III JORNADAS DE DATA MINING EN EL MARCO DE LA MAESTRÍA EN DATA MINING DE LA UNIVERSIDAD AUSTRAL

CASO DE ÉXITO STANDARD BANK Eduardo Donato Risk Manager del Standard Bank London.

IAE - Pilar, 12 y 13 de agosto de 2008

La acción adecuada, al cliente indicado en el momento oportuno... Eduardo Donato Credit Risk Manager Standard Bank

Nota: Ciertas cifras y ejemplos han sido modificados por un tema de confidencialidad.

Objetivo

Capturar, Potenciar y Retener a los mejores clientes Adquisición

Seguimiento Mayor Ganancia

Fuga Aun mas Ganancia

Ganancia Ganancia

Menor Costo

Costo Tiempo

Aumentado el Nivel de Respuesta

Maximizando el Cross-Sell y Up-Sell

Extendiendo la relación lo más posible

Contexto - Características del Mercado actual)Mercado extremadamente competitivo ) Incorporación de nuevos players ) Canales o puntos de contacto donde se ofrecen productos ) Nuevos lugares o formas de pago ) Plataformas de originación remota ) Tiempo de respuesta y disponibilidad horaria

Target - Clientes Rentabilidad

Población s\ingresos

Población s\Monto Crédito

Tasa de Interés (Margen)

pocos

grande

bajo

chico

alto

A, B, C1

C2, C3, D1

muchos

Enfoque

MONITOREO DATOS

SCORES

ESTRATEGIAS

Datos – Fuentes -

Página Web www.STD.com.ar

Uso de promociones

Bureau: Productos en el mercado

Pagos y depósitos realizados

DATOS

Bases Transaccionales

Llamados al Call Center

Uso de tarjetas de crédito Movimientos en ATM’s

Datos – Fuentes TransaccionalesTarjetas de Crédito Trx.Mensuales

= 1.850.000

Tarjetas de Débito Trx.Mensuales

= 1.250.000

Total de trx Mensuales(Crédito + Débito)

= 3.100.000

9Total Trx. Diarias

=

103.300

=

4.300

= =

71 1.2

9Trx. Por Hora 9Trx. Por Minuto 9Trx. Por Segundo

Los clientes aportan información positiva cada segundo vía las transacciones que realizan.

Scores

Scores – Pilares en el desarrollo de un score DATOS

PILARES

Conocimiento Negocio/Problema

Conocimientos Herramientas y Estadística

Scores - Tipos Uso

Riesgo

Ingresos

Respuesta

FUGA

Scores – Poder predictivo Curva de Efectividad de un Modelo Predictivo (ejemplo)

10% 30%

20% 54%

30% 71%

50% 91%

Score de Attrition Definición Attrition (target): Reducción drástica (mayor al 90%) del consumo promedio del trimestre respecto al trimestre anterior. Sólo se aplica sobre tarjetas “realmente activas”, es decir que: a) tengan seis meses de antigüedad, sin atrasos. b) el consumo promedio del ultimo trimestre sea > $200. 1.

No interesa retener a las que tengan atrasos.

2.

Queremos retener a los “mejores” clientes por eso también miramos el riesgo que tienen.

3.

No queremos que pequeños cambios en el consumo cambien la condición de attrition.

4.

5.

Si no se usa durante 3 meses seguidos (altamente correlacionado con la baja) ya es demasiado tarde para actuar (es reactivación, no retención). Detectar la baja en el consumo (suceso anterior a la baja de la tarjeta), da mas tiempo para actuar.

100% 88%

90% 80% 70% 60% 50% 40% 30% 20%

12%

10% 0% attrition

Attrition Tarjetas “activas”: 12%

ok

Score de Attrition 15%Clientes 70% Attrition

En el 15% del total el 70% de Attrition

10% 53%

100% Clientes

15% 70%

20% 78%

100% Attrition

El modelo desarrollado con Clementine tiene un alto poder predictivo: actuando solo sobre el 15% de la cartera “activa” se logra accionar sobre el 70% del total de attrition

Score de Attrition - Información de trx. El uso de datos transaccionales permite aumentar el nivel predictivo de los modelos Laura Perez Consumos=1000 Paga servicios p/Internet No consume restaurantes 30% supermercado Viaja dentro del país

Laura Aguirre Consumos =1000 Paga Servicio p/Debito Automático Consume en restaurantes en fin de semana 30% electrodomésticos Viaja al exterior

Estrategias

Ciclo de Vida: Acciones Incentivación Beneficios Promociones Debitos

Renovación Fidelización

Fidelización

Revisión Automática de línea

Beneficios Promociones

Activación Beneficios Debitos

MADU T IEN CIM CRE

Revisión Automática de Linea Promociones

Fidelizacion

O

REZ

TOP

6

5 4

Emisión

2-

Activación

3, 9-

Incentivación

4, 5, 6- Fidelización

Emisión Bienvenida Habilitacion

1-

DECLINACION

2

7, 8-

Retención

10,11 Reactivación 3

INICIO

9

7

10

8 11

1 Mes 3

Mes 6

Reactivación Beneficios Promociones Débitos

Mes 9

Mes 12

Mes 13

Prevención

Prevención

Anti-Attrition

Anti-Attrition

Incentivación Promociones Debitos Tasas

Reactivación Beneficios Promociones Débitos

Fidelización Revision de Línea en Tarjetas (ej.)

