Adolfo Kvitca, Director de Soluciones Predictivas de SPSS Argentina. 2º Encuentro Banca y Seguros AMBA mayo 2011

1. Detecte a sus clientes más valiosos
con acciones más inteligentes
Soluciones Predictivas
para la Industria del Seguro

2. Breve presentación de SPSS
 Empresa dedicada a la provisión de soluciones
de Data Mining (Software, Capacitación y
Consultoría).
 Fundada en 1968. Operaciones en más de 60
países. Más de 250.000 clientes.
 Desde hace 15 años en Argentina. Más de
1000 clientes.
 Entre las primeras 25 empresas de software
del mundo. Recientemente adquirida por IBM.
 Más del 95% de las empresas de la revista
Fortune son clientes de SPSS, entre ellas las
Top 10 del sector Bancario, Retail, Seguros,
Telecomunicaciones y Salud

3. Algunos de nuestros Clientes

4. Algunos Clientes Internacionales
Industria Seguros

5. Algunos Clientes de Argentina
Industria Seguros

6. Imagine si...
SINIESTROS
CROSS SELLING
COBRANZA
RETENCION

7. ¿Qué es un modelo predictivo?
 No vamos predecir un evento, sino que vamos a calcular la
probabilidad que ese evento ocurra.
 No existe garantía de cuál será el resultado para un caso en particular.
La probabilidad se aplica un conjunto de casos
DATA MINING

8. Segmentar Vs Data Mining
En alguna medida,
segmentar (tarea habitual en riesgo y marketing)
es hacer Data Mining
Perez Aguirre
Modelo > 2005 Modelo >2005
>3500
>2005
Sin Siniestros 1 Siniestro hace 5 años
Alta Gama Gama Media
>2000
Edad 21 Edad 35
Soltero Casado
Historia de Atrasos <2000 Pago OK

9. Data Mining
• Permite analizar cientos de características al mismo tiempo
• Analiza automáticamente la correlación de las variables
• Permite segmentación difusas, tiene en cuenta todos los
aspectos al mismo tiempo
• Permite estimar la probabilidad (Score) de un evento futuro
Vivienda
Antigüedad
Edad en el empleo

10. Evolución del Análisis (Cross-Selling)
Business Predictive
Intelligence Analytics
Descriptivo (pasado) Predictivo (futuro)
Valor para el negocio
Optimización
de
¿De qué tipo, en Estrategias
¿Cuántos Data
que lugar?
productos mining
vendimos? ¿Qué le
ofrecemos, a que
OLAP ¿Qué clientes precio, por que
Query & están por canal?
Reporting comprar?
Tiempo

11. Evolución del Análisis (Fraude)
Business Predictive
Intelligence Analytics
Descriptivo (pasado) Predictivo (futuro)
Valor para el negocio
Optimización
de
¿De qué tipo
¿Cuántos Estrategias
eran? Data
fraudes mining
detectamos?
¿Cuales debemos
OLAP inspeccionar?
Query & ¿Qué siniestros tienen
Reporting mayor probablidad de
ser un fraude?
Tiempo

12. Business Analytics en términos gerenciales
¿Cómo puedo capturar y analizar
información acerca de mis clientes,
prospectos o respecto a la satisfacción de
mis empleados?
¿Cómo puedo predecir comportamientos y
preferencias, de tal forma que pueda prevenir la
deserción y el fraude, ó maximizar el resultado de
mis campañas?
¿Cómo puedo tomar decisiones optimas en tiempo real
o adelantarme a problemas potenciales, en vez de
tomar decisiones cuando ya es demasiado tarde?

