Acceso usuarios
Pedro Galeano, Daniel Peña Sánchez de Rivera
Este trabajo describe el actual entorno de información masiva, el llamado Big Data, en el que se mueven hoy las entidades financieras y analiza las nuevas oportunidades para bancos, cajas de ahorros y otras instituciones financieras de utilizar los nuevos datos disponibles sobre sus clientes, presentes y potenciales, para mejorar sus estrategias comerciales. Se describen las nuevas formas de información disponible, que incluyen no solo las tablas de datos numéricos tradicionales, sino imágenes, textos de la web y datos temporales y espaciales, a veces en forma de funciones. Estos nuevos datos pueden revelar patrones de comportamiento y de relaciones entre variables que permitan segmentar mejor la clientela y construir modelos con mayor capacidad predictiva que los actuales. Se revisan brevemente algunas de las nuevas herramientas desarrolladas en los últimos años bajo los nombres de «aprendizaje estadístico» (statistical learning), «inteligencia artificial» y «aprendizaje automático» (machine learning) y su potencial en distintos problemas, como predicción personalizada, análisis de redes de clientes, prevención del fraude o detección de la lealtad de los clientes, entre otros. Por último, se presenta un ejemplo de cómo la construcción de redes de clientes y su análisis puede mejorar las políticas comerciales en un gran banco internacional.
This paper describes the current mass information environment, the so-called Big Data, in which financial institutions move today and analyses the new opportunities that this situation generates for banks and financial institutions to use the new data available on their present and potential clients to improve their marketing strategies.
The new forms of available information are described, which include not only traditional numerical data tables, but images, web texts and temporal and spatial data, sometimes in the form of functions. These new data can reveal patterns of behaviour and relationships between variables that allow better customer segmentation and build models with greater predictive capacity than current ones. Some of the new tools developed in recent years under the names of statistical learning, artificial intelligence, and machine learning are briefly reviewed and their potential in different problems, such as personalized prediction, customer network analysis, fraud prevention or customer loyalty detection. Finally, an example is presented of how the construction of customer networks and their analysis can improve trade policies in a large international bank