Ejemplo Límites Se utilizó Clementine de SPSS para modelar e implementar el proceso de Up-grade de Limites

Ejemplo Límites – Exclusiones -

Ejemplo Límites – Candidatos -

Ejemplo Límites – Política nse A B C1 C2 DE

Valor $ $ $ $ $

Medio 7.500 4.000 2.500 1.650 1.300

Ingresos Riesgo 1,0 MH 1,5 M 2,0 L 3,0 VL

Unidades de negocio BD $ 6.000 $ 9.600 $ 13.200 $ 18.000

STAR NOSTAR $ 5.000 3500 $ 8.000 5600 $ 11.000 7700 $ 15.000 10500

Riesgo MH M L VL

Unidad de negocio: Max RCI BD 30 30

STAR 25 30

NOSTAR 25 30

Ingresos =B

Ejemplo Límites – Incremento % Incremento Riesgo 25 MH 30 M 40 L 50 VL Limite Visa Limite Calculado >= 1.438 1.370 1.725 1.640 2.013 1.910 2.300 2.190 2.875 2.730

Ejemplo Límites – Análisis -

Ejemplo Límites: Champion/Challenger Permite realizar “experimentos controlados” e implementar un proceso continuo de mejora de las estrategias

Champion \ Challenger

Estrategia Champion Challenger

Consumo Rentabilidad Mora Promedio Anual 90% $ 724 2,2% $ 392 10% $ 846 17% 2,3% 5% $ 439 12%

Población

Beneficios del proceso en Clementine 9 Rápido La implementación se realizó en muy poco tiempo 9 Flexible Se pudo implementar sin problema la política de riesgo, los criterios de up grade, la tabla de visa, etc 9 Gráfico Es muy fácil analizar gráficamente la información y los resultados 9 Intuitivo La implementación resultante es interpretable por los diferentes usuarios que deben participar del proceso 9 Dinámico Permite realizar rápidamente pruebas y simulaciones 9 Auditable La especificación es directa, por lo tanto se puede auditar 9 Automático Puede ejecutarse todos los meses en forma automática e inclusive generar el archivo en el formato VISA/MASTERCARD/ETC

Estrategia – Segmentación por Riesgo Credit Bureau

Internal

SCORE

SCORES

ETAPA I B u re a u V eraz 901-999 851-900 800-850 751-800 651-750 401-650 001-400 T o ta l

Tas a de m o r o s id a d 0 ,7 % 1 ,9 % 3 ,4 % 5 ,8 % 7 ,9 % 9 ,0 % 1 1 ,3 % 2 ,6 %

Customer Risk Level

ETAPA II % M a lo s - T o ta l 4 ,6 % 3 ,5 % 2 ,6 % 1 ,1 % 0 ,6 % 0 ,3 % 0 ,2 % 0 ,2 % 0 ,2 % 5 ,6 % 4 ,6 % 3 ,7 % 2 ,3 % 1 ,1 % 1 ,0 % 0 ,1 % 0 ,5 % 0 ,8 % 6 ,7 % 6 ,0 % 3 ,5 % 1 ,6 % 1 ,1 % 1 ,0 % 0 ,6 % 0 ,2 % 0 ,3 % 7 ,0 % 4 ,8 % 3 ,4 % 3 ,4 % 2 ,8 % 2 ,9 % 3 ,2 % 0 ,2 % 0 ,1 % 1 0 ,9 % 7 ,3 % 4 ,5 % 3 ,4 % 3 ,3 % 1 ,6 % 2 ,7 % 1 ,9 % 0 ,6 % 1 2 ,1 % 1 0 ,2 % 7 ,5 % 7 ,6 % 1 ,7 % 4 ,6 % 1 ,5 % 1 ,6 % 1 ,6 % 1 9 ,7 % 1 5 ,2 % 1 0 ,1 % 5 ,3 % 7 ,7 % 4 ,1 % 2 ,8 % 3 ,9 % 2 ,1 % 0 0 1 -3 2 0 3 2 1 -5 8 6 5 8 7 -7 1 9 7 2 0 -7 9 7 7 9 8 -8 4 0 8 4 1 -8 5 9 8 6 0 -8 7 0 8 7 1 -8 8 3 8 8 4 -9 0 6

0 ,3 % 0 ,5 % 0 ,1 % 0 ,2 % 0 ,1 % 1 ,9 % 2 ,0 % 9 0 7 -9 9 9

S c o r e In t e r n o

Segmentar el Portfolio por nivel de riesgo. ¾

¾Mantener actualizado el riesgo y monitorear la evolución del mismo.