13. Prioridades
de la Industria del Seguro
DIFERENCIADORA
Canales Venta
Delivery Originación Cruzada
ESTRATEGICA
IMPORTANCIA
Retención
Reportes
Gerenciales
Facturación
Reglamentaciones Siniestros
Admin.de
Pólizas Cobranzas
BASICA
BAJA ALTA
PRIORIDAD

14. Principal Desafio
de la Industria del Seguro
Potenciar y retener a los mejores clientes
manteniendo los costos y el flujo de caja controlados
DIFERENCIADORA
Canales Venta
Delivery Originacion Cruzada
ESTRATEGICA
IMPORTANCIA
Retención
Retencion
Reportes
Gerenciales
Facturacion
Reglamentaciones Siniestros
Admin.de
Polizas Cobranzas
BASICA
BAJA ALTA
PRIORIDAD

15. Como utilizar un Score
90%
80%
70%
50%
El score es un número que permite ordenar
las cuentas de acuerdo a la probabilidad de
ocurrencia de un evento.
Esto permite realizar acciones diferenciadas:
límites, incentivos, precios, canal, etc
distintos según el nivel de probabilidad
esperado (respuesta, fidelidad, riesgo, etc)

16. Información para el
Analisis Predictivo
Customer Contact Channels
Website email agent mail phone PDA branch ATM
Datos de Interacción Datos Actitudinales
- Ofertas - Opiniones
- Reclamos - Preferencias
- Notas - Necesidades
- Clicks
Datos descriptivos Datos de Comportamiento
- Atributos - Ordenes de compra
- Características - Transacciones
- Socio/Geo demográficos - Historia de pago
- Antigûedad - Historia de uso
Operational
Attitudinal Marketing Web Call center Social networks
interaction
Enterprise Data Sources

17. El Proceso
Capturar Predecir Actuar
I A
Data
Mining
D C
Optimizar Ciclo del Cliente
Venta
Adquisición Incentivos Fidelidad
Cruzada
Limites
Originación Cobranza Fraude
de Credito

18. ¿Cómo se hace?
“La organizaciones buscan aplicaciones para resolver sus problemas de
negocio. Por lo que están cada vez más interesadas en plantillas
prearmadas que los guíen en la tarea que deben realizar, acompañadas
de consultoría sobre qué técnicas aplicar y qué variables constituyen
buenos predictores de comportamiento.”
Gartner Group
“We believe that you can have accelerators and prebuilt models that
can significantly reduce the time to value. I see models as something
that companies will view as the source of their competitive
advantage. There are certain things that are common to all
companies within a specific industry, but the company-specific
insights that you can add to a model can be a differentiator.”
Deepak Advani IBM SPSS CEO

19. ¿Cómo lo hacemos?
PLANTILLAS DE
MEJORES SOFTWARE
PRACTICAS
CONSULTORIA

20. Software
SmartWorkbench está construido sobre IBM SPSS MODELER, la herramienta de
DataMining más intuitiva del mercado. Posee una potente interfaz visual que le permite
interactuar con sus datos para descubrir soluciones que de otra manera no podría

21. Plantillas de Mejores Prácticas
Sintetizan años de experiencia y las mejores practicas de la industria
Constituyen un mapa visual que va guiando paso a paso de manera intuitiva y efectiva
 Cross-Selling
 Retención
 Valor Cliente
 Satisfacción de Cliente
 Administración de Campañas
 Fraudes
 Cobranza
+
Esta metodología permite resultados
rápidos, repetibles y confiables
Las plantillas pueden modificarse fácilmente en todo momento con sólo situar, quitar o cambiar
un ícono en el espacio de trabajo.
No hay que ser un Experto en Data Mining para utilizarlas.

22. Consultoría
El servicio de consultoría es parte fundamental de la solución:
 Mediante un proceso interactivo adaptamos las plantillas a las necesidades de
negocio cada organización.
 Modelos predictivos a medida
 Seguimiento y actualización de modelos
 Asistencia integral, tanto en la interpretación de los resultados obtenidos como
en la integración con los sistemas corporativos
 Capacitación, soporte, desarrollo de modelos e interfaces, etc
Más que entregar una herramienta para
desarrollar modelos, tenemos el
compromiso de proveer
todos los elementos de análisis
para implementar las
decisiones estratégicas
que generen el mayor beneficio.

