Big Data y Analytics: la fórmula para generar valor de Santander Río y Movistar

Gestión y explotación de grandes volúmenes de datos, toma de decisiones en línea y mejora en performance de procesos de negocios, tres de los beneficios principales del uso de Big Data y Analytics en Movistar, Santander Río y Nubimetrics.

Cada vez es mayor la necesidad de dirigir hacia los clientes mensajes que se ajusten a lo que buscan para retenerlos o para resolverles un problema. Aumentar las ventas, en un mercado en el que el consumo no da grandes señales de mejoras, no es un tema menor. Por un lado, los sistemas transaccionales y las fuentes no estructuradas, como redes sociales, entregan más datos. Y estos datos, si están bien gestionados, dan a las compañías más capacidad de conocer a los clientes e interactuar más asertiva y positivamente con ellos.

Más de 3 millones de clientes tiene el Banco Santander Rio en la Argentina, entre los que hay másde230.000 Pyme y 1.500 grandes empresas. Home Banking, Call Center y 411 sucursales físicas están a disposición de los clientes a los que se suman decenas de procesos internos para atenderlos.

Gastón de Luca, gerente de Inteligencia Comercial y Chief Staff Manager del Banco Santander Río, reconoce que después de varios años de no invertir en infraestructura tecnológica en el área de inteligencia comercial, la pérdida de performance en procesos hacía dificultoso probar cosas nuevas para, por ejemplo, correr procesos y ver rápidamente los movimientos de los clientes. “A lo mejor uno de estos procesos tardaba 12 horas en correr, para poder verlo en el tablero de comando y accionar , explica De Luca.  

Leer más: ¿Por qué usar Inteligencia Analítica para contratar personal?
Gastón De Luca, gerente de Inteligencia Comercial y CSM
del Banco Santander Río

Con tres años y medio a cargo de la inteligencia de negocios del banco, área que depende de la dirección comercial de la entidad, De Luca fue el promotor de una estrategia para avanzar en un mejor aprovechamiento de los datos, de la que también participó el área de IT. “Encaramos una estrategia con tres hitos: mejorar lo que son los fronts comerciales (como el CRM de las sucursales, que se hizo con tecnología propia), cómo dotar de más inteligencia los canales y sus datos, y cómo usar Big Data para explotar los datos estructurados y no estructurados , enumera.

Para cumplir estos objetivos, primero hicieron pruebas de concepto, apelando a recursos internos con nodos de Hadoop, pero no les resultó, por lo que decidieron seleccionar proveedores que tuvieran la tecnología y el conocimiento. “Vimos varios vendors, pero los que llegaron a prueba de concepto fueron IBM y Oracle. Ambas soluciones, frente al primer caso de mejorar la performance, lo hicieron bien. Procesos que duraban 12 horas pasaron a cuatro minutos. Las soluciones de Big Data eran distintas y nos inclinamos por Oracle porque ya teníamos soluciones implementadas por ellos y la migración era muy transparente. Teníamos dudas por el plug and play pero resultó bien. Hicimos como si fuera un copy paste y, al otro día, estaba funcionando espectacular. Con esto logramos insight en información nueva y vieja que estaba pero que no explotábamos comercialmente , destaca De Luca.

Santander Rio adquirió la arquitectura completa, con Oracle Exadata donde está el datamart donde migraron las bases tradicionales. En el Oracle Big Data Appliance, están incorporando distintas fuentes de información que existían, pero que con su gran volumen, no podían explotar. También implementaron Oracle Real Time Decisions, para la información en tiempo real, valiéndose de Oracle Consulting.

Leer más: Conoce la solución BI que implementó el ICBC para atraer más clientes

“El Big Data es maravilloso, no es mágico. Puedo diferenciar a quién le interesa o no, pero la forma de abordar a los clientes debe adaptarse a esto. Con 70 personas en el Call Center y con todos los datos, si comercialmente no le hago caso al modelo, no lo voy a resolver. Podemos leer todas las huellas digitales, pero después de eso hace falta un producto y una oferta , explica De Luca acerca del proceso extra tecnológico que implica el aprovechamiento de lo implementado.

