo de crédito”.
En ese sentido, añade que la analítica permite a las empresas personalizar sus estrategias de gestión de riesgos. “Se pueden combinar modelos genéricos con modelos a la medida para cada cliente en función de su historial crediticio, situación financiera y otros factores relevantes. Al hacerlo, las empresas ajustan sus políticas de préstamos y su enfoque de recuperación de deudas según las necesidades individuales de cada cliente”, apunta.
Al respecto, el especialista advierte que “saber hacer frente a la volatilidad después de la pandemia es uno de los desafíos más importantes para las empresas de la región en el panorama actual, y en este contexto es donde la analítica toma un papel todavía más relevante.
¿Cómo usar la analítica en la práctica?
Bernardoni agrega que, además de temas relacionados al riesgo, hay otros ejemplos sobre cómo el uso de la analítica contribuye a las empresas:
- Se pueden usar puntajes para determinar cuáles son los clientes con mayor probabilidad de comprar un producto o de ser contactados por un determinado canal.
- Ayuda a las empresas a calcular las pérdidas esperadas.
- Se pueden utilizar técnicas de predicción para los KPI’s de las distintas áreas (ventas, servicios, finanzas, entre otras), y así determinar cuáles son las variables macroeconómicas y propias de la compañía que influyen en los comportamientos.
- Ayuda a las empresas con problemas de optimización ante una restricción, por ejemplo, por qué canal conviene invertir a una compañía para lograr la mayor cantidad de ventas.
¿Qué es necesario para alcanzar mejores resultados en temas de analítica?
Finalmente, Bernardoni estima que para alcanzar resultados más óptimos es importante basarse en estos pilares:
- Migrar a los servidores de la nube para mejorar la velocidad de procesamiento y el time to market.
- Estar a la vanguardia de los últimos desarrollos y aplicar por ejemplo el uso de lenguajes de programación como Python, el más utilizado a nivel mundial.
- Incorporar metodologías de machine learning que permiten procesar mayor cantidad de datos y obtener mejores resultados.
- Automatizar y estandarizar procesos que permite ofrecerle a los clientes productos terminados.
- Dar seguimiento a proyectos y cumplimientos de KPI’S para analizar posibles desvíos.
Fuente: Llorente y Cuenca