Salvo que uno viva en un lugar remoto y aislado del planeta, es difícil no percibir que el mundo se mueve cada día más deprisa. La revolución digital en la que estamos sumidos se refleja en todos los aspectos de nuestro día a día, desde el modo en que nos comunicamos hasta cómo tomamos nuestras decisiones: recibimos emails por decenas -sino cientos- diariamente; nuestro teléfono o tableta nos alerta frecuentemente con nuevos mensajes, comentarios o fotos en las redes sociales; y a la hora de reservar unas vacaciones, en lugar de ir a la agencia de viajes acudimos a ver los ratings de otros usuarios y comparamos precios en línea. Los datos se generan en grandes cantidades, de manera vertiginosa y, en muchos casos, en formatos no tradicionales o estructurados (vídeo, texto libre, audio, etc.): vivimos en un mundo de Big Data.
 

Y esta disponibilidad y riqueza de datos se refleja también en el ecosistema de medios de pago. Los emisores, adquirentes y comercios están poniendo un creciente énfasis en la captura y mantenimiento de bases datos de calidad que faciliten y mejoren sus procesos de toma de decisiones. Lejos de ceñirse únicamente a los datos puramente transaccionales (fecha y monto de la transacción, país, etc.), cada vez más se incorporan nuevas fuentes de información a la hora de conocer al cliente y orientar las acciones de mercadeo: datos sociodemográficos, características del cliente en el buró de crédito, comportamiento con el programa de lealtad, niveles de servicio, otras relaciones bancarias, información de socios comerciales de tarjetas de marca compartida, uso de canales digitales como banca en línea o redes sociales, etc.
 

Pero no basta únicamente con tener datos variados y de calidad. Es necesario convertir los datos en información y dicha información, en conocimiento. Un dato es la unidad mínima de información, que incluye hechos o información histórica de un tema específico (por ejemplo, el monto de una determinada transacción). La transformación de datos en información nos permite generalmente contar una historia o responder a una pregunta con mayor valor para la gestión del negocio (por ejemplo, el gasto promedio mensual del portafolio). Pero sólo un adecuado tratamiento de esta información nos llevará a contar con un conocimiento más profundo del cliente, que nos permita abordarlo con acciones concretas (por ejemplo, su propensión a gastar en cines habiendo gastado antes en librerías).
 

Y… ¿cómo hacemos eso?
 

La clave estriba en el uso de herramientas y técnicas analíticas que nos permitan aprovechar y maximizar el valor oculto tras la información, lo que generalmente conocemos como analytics o big data analytics. Si el foco se centra en entender el pasado para derivar hallazgos y conclusiones relativas al negocio, generalmente hablamos de analítica descriptiva o descriptive analytics. Cuando por el contrario el objetivo es predecir un determinado comportamiento, nos movemos en el campo de la analítica predictiva o predictive analytics.
 

Al aplicar estas herramientas al mundo los medios de pago, se nos abre un amplio abanico de análisis y soluciones aplicables al negocio.
 

Desde el punto de vista de la analítica descriptiva, podemos profundizar en cuestiones tales como:
 

• La adopción de una visión 360º del cliente que nos permita adquirir un conocimiento más profundo e integral del mismo.

• La creación de reportes de indicadores de desempeño (KPIs) y benchmarks que nos ayuden a monitorear la evolución del negocio y a comparar nuestro desempeño con otros jugadores del mercado.

• El análisis exhaustivo de los impulsores de ingresos y costos del emisor o del adquirente, para identificar áreas de oportunidad y potenciales ahorros.

• La segmentación por comportamiento del portafolio, para agrupar a los tarjetahabientes sobre la base del uso que hacen de sus productos y poder definir iniciativas “accionables” que mejoren el desempeño.

• Análisis ad-hoc que permitan, por ejemplo, definir cuánto más gastan los tarjetahabientes al ser migrados de una tarjeta de marca privada a una tarjeta Visa o entender el impacto de una declinación cross-border (en el extranjero) sobre el consumo doméstico.

 

Por su lado, la analítica predictiva actúa como catalizadora de la información para brindarnos una ventana hacia el futuro, ayudándonos a resolver cuestiones a lo largo del ciclo de vida del cliente tales como:
 

- Cómo identificar a los candidatos óptimos para una oferta de tarjeta de crédito entre los clientes existentes del banco o los clientes del programa de lealtad del socio comercial (por ejemplo, programa de viajero frecuente). 

- Una vez que el cliente ya dispone de su tarjeta, ¿quiénes son los candidatos que tienen una mayor propensión a activar su tarjeta y qué factores determinan dicha activación?

- Cuántos clientes de un producto Classic se comportan como clientes típicos de un producto superior y, por tanto, deberían ser objeto de una oferta de “upgrade”.

- ¿Es posible establecer reglas de asociación que nos permitan identificar las relaciones entre el uso en las distintas categorías de comercios?

- De qué manera es posible incrementar los saldos financiados y, con ellos, los ingresos por intereses a través de la identificación de aquellos tarjetahabientes más propensos a financiar con su tarjeta de crédito.

- Cómo optimizar la asignación y revisión de líneas de crédito con base en distintas variables y de acuerdo con el apetito de riesgo del emisor.

- ¿Es posible anticiparse a la cancelación voluntaria o silenciosa de la tarjeta de crédito para abordar a los clientes más propensos al abandono con una oferta proactiva de retención?
 

Si bien es cierto que en Latinoamérica y el Caribe la industria tiene todavía amplias oportunidades de aprovechamiento de estas herramientas analíticas, existen grandes variaciones entre los diferentes mercados y jugadores. Lo que está claro es que su uso se está generalizando progresivamente, como ya ha venido sucediendo en mercados más maduros como el de Estados Unidos; tanto es así, que lo que hoy constituye una ventaja competitiva –el uso de herramientas y técnicas analíticas- podría convertirse en el nuevo paradigma en los próximos años. En consecuencia, carecer de ellas podría convertirse en una desventaja competitiva para aquellos jugadores que no puedan mantenerse a la par con la evolución de la industria.