“El gran objetivo no es vender más ya, sino poder tener las capacidades técnicas, analíticas y de recursos humanos para poder conocer completamente a nuestros clientes. Estamos trabajando con dos o tres casos de usos más específicos con tarjetas de crédito y uso del dinero. Ya estamos empezando a tener resultados con Oracle Real Time Decisions que está en el Online Banking para operaciones como SuperClub, préstamos y pagos. Preliminarmente, tenemos un incremento del click to rate, cercanos al 0,3 por ciento y estamos con algunas de las ofertas que ponemos, con casos cercanos hasta 3 por ciento. Estas primeras mediciones nos dan la señal de que vamos por el buen camino , cierra De Luca.

 

Campañas en tiempo real

En el caso de Telefónica de Argentina, comenzando con Movistar, optimizar el modelo de campañas comerciales y gestión de marketing usando información en tiempo real fue el detonante para dar un salto superador. “Teníamos un modelo robusto de campañas comerciales y gestión del marketing a través de analytics, con información diaria, mensual y anual en base a un grupo de clientes segmentados por características. Empezamos a ver que nos iba bien, pero que había mucha información arriba de la mesa , explica Juan Lipera, gerente de Inteligencia de Negocios de Telefónica y Movistar.

“Por ejemplo, el saldo o la recarga en un horario de los clientes. Llegábamos con la campaña tarde y el cliente ya había hecho la operación; era tarde , detalla Lipera. Movistar ya utilizaba tecnología de SAS, como el Fast Miner para administrar las campañas, a lo que incorporó un procesador de datos en tiempo real y un motor de reglas de decisiones, Real Time Decisions Management, del mismo proveedor, que en lugar de ser batch es en tiempo real, sobre un data warehouse de Teradata e información en Hadoop.

Leer más: Big Data y Mobile, los caminos que eligió la banca para crecer

“No arrancamos desde cero, porque es complejo y si te equivocás le mandás al cliente un mensaje con error. Y la misma información que va a los clientes va a los representantes de ventas. Esto es un respaldo.Se conecta con muchos servicios tecnológicos, que en milisegundos operan. Son muchas decisiones. El proyecto duró entre seis y siete meses y ya tenemos 20 casos de usos y vamos por más , explica el ejecutivo.

La implementación se hizo con el equipo de SAS. A nivel grupo, el proyecto lo sponsorizó el área de Marketing, pero también se sumaron Posventa y Calidad de Red. “Las acciones comerciales las despierta el contexto del cliente. Eso dispara además un análisis en tiempo real con variables históricas. El equipo de inteligencia de negocios mira dashboards y tableros, pero no habla con nadie. En tiempos anteriores, se recibía el pedido, se segmentaba una base y Sistemas armaba la campaña para un determinado grupo , ejemplifica Lipera.

Y más allá del caso de uso de ventas, también se enfocaron en posventa. “Cuando se corta la llamada, a un porcentaje lo encuestamos preguntándole en tiempo real la percepción del cliente en cada llamada y lo comparamos con los valores duros de la red, como si estuviera caída o congestionada. Esto es mucho mejor que hacerlo a los tres meses. La potencia que tiene esto es infernal. Analizamos en tiempo real 3 millones de eventos por día para esta variable en particular. Toda la operación se analiza cada uno de los eventos. Hoy, lo podemos hacer en tiempo real y generar ofertas. Bajamos la cantidad de contactos y ganamos eficiencia en las campañas , refuerza Lipera.

Leer más: Big Data: “Las personas son más importantes que la tecnología

Desde lo humano y comercial, en Telefónica, también se cambió la forma de pensar y de planificar el mes con más análisis porque se ve minuto a minuto lo que pasa, incluidos tableros con fallas en las plataformas. Y los beneficios al negocio son tangibles. “Cada cierta cantidad de mensajes, a un cliente no se le mandan más. Esto nos sirve para ver la eficiencia de la campaña. Y, por otro lado, sacamos un grupo de clientes en el Real Time y lo tuvimos gestionando como antes. Y la mejora fue en los indicadores, mejorando 8 puntos los ingresos y reduciendo los contactos. Y también bajamos el churn, especialmente en el prepago, mejorando la permanencia de los clientes. Todo lo que se hace deja un histórico de contacto, que se actualiza en tiempo real,todo automático, y eso evita errores , concluye Lipera.

