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
SamanthaData analyst
FernandoBI Analyst
PatricioData analyst
CarlosMachine Learning Engineer
