Adolfo Kvitca, director de BeSmart, fue invitado como experto a participar de la revista Ciclo de Riesgo, en su edición especial sobre Innovación y Tecnología.
¿Qué se entiende por “Innovación Tecnológica” y en qué consiste la Innovación como una destreza empresarial?
La innovación tecnológica consiste en proponer una respuesta adecuada en el momento oportuno utilizando tecnología avanzada, es decir aplicar nuevos conocimientos que permiten la creación de un nuevo producto o proceso y su inserción en el mercado para satisfacer una necesidad.
Como destreza empresarial el proceso de innovación es fundamental para obtener mejoras de negocio y diferenciarse de los competidores.
¿Cuáles son las etapas o pasos básicos que debe incluir una iniciativa o proyecto de innovación tecnológica?
El comienzo de la innovación demanda de un descubridor o innovador local. Aquel que percibe una situación determinada bajo otra óptica.
1) La apropiación colectiva
No siempre la idea del innovador es aceptada de inmediato: requiere del convencimiento de un grupo. Es por eso, que en nuestra empresa cada nueva idea es cotejada con un grupo de referentes, que nos permite validar la misma, ampliar su contenido, darle forma y prestigiarla.
2) De la idea al proyecto
El grupo iniciador se constituye normalmente en el promotor del proyecto, e implementamos el primer prototipo para entender sus cualidades y limitaciones.
3) Del proyecto a la realidad
El prototipo se convierte en un producto depurado, y se lanza al mercado masivo.
¿Qué iniciativas de innovación tecnológica ha impulsado su empresa o institución, y cuáles han sido sus resultados finales?
Nuestras iniciativas se han orientado a cubrir una necesidad latente en el mercado, y consisten en el desarrollo de soluciones predictivas listas para ser utilizadas en determinadas industrias y procesos.
El problema de las herramientas de Data Mining tradicionales consiste en que para desarrollar modelos hay que ser un experto en estadística y además entender cómo utilizar dicho modelo con sentido de negocio. Esta dificultad es la que hace muchas veces fracasar dichos proyectos y/o que los tiempos de implementación sean demasiado largos y onerosos.
Por ejemplo, hemos desarrollado una solución orientada a optimizar todas las etapas del ciclo de vida del crédito (originación, administración de limites, cobranza, calculo de provisiones). La misma tiene embebidos modelos predictivos y mejores practicas que pueden ser utilizadas directamente por el usuario del área de riesgo del sector Minorista (Supermercados, Cadenas de electrodomésticos, Tarjetas de Crédito, etc.).
También hemos desarrollado aplicaciones para las tareas de marketing (venta cruzada, emisión de cupones, acciones de retención, etc.), predicción de la demanda, análisis de opinión (en fuentes internas y/o en redes sociales), detección de fraude para compras por Internet, etc.
¿Cómo se aplican los modelos predictivos para tomar decisiones en el momento de Originación?
Con este módulo es posible plantear estrategias diferenciadas según las necesidades financieras de cada segmento, manteniendo el equilibrio entre las oportunidades y el riesgo que implican. Combinando en un único score de riesgo los datos de la solicitud del cliente y los provenientes de los informes de crédito, permitiendo un mayor nivel de predicción que se traduce automáticamente en una baja de los niveles de morosidad, ayudando a mejorar los procesos de aceptación y asignación inicial de límites de crédito.
La utilización de modelos predictivos orientados a cada empresa y la automatización tecnológica aumenta la diferencia entre los rendimientos promedio y los mejores desempeños de la industria.
¿Cómo se aplican los modelos predictivos para optimizar la administración de límites?
Este módulo permite determinar el límite de crédito óptimo a cada cliente, considerando su nivel de utilización, su conducta histórica de pagos y la probabilidad de atraso en los próximos doce meses. De esta manera, se logra mantener la exposición al riesgo deseada, maximizando la utilización y rentabilidad. La revisión de límites se realiza en forma mensual evitando perder oportunidades de venta y fidelizando a los clientes.
¿Cómo se aplican los modelos predictivos para mejorar la cobranza?
La solución determina la probabilidad que un cliente pague su saldo en mora dentro de los próximos 30 días. Con esta información se determinan estrategias de cobranza que prioricen la gestión en las deudas más difíciles de cobrar, evitando llamar a aquellos que “de todos modos van a pagar”, minimizando de esta manera los costos de gestión y preservando la relación con el cliente.
¿Y en el cálculo de provisiones?
La combinación de los modelos predictivos de pago, del monto que caerá en mora y que parte de este se podrá recuperar, permiten determinar la perdida esperada y calcular así el capital necesario para afrontar dichas situaciones, incluyendo inclusive las perdidas inesperadas y diferentes escenarios de stress.
¿Cuáles son las áreas de innovación tecnológica que deberían experimentar el crecimiento más importante en los próximos años, y por qué?
La toma de decisiones basada en datos – en muchos datos, lo que se conoce como “Big Data” – utilizando técnicas de análisis predictivo y optimización, transformarán el mundo de los negocios y se convertirán en una base fundamental para la creación de valor.
Estas técnicas y las nuevas fuentes de información permitirán acceso al crédito a poblaciones no bancarizadas y la generación de productos a medida de las necesidades de cada cliente.
Por otra parte, los clientes tendrán mayor conocimiento y más opciones que nunca a su disposición, por lo que buscaran productos únicos, servicios exclusivos, comunicaciones pertinentes y una relación auténtica que les brinde mayor valor, lo que constituirá un reto que solo aquellos que lo enfrenten podrán ganar.
Nuestra empresa está invirtiendo activamente en este tipo de soluciones y estamos instalando algunas de ellas en empresas que están a la vanguardia de su industria.
Fuente: Revista Ciclo de Riesgo, edición n° 5. Mayo 2015.