Resumen:
El Banco de Costa Rica es la segunda institución financiera semiestatal más grande del país. Actualmente, busca generar nuevas oportunidades de negocio para sus clientes actuales y potenciales. La institución tiene claro lo importante que es contar con información correcta en el menor tiempo posible. Para ello, busca digitalizar muchos de sus procesos y negocios, con el fin de mejorar los tiempos de respuesta a sus clientes y, a su vez, ayudar a las gerencias a tomar mejores decisiones en el menor tiempo posible.
La organización está enfocada en la digitalización de la banca en diferentes áreas y muestra un interés especial en la creación de un sistema de Big Data que permita gestionar diversos tipos de información, como datos estructurados, no estructurados y semiestructurados.
Como primer paso, se busca aplicar reglas de minería de datos en distintas áreas. Una de ellas consiste en predecir si los nuevos clientes son rentables para la organización, mediante la identificación de patrones en los clientes actuales. Esto permitirá determinar dónde debe enfocarse la institución para mejorar sus negocios, servicios y productos.
Se reconoce la necesidad de crear modelos exploratorios y predictivos que permitan determinar si un nuevo cliente puede ser potencialmente rentable para la entidad bancaria. A partir de esta información, se podrán tomar decisiones sobre el trato que debe darse al cliente en cuanto a productos y servicios, con el propósito de identificar qué ofrecerle sin comprometer las utilidades del Banco.
Para crear un modelo predictivo personalizado para el Banco, se deben identificar, en conjunto con un grupo interdisciplinario de gobierno de datos e inteligencia financiera, las variables predictoras adecuadas que se utilizarán durante el proceso de calibración de los algoritmos. Mediante la aplicación de validación cruzada, se seleccionará el algoritmo óptimo para analizar los datos y realizar las predicciones. Asimismo, es necesario considerar que los métodos predictivos requieren revisiones y ajustes periódicos, debido a que los datos varían con el tiempo.