Clasificación de los niveles de riesgo: 90 + dpd in 18 month period Very Low Risk 0 - 1 % Low Risk 1.1 - 2 % Medium Risk 2.1 - 5 % Medium High Risk 5.1 - 10 % High 10.1 - 15 % Very High + 15 %

Estrategia Segmentación por Riesgo + Ingresos Clientes Riesgo

100.000 A B C1 C2 C3 D1 D2 E Total $ 7.500 $ 4.000 $ 2.500 $ 1.650 $ 1.100 $ 750 $ 500 $ 200

#

VL

43.000

L

25.000

M

11.000

MH

13.000

H

5.000

VH

3.000

Total

20%

15%

20%

30%

5%

5%

4%

1%

100%

Estrategias diferenciadas A $ 7.500

100.000

Con tarjeta en el Mercado Sin tarjeta en el Mercado

Estrategia - Valor Potencial Valor Potencial: Esta dado por lo que el cliente hace conmigo, lo que hace en el mercado y lo que no hace pudiendo hacerlo. Mercado

StandardBank

Bajo Alto

4

Proteger

Medio

Alto 3 Blindar e incentivar

Medio

Bajo

1 Ignorar

2 Conquistar

OTRAS ESTRATEGIAS 9EXCESOS 9RENOVACION 9COBRANZA 9ACTIVACION 9REACTIVACION 9RETENCION 9CROSS-SELL 9ETC

Monitoreo

Vision 360 Actuar Calibrar Comprender

Scores Riesgo Uso Respuesta Attrition Ingresos

Tarjetas Crédito Débito Mercado

Tablero de Control 1. CICLO

DE VIDA:

9

Stock, Altas, Bajas.

9

Activación, consumo, antigüedad, attrition.

2. FORMAS

DE UTILIZACION:

9

Como: transaccional, cuotas, financiación.

9

Donde: Rubros/Establecimientos.

9

Cuando: Estacional, todos/algunos meses, hora, día, semana.

9

Relación con Electrón.

9

Relación con Mercado.

3. RIESGO: 9

Mora 30, 60, 90.

9

Migración de score.

Análisis de Cosecha Porcentaje de activación (Tarj Enero'04) 100,0% 90,0% 80,0% 70,0% 60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0%

1

2

3

4

5

6

7

8

9

10

11

12

% P erso nas

46,0%

58,0%

73,0%

87,0%

89,0%

91,0%

91,5%

92,0%

92,0%

92,3%

92,4%

92,6%

% B Direct

42,0%

46,0%

51,0%

59,0%

62,0%

64,0%

65,4%

66,2%

67,5%

69,0%

69,2%

69,7%

Reporte de Perfomance – Tablas de validación -

Bajas Rentas MONITOREO

DATOS SCORES

ESTRATEGIAS

“ Distinto Target idéntico Approach”

Factores de Éxito en Bajas Rentas * Una red de distribución capilar y de bajo costo. * Flexibilidad para la implementación y cambio de políticas * Revisión continua de la línea de crédito. * Modelos Predictivos orientados a bajas rentas. * Monitoreo y Testeo Permanente de Estrategias y Modelos

Red de distribución capilar y de bajo costo 1) Comercios, Supermercados, Estaciones de Servicios, Alianzas, etc. 2) Con un sistema descentralizado de gestión basado en una plataforma tecnológica que permita operar con un alto nivel de control a través de información centralizada y bajo costo.

La Estrella

Electrodomesticos

Prospect: Captura de datos a bajo costo rechazar STD

aprobar

rechazar Credit Bureau Externo

Log Internet

aprobar

Telemarketing

Proceso Total 24hs

Flexibilidad p/cambio de políticas Flexibilidad para: •Analizar datos de la solicitud, diferentes tipos de informes crediticios y bases propias. •Ejecutar políticas diferentes para cada canal •Aplicar Scores a Medida •Testear estrategias antes de implementarlas •Realizar experimentos champion/challenger •Realizar cambios sin intervención de sistemas

Revisión continua de la linea de Crédito Modelo de riesgo controlado INGRESOS

LIMITE

REVISION

DEMOSTRADOS

Relación Ingresos

Semestral

DECLARADOS

Fijo/Bajo

Trimestral

Scores Orientados a bajas rentas INFORME

HIT Con bureau

THIN Sin bureau

Renta

Bajas

Media y Alta

Rentas

85%

30%

15%

70%

Perfiles diferentes SCORE a Medida

Fuente de Información

Originación

Score Veraz + Solicitud (App. Score)

Gestión

Score Veraz + Comportamiento en el Producto

Scores a medida:

• Mejor asignación de límites • Mejor relación aceptación/riesgo •Utilizan datos transaccionales • Monitoreo continuo

Monitoreo y Testeo Permanente

Permite:

• Aprender rápidamente sobre este nuevo mercado • Testear nuevas ideas • Mantenerse altamente competitivos

Conclusiones

Beneficios ( Asignarle

a los datos el valor que realmente tienen.

( Intensificar

el uso de herramientas predictivas que ayuden a tomar decisiones en todas las etapas.

( Consolidar

la visión comercial y de riesgo en una sola: visión de negocio.

( Continuar

trabajando en la segmentación de clientes.

( Diseñar

estrategias considerando el ciclo de vida del producto y la necesidad del cliente.

( Monitorear

SIEMPRE los resultados, manteniendo actualizados los indicadores de performance.