Validación de mercado
El uso de analítica predictiva en la banca ha:
Mejorado las tasas de retención en un 12 %.
Reducido los costos relacionados con el churn【coinlaw.io】.
Las instituciones que implementan IA para la optimización de procesos obtienen un retorno de inversión de 3.5× en 18 meses【coinlaw.io】.
Expectativa
Desarrollar un modelo de predicción que:
Identifique clientes con alto riesgo de abandono.
Ofrezca insights accionables para la retención.
El modelo deberá usar:
Datos de transacciones.
Interacciones con la app.
Factores externos.
Además, se creará un panel que permita a los equipos de marketing personalizar ofertas y campañas para retener a estos clientes.
Entregables deseados
Dataset consolidado de comportamiento de clientes, con variables relevantes.
Modelos de machine learning para clasificación y scoring de churn.
API que permita consultar la probabilidad de abandono en tiempo real.
Dashboards con segmentos de riesgo y recomendaciones de acciones.
Must-have
Limpieza e ingesta de datos de fuentes internas (pagos, uso de la app).
Entrenamiento y validación de modelos (Random Forest, XGBoost, redes neuronales).
Definición de umbrales de riesgo y generación de alertas automáticas.
Panel de insights con filtros por segmento, producto y canal.
Nice-to-have
Explicabilidad de modelos (SHAP) para conocer las variables de mayor peso.
Integración con plataformas de marketing para lanzar campañas automáticas.
Predicción
SAUL EVERData analyst
DiegoData analyst