Solemne Business Intelligence and Analytics
Yaz .Apuntes1 de Noviembre de 2021
4.290 Palabras (18 Páginas)107 Visitas
BUSINESS INTELLIGENCE AND ANALYTICS[pic 1]
SOLEMNE I
OTOÑO 2020
[pic 2]
INTRODUCCIÓN
En el presente informe se realizará un análisis de datos correspondiente a Progreso, una empresa que entrega servicios financieros a pequeñas y medianas empresas. Esta compañía fue fundada en 1988 comenzando en negocios de leasing mobiliario, para luego en el año 2006 incorporar unidades de negocios, correspondientes a factoring. La compañía actualmente cuenta con 13 sucursales a lo largo de todo el país.
Actualmente, la industria de servicios financieros está enfrentando procesos de cambios y dificultades frente al escenario mundial, los elementos claves que se pueden desprender son el proceso de digitalización de facturas, la ley de pago a 30 días (difícil en la práctica) y la cadena de pago[1]. Algunas dificultades que presentan estos factores son: la demanda por rapidez en la adaptación, falta de financiamiento de algunos factoring y corte de la cadena de pagos. Mientras que entre los beneficios nos encontramos con: la facilidad de acceso de información, análisis más rápido y aporte al distanciamiento social requerido en estos días, dada la pandemia. Progreso dado este contexto se ha ido adaptando a la modalidad de trabajo remoto digitalizando e incluyendo más procesos virtuales, como también ha dado mayores flexibilidades a sus clientes que se han visto afectados por la contingencia.
Es relevante para contextualizar hacer mención de los competidores de la industria en la cual existe un alto nivel de digitalización, lo que abre paso a nuevos rivales, factoring 100% online y nuevas plataformas de compras de facturas. En relación a Progreso, ellos están en un proceso de cambio hacia lo digital, pero comentan que es distinto a nacer digital como estos nuevos rivales, pues ellos no necesitan pasar por el proceso de adaptación.
Dado todo el contexto mencionado en los párrafos previos se concluye que es importante para Progreso adaptarse rápidamente y crear estrategias que le permitan mantener, fidelizar o atraer nuevos clientes, para ello se requiere comprender sus características y poder clasificarlos, esto con la finalidad de focalizar sus planes de acción.
El foco principal de este trabajo está centrado en analizar los clientes de la división de factoring de la compañía, que se define como una herramienta de liquidez para una empresa. Este servicio financiero cuenta con 3 actores principales: El cliente que es quien solicita el factoring trayendo consigo una factura de un deudor, luego tenemos a la compañía, que acepta esta factura y le entrega liquidez al cliente realizando el traspaso del dinero de cierto monto de la factura. Finalmente tenemos al deudor, quien eventualmente tendrá que cancelar la factura a la compañía y no al cliente, pues su deuda fue cedida.
Ahora bien, el primer paso para apoyar a la compañía en su proceso es realizar una segmentación inductiva de sus clientes, proponiendo planes de acción en cada uno de los grupos encontrados, para finalmente ir en la búsqueda de su fidelización, retención o atracción según corresponda. La segmentación se basará en 5 variables, de las cuales 4 pertenecen al modelo tradicional de segmentación correspondiente a RFMA (Recencia, Frecuencia, Antigüedad) y la quinta corresponde a información del cliente en base a su deudor (Saldo pendiente).
Para el procesamiento de la data y posterior análisis de variables y segmentos se tendrá en consideración tanto a los clientes como a los deudores, pues el pago de la factura está sujeta a este último, sin dejar de lado la responsabilidad del cliente en caso de no cumplirse lo estipulado. Según las políticas actuales de la compañía se selecciona a los clientes observando deudores que él le trae. Entonces, si bien la segmentación será de clientes, se hará un análisis dual en el cual se describirá al cliente y además se podrán sacar conclusiones sobre los deudores que el cliente trae.
El contenido será presentado de la siguiente manera, en primera instancia se profundizará en el enfoque de la problemática, luego se explicará el pre-proceso de la data, para continuar con los procesos realizados y sus resultados. Se finalizará con la segmentación propuesta y su respectivo plan de acción.
