Diseñar e implementar alertas de comportamiento fraudulento y de nuevas ofertas de valor para CajaVecina en BancoEstado

Abstract

CajaVecina de BancoEstado es un innovador sistema de servicios, el cual permite a las personas que residen en zonas alejadas de las grandes urbes o en comunas densamente pobladas, realizar una serie de transacciones bancarias y de pagos de servicios, a través de terminales instalados en los almacenes y locales comerciales de cada comuna. Clientes y no clientes de BancoEstado se quejan a menudo de no contar con mecanismos seguros y confiables para ejecutar dichas transacciones siendo en muchos casos víctimas de fraude. Por otra parte, los ejecutivos de CajaVecina declaran que en la red de almaceneros existe un gran potencial de creatividad para hacer negocios y formas de operar más eficientes y productivas, pero, al mismo tiempo, ellos mismos no cuentan con las herramientas para capturar oportunamente esta riqueza o nichos de comportamiento deseables y transformarla en factor crítico de éxito. El objetivo principal de este estudio es elaborar una propuesta de implantación de alertas tendientes a identificar y detectar tempranamente comportamiento fraudulento y oportunidades de nuevas ofertas de valor en el canal transaccional de CajaVecina. Las principales ideas de cambio para lograr este objetivo son: la Minería de Datos y Riesgo Operacional. La metodología que se ha seleccionado para llevarlas a cabo ha sido la aplicación de Patrones de Procesos de Negocios de Dr. O. Barros. En los años 2013 y 2014 se ejecutaron los procesos de generación de modelos de comportamiento y detección de alertas. Se detectaron cambios de comportamiento en almaceneros que en una semana pasaban de pertenecer a segmentos de baja transaccionalidad a segmentos de alta transaccionalidad y viceversa. Antes de la aplicación de esta iniciativa, no había sido posible detectar estos cambios de comportamiento. En la actualidad, se están impulsando medidas para aumentar las transacciones a través de la migración de CajaVecinas asociadas a cluster de bajo nivel transaccional a otros cluster de mayor nivel y, detectando tempranamente anomalías, incidentes, robos, fraudes y, mal uso de los terminales.