23. Enfoque Tradicional / Enfoque Predictivo
Enfoque Predictivo
Enfoque Tradicional
Predecir y Actuar
Percibir y Responder
Instinto e Intuición Basado en Hechos
Analistas expertos Todos
Back office
Punto de Impacto
Automático
Optimizado

24. Ventaja competitiva
“En un momento en el que las compañías ofrecen productos similares y usan
tecnologías comparables, los procesos de negocios son de los últimos puntos de
diferenciación restantes.”
Ten Most Important Visionary Plan Elements
Interviewed CIOs could select as many as they wanted
86%
Business Intelligence and Analytics 80%
BI/Analytics Virtualization
77%
76%
Inversión primaria Risk Management and Compliance 70%
73%
para mejorar la Mobility Solutions 66%
71%
competitividad Customer and Partner Collaboration 64%
73%
Low
Self-Service Portals 63%
71%
growth
IBM Global CIO Study 2009
Application Harmonization 62%
67%
High
70% growth
Business Process Management 61%
68%
SOA/Web Services 55%
63%
Unified Communication 57%

25. Casos de Éxito

26. Algunos Resultados Reales
“… reducción de costos de 40% … ”
“… mejora del 20% en la cobranza …”
“… reducción de la fuga de un 19% a un 2% …”
“… duplicación del volumen de fraudes detectados …”
IDC Predictions para LA
El foco se moverá de “TI para administrar Información” a “TI para administrar el negocio”. El
software de Advanced Analytics va a crecer en LA un 34%

27. Cross Selling on the Web
Collect
User
Data
Determine
Best
Offer
Present
Quote
And Offer

28. Respuesta Seguros
La respuesta promedio de estas campañas fue del 13%, como se puede ver en las tablas
siguientes se logró construir un modelo capaz de identificar segmentos (del 10%) con un nivel
de respuesta 2,6 veces superior al promedio (34,7%) y 16 veces menor (0,8%)
Score Respuesta 40,0%
Int Min Max Intervalo Lift Porcentual Acumulada 35,0%
10 692 933 34,7% 2,6 27% 35%
30,0%
9 635 687 23,1% 1,8 45% 29%
8 576 631 18,2% 1,4 60% 25% 25,0%
7 519 575 14,9% 1,1 70% 23% 20,0%
6 462 518 12,5% 1,0 80% 21% 15,0%
5 389 453 10,2% 0,8 88% 19%
10,0%
4 322 388 7,4% 0,6 94% 17%
3 194 298 5,1% 0,4 97% 16% 5,0%
2 125 181 2,6% 0,2 99% 14% 0,0%
1 5 114 0,8% 0,1 100% 13% 10 9 8 7 6 5 4 3 2 1

29. Volumenes
Conventional
Campaign
optimization
Multi-product Car insurance Car insurance Line of Credit Life insurance Life insurance
(2) special

30. Ganancia
Incremento de la ganancia 29%
Conventional
Campaign
optimization
Multi-product Car insurance Car insurance Line of Credit Life insurance Life insurance
(2) special

31. Fidelidad
15%Clientes
70% Attrition
100% Clientes 100% Attrition
El modelo desarrollado con IBM SPSS Modeler tiene un alto poder
predictivo: actuando sólo sobre el 15% de la cartera “activa” se logra
accionar sobre el 70% del total de attrition.

32. Nucleus Research:
¨The Real ROI from SPSS¨
“This is one of the highest ROI scores
Nucleus has ever seen in its
Real ROI Series of Research Reports.”
Rebecca Wettemann, Vice President of Research, Nucleus Research
 94% de los clientes obtuvieron un ROI positivo, con
un payback promedio de 11 meses.
 Los beneficios principales incluyen reducción de
costos, aumento de la productividad, mejora en la
satisfacción de clientes y empleados.
 El 81% de los proyectos fueron ejecutados en
tiempo y el 75% dentro o debajo del presupuesto

33. ¿Está mi organización en condiciones de
incorporar Marketing Predictivo?
Para analizar objetivamente esta cuestión hay
que superar ciertos mitos

34. MITO:
No me sirve, yo vendo a través de productores
Es posible brindarle informacion a los productores para que mejoren su gestión.
Por ejemplo que productos ofrecer a sus clientes.

