Scotiabank: Optimiza el área de crédito con suite de análisis de datos de SPSS Chile

El grupo canadiense Scotiabank cuenta con uno de los bancos más importantes a nivel mundial, que incluye operaciones en más de 50 países y un sólido éxito durante sus más de 160 años de vida. La filial chilena está activamente ligada a todos los aspectos del negocio financiero local, con un personal que actualmente sobrepasa los 1.300 empleados y una red de 54 sucursales en todo el país. Como parte de la adquisición del Banco Sudamericano en 1999, el holding internacional decidió centralizar y potenciar el proceso de automatización del área de crédito, para lo cual adquirió una completa suite de análisis estadístico y data mining del proveedor SPSS Chile. Paul Bravo, Jefe del Departamento Scoring MERC de Scotiabank, nos cuenta su experiencia como usuario de los software Clementine, SPSS y Answer Tree.

Publicado el 30 Sep 2004

El grupo canadiense Scotiabank cuenta con uno de los bancos más importantes a nivel mundial, que incluye operaciones en más de 50 países y un sólido éxito durante sus más de 160 años de vida. La filial chilena está activamente ligada a todos los aspectos del negocio financiero local, con un personal que actualmente sobrepasa los 1.300 empleados y una red de 54 sucursales en todo el país. Como parte de la adquisición del Banco Sudamericano en 1999, el holding internacional decidió centralizar y potenciar el proceso de automatización del área de crédito, para lo cual adquirió una completa suite de análisis estadístico y data mining del proveedor SPSS Chile. Paul Bravo, Jefe del Departamento Scoring MERC de Scotiabank, nos cuenta su experiencia como usuario de los software Clementine, SPSS y Answer Tree.

Tras la integración del banco chileno al grupo internacional, Scotiabank desarrolló un proceso de centralización de crédito en áreas comunes y eliminó las atribuciones crediticias individuales de sus ejecutivos. Como una forma de administrar de mejor forma este departamento, se creó el Módulo de Evaluación Riesgo de Crédito (MERC), encargado de centralizar este proceso. “El modelo exigido por la matriz debía comprender una herramienta automatizada de decisiones, para lo cual era relevante conocer calidad, volumen y contenido de la información del banco adquirido. La entidad contaba con un software de data mining, pero funcionaba con muchos problemas, ya que resultaba imposible manejar los nuevos procesos crediticios con bases de datos o planilla Excel. Por tal motivo, surgió la necesidad de comprar un paquete estadístico completo”, explica Bravo. Luego de analizar las diferentes alternativas del mercado, la institución se decidió por la solución ofrecida por SPSS Chile, la cual incluía la suite de análisis estadístico SPSS, que permite manejar información financiera de clientes; Answer Tree, herramienta para configurar árboles de decisión y establecer perfiles; y Clementine, software de data mining que genera modelos para evaluar el riesgo crediticio.

En Marzo del 2001 se puso en marcha la operación en todas las sucursales del país, lo cual incluyó también un convenio regional que comprendía aplicaciones en Argentina, México y Perú. “La decisión final se basó fundamentalmente en los beneficios que ofrecía el paquete informático sobre su competencia, asociados especialmente a alta conectividad e independencia de sistemas propietarios, y a una interfaz intuitiva y simple”, agrega Bravo.

Una suite modular y altamente integrada

Respecto de la elección de esta suite, el ejecutivo asegura que fue la correcta y que la simultánea puesta en marcha de los tres módulos permitió potenciar las cualidades que ofrece cada uno de ellos. Es así como SPSS constituye una línea de productos modular, altamente integrada y que incluye las funcionalidades necesarias para implementar cada paso del proceso analítico. Asimismo, Bravo sostiene que su interfaz gráfica permite que sea sencilla de utilizar, dado que proporciona gestión de datos, estadísticas y métodos de creación de informes. “Si bien gran parte del éxito de estas aplicaciones depende del conocimiento de mercado que maneje el usuario, la herramienta debe ser sencilla y práctica de usar para obtener resultados completos”.

La división MERC debe velar por el manejo del segmento retail masivo, por lo cual los sistemas de decisión deben ser eficientes, rápidos y certeros. “En este caso, el modelo de SPSS es capaz de tomar una decisión definitiva en el 60% de las solicitudes, lo cual es muy bueno”, sostiene. En este sentido, Answer Tree desarrolla modelos de predicción, muestra en pantalla diferentes variables y genera diagramas de árbol de fácil interpretación que segmentan la población en subgrupos que comparten características similares. El módulo es esencial para aquéllos que utilizan tablas de contingencia o regresiones de forma habitual. “La herramienta nos permite manejar no sólo modelos estadísticos, sino que además sistemas predictivos de riesgo, fraude y fugas, entre otros, para tomar resoluciones automatizadas y expeditas”.

A su vez, Clementine es capaz de ejecutar múltiples funciones de data mining dentro de distintos entornos de bases de datos y mejora la rentabilidad de las relaciones con el cliente a través de la comprensión de los datos.

Las organizaciones financieras como Scotiabank pueden utilizar las previsiones de Clementine para fidelizar clientes, identificar oportunidades de venta cruzada y mejorada, atraer nuevos clientes, detectar fraudes y/o reducir riesgos.

Mínima tasa de riesgo

Luego de tres años de operaciones, el Jefe del Departamento Scoring MERC de Scotiabank, muestra su conformidad por el progreso del área crediticia, ya que en su momento asumieron un banco con una tasa de riesgo muy alta, mientras que hoy se encuentran bajo la media del sistema financiero. “Partimos con una tasa que duplicaba la media del sistema financiero, el año 1999, y hoy estamos en un 2,4%, cifra que es un 30% más baja que la media. Además, hemos mejorado la optimización de los tiempos de respuesta, aspecto que es muy valorado por los clientes”. Por otra parte, Bravo enfatiza que más allá de poder identificar claramente cuál es el nivel de riesgo de un cliente, el banco pretende que en una segunda etapa -y de acuerdo a las prestaciones que actualmente ofrece este producto- el modelo permita negociar con “clientes riesgosos”, bajo otras condiciones y requerimientos. Asimismo, agrega que la aplicación de estos sistemas a las operaciones de una empresa, dependerá directamente de la mentalidad asociada a la obtención de resultados. “En general en Chile no se valora el trabajo con datos, porque éstos no brindan resultados en el corto plazo, mientras que los europeos y norteamericanos tienen claro que el éxito de estas soluciones se basa en contar con información abundante, adecuada y precisa”.

Bravo concluye señalando que “dadas las características del contrato de mantención -que incluye soporte en línea para consultas, adquisición de versiones, manuales y cursos de capacitación- las actualizaciones han sido puntuales y automáticas, razón por la cual pretenden renovar próximamente el acuerdo de soporte con SPSS”.

Octubre de 2004

¿Qué te ha parecido este artículo?

¡Síguenos en nuestras redes sociales!

Redacción

Artículos relacionados

Artículo 1 de 3