 

Emprender con Big Data

Porque la tecnología es ubicua y el talento no tiene domicilio sólo en Buenos Aires, dos emprendedores crearon su startup utilizando tecnología analítica y Big Data en San Salvador de Jujuy. Andrés Jara Werchau y Pamela Scheurer, matrimonio y también socios de negocios, crearon Nubimetrics. “Yo venía de 12 años trabajando en la empresa provincial de energía y Andrés había sido el fundador del primer ISP de Jujuy y vendía computadoras por volumen. Pero ambos queríamos hacer algo más , recuerda Scheurer, CTO de la empresa. Corría 2010 y arrancaron con dos líneas de negocios. Una software factory que desarrollaba juegos y soluciones llave en mano para empresas y otra que proveía a Pyme de un software que denominaron Nubi: un tablero de gestión para que pudieran monitorear ventas y costos, que era con licencias de Microsoft. Fue un largo camino, en el que salieron segundos en la competencia Naves del IAE, tuvieron soporte de Endeavor y de Wayra, la aceleradora de Telefónica, y decidieron enfocarse en un solo negocio. En paralelo, MercadoLibre abrió sus APIs y su fondo de inversión pidiéndole a Wayra que seleccione empresas para invertir. “Y quedó Nubimetrics , recuerda Scheurer.

Hoy, Nubimetrics es una plataforma web de información inteligente de todo lo que pasa en MercadoLibre. Permite a los vendedores de la plataforma tomar decisiones con información objetiva de calidad para potenciar sus ventas. Los usuarios pueden identificar las oportunidades en MercadoLibre, para tomar decisiones de negocio en sus tiendas virtuales gracias a la información que la firma de e-Commerce tiene disponible a través de una API, a la que Nubimetrics se conecta: conocer cómo adelantarse a la competencia y controlar de forma sencilla la operación. Nubimetrics utiliza servicios de Microsoft Azure tales como Azure Search, HDInsight y Machine Learning para el procesamiento de grandes volúmenes de información. “MercadoLibre abrió las APIs de manera pública y con uso gratuito.

Andrés Jara Werchau y Pamela Sheurer,
creadores de Nubimetrics

Nosotros tomamos información de ahí. Tenemos horarios específicos para hacer lo por la cantidad de información que movemos. Nubimetrics tiene dos áreas: una para vendedores de MercadoLibre y otra para grandes marcas que operan allí y necesitan saber qué están generando sus distribuidores. “A las marcas, les agregamos valor para que entiendan cuál es su movimiento con una herramienta que hace foco en la investigación de mercado en los 20 países donde opera ML. Al vendedor, lo ayudamos a saber con qué cantidad de productos genera el 80 por ciento de la facturación, para que pueda hacer promociones adecuadas. Además, los ayudamos a ser más competitivos, pueden ver quiénes son sus competidores, cómo competir sin pelear siempre por el mismo pedazo de la torta , explica Scheurer.

Además, les proveen a los clientes la información de qué es lo que pasa en MercadoLibre para que encuentren nuevas oportunidades de venta. La empresa usa entre 70 y 80 por ciento de los servicios de Azure, desde SQL, Azure Share, storage y no tiene ninguna persona especialista en infraestructura controlando eso: todo es infraestructura como servicio.

“El cambio de dirección a abrirse al software libre nos permitió crecer, en Big Data, usando clusters Spark y Hadoop en la nube, todo en memoria que es 10 veces más rápido. Al usarla plataforma como servicio, permite pasar de 3.000 a 10.000 usuarios, escalando la infraestructura con cambios en un click. Todo se gestiona desde notebooks en servidores remotos, lo que nos permite seguir siendo una startup que va innovando. Cada vez que sacan algo nuevo, como Data Lake, entramos al servidor y empezamos a probar. Es bajar Big Data a tierra , cierra.

Publicado originalmente en la edición impresa  nª 234 (marzo/2017) de Infotechnology.
Temas relacionados
Más noticias de Business Intelligence

Compartí tus comentarios

¿Querés dejar tu opinión? Registrate para comentar este artículo.
Nombre