35. MITO:
Antes de hacer modelos necesitamos un Datawarehouse
Si bien es cierto que seria más fácil obtener los datos, muchas veces no
contienen la información necesaria para el desarrollo de modelos.
Herramientas de datamining actuales pueden utilizar los backup y leer la
información en múltiples formatos, e incluso puede mantener actualizados los
repositorios para posteriores corridas

36. MITO:
“GARBAGE IN - GARBAGE OUT”
Si hay basura y datos faltantes
no se puede desarrollar un score
La estadística trabaja con grandes números, identificando patrones
genéricos, por lo tanto una cantidad relativamente pequeña de errores y
datos faltantantes no influyen en el resultado del modelo. Inclusive se toma
como dato el hecho que el dato no esté informado.
Se puede recurrir inclusive a las carpetas físicas para desarrollar el modelo

37. MITO:
Sistemas tiene siempre otra prioridad!
 Utilizar herramientas que permitan automatizar la ejecución y el
monitoreo de modelos y estrategias.
 Con arquitectura abierta y fácilmente integrables.

38. MITO:
Lleva mucho tiempo!
Las herramientas visuales reducen los tiempos
sensiblemente

39. MITO:
Lleva mucho tiempo!
 La aplicación de una metodología probada, y la utilización
de plantillas de mejores prácticas que sintetizan años de
experiencia en la industria, permite proceder de manera
intuitiva y efectiva, e implementar soluciones en semanas

40. MITO:
Desarrollar modelos es sumamente complejo!
C5.0
GRI
CART
CHAID
QUEST
CAPRI
Apriori
K-Means
Kohonen
Regresion Lineal
Redes Neuronales
Regresion Logistica
 Los algoritmos de data mining son complejos, pero la utilización de
plantillas guían en cada paso de la construcción del modelo
 La participación de un experto en el negocio, con un conocimiento
exhaustivo del problema es fundamental para obtener resultados útiles
y confiables

41. MITO:
Desarrollar modelos es sumamente complejo!
Incorporar a los primeros proyectos a consultores externos con experiencia
en el desarrollo de modelos similares puede facilitar y acelerar
el desarrollo
la interpretación de los resultados obtenidos
la integración con los sistemas corporativos
el seguimiento y actualización de los modelos
el rápido retorno de la inversión
la capacitación, en la práctica, del personal propio

42. SPSS le brinda...
EXPERIENCIA
Aproveche las Mejores Prácticas de la industria, en un entorno visual y amigable.
Utilice una metodología comprobada para obtener resultados confiables
PRECISIÓN
Baje los costos y aumente los ingresos mediante modelos-scores orientados a su negocio y población
Mantega los modelos actualizados en forma rapida y sencilla
CONSISTENCIA
Decisiones automáticas que se aplican una y otra vez, para cada etapa del ciclo de vida del cliente
Mecanismos de mejora continua de las estrategias para aumentar la rentabilidad de la operatoria
AGILIDAD
Logre una visión 360 de sus clientes, y tome mejores decisiones (Predictivas)
Cambie e implemente nuevas políticas en forma rápida y sencilla
FUTURO
Elija un proceso de Negocio, Implemente la metodología, Demuestre resultados
Con una plataforma que le permite crecer en forma segura y facilmente integrable a su plataforma

43. Muchas Gracias
Adolfo Kvitca
Director de Soluciones Predictivas
PREGUNTAS
SPSS Argentina SA
akvitca@spss.com.ar