DESARROLLO
Enfoque de la problemática
Lo primero que se debe considerar para realizar la segmentación, es el entendimiento del negocio y los actores involucrados en el proceso de factoring. Se debe hacer una distinción importante sobre el modelo de negocios ya que presenta datos de carácter dual, es decir, que definen tanto al cliente como al deudor por lo que se realizará la siguiente relación: “el cliente en sí es una cartera de deudores que pueden o no cancelar la suma de su deuda a Progreso”. Bajo esta lógica es que la información perteneciente a la ganancia por factura y saldo pendiente del cliente responderán a las interrogantes de cuánto me entrega dicho cliente en términos monetarios según sus deudores (diferencia de precio más comisión) y la capacidad de pago de los deudores del cliente, que, por transitividad, sería la capacidad de pago del cliente (saldo pendiente).
De esta forma se puede incorporar información del deudor como característica del cliente dados los registros de la compañía, así se decide optar por esta visión ya que la calidad de un cliente se comprende tanto por la ganancia que se obtiene del monto de las facturas que trae y vienen dadas por el servicio que prestó al deudor, así como también la cantidad de deudores que representan un nivel de riesgo asociado desde el punto de vista financiero[2].
Siguiendo con la segmentación se integrarán los criterios de segmentación tradicional correspondientes al modelo RFMA (Recencia -Factor R, Frecuencia, Antigüedad y Money) que responden a las siguientes interrogantes: Adicional a estos 4 criterios, se incorpora el quinto correspondiente a saldo pendiente que refleja la incidencia del deudor dentro de las características del cliente.
Estas 5 variables permiten hacer relaciones respecto a cómo se llevan a cabo las transacciones y en qué aspectos se puede profundizar dadas las características de los distintos segmentos, con la finalidad de reconocer patrones de conducta de los perfiles de cliente para así potenciar iniciativas de acción efectivas vinculadas al giro del negocio.
Pre-proceso de la data
En esta primera etapa se busca determinar cuáles son las variables relevantes dentro de la base de datos, para esto se utilizó el criterio RFMA como se mencionó anteriormente, que permiten realizar una correcta segmentación de los clientes de la empresa Progreso S.A. Las variables que se consideraron para el pre-proceso de la data son las siguientes:
Num_Fac: Esta variable entrega el número de la operación realizada por la empresa al momento de emitir un servicio, se realizó un contar según el ID del cliente. De esta manera se obtuvo el número total de facturas emitida hacia cada cliente, y, por ende, se considera una variable importante debido a que nos entrega si un cliente es frecuente.
Factor R: Esta columna es creada a partir de Fec_Vto, que nos presenta la fecha de término de cada una de las facturas emitidas a los clientes, para crear esta variable se restó la fecha actual menos la fecha de vencimiento, y se expresó en meses. Esto nos señala el último término de contrato de los deudores, luego se utiliza el operador aggregate para calcular el valor máximo por servicio prestado a cada cliente, esto con el fin de saber cuándo fue el último servicio prestado a los clientes, mostrando que entre más grande el número, mayor es la probabilidad de que se hayan terminado las relaciones con dicho cliente. Esta variable corresponde al criterio Recencia. Este factor expresaría la última interacción con el cliente.
Antigüedad : Esta columna indica la primera prestación de servicio realizada a un cliente, para esto se restó la fecha actual menos la variable que indica la fecha de otorgamiento de la operación (Ope_fec_oto), lo que muestra la antigüedad de los deudores expresado en meses, luego se utiliza el operador aggregate para calcular la fecha mínima en base al ID de cliente, permitiendo saber la fecha más perentoria en la que se facilitó un servicio de factoring a un cliente.
Dif+Com: El factor es relevante para realizar la segmentación, ya que representa los ingresos percibidos por la compañía. Primero se utiliza un aggregate para sumar los ingresos percibidos y se le normaliza para que pueda ser comparada con el resto de las variables, queda en término de desviaciones estándar, entre más grande mayor es el ingreso que representa dicho cliente. Esta variable corresponde al criterio Money.
Sal_Pen: Esta variable se categorizó para representar si un cliente en base a sus deudores es de riesgo o no, se le asignó Riesgoso a todos los valores que tuvieran un saldo positivo, mientras que No Riesgoso a todos los valores que son igual o menor 0. El primer supuesto es que los saldos negativos eran montos retenidos que la compañía debía devolver a sus clientes (excedentes). El segundo, es que todos los saldos pendientes son cuentas vencidas, ya que el plazo de vencimiento de la última cuenta venció hace dos meses y medio. Esto nos entregará el riesgo por deudor, luego se calcula un promedio entre los deudores de cada cliente para determinar el riesgo que representan, se utiliza un agregate que permita obtener el promedio, siendo los valores cercanos a 1 de bajo riesgo y los que tiendan a 0 serán considerados de alto riesgo.
...