Banking and Insurance
Dentro del marco económico actual las entidades financieras y aseguradoras cada vez más tienen su Core asociado a aplicaciones IT. En Asseco disponemos de soluciones y servicios tecnológicos Data & Analytics y Digital Workplace para afrontar los retos actuales tan competitivos.
El modelo bancario tradicional está en fase de extinción, es necesario moverse, arriesgarse y tomar decisiones que permitan posicionar a las entidades en un nuevo entorno competitivo.
Nuestro objetivo es ofrecer servicios complejos de desarrollo e integración de soluciones desde metodologías ágiles, siempre desde una perspectiva humana y cercana. Cada día vemos procesos de transformación surgidos de la concentración y reconversión del sector a los nuevos tiempos y es en estos procesos donde aportamos valor.
Dentro de Asseco Spain disponemos de la experiencia, equipo y talento para poder frente a proyectos complejos que necesitan nuevos prismas para poder abordarlos.
Segmentación avanzada de clientes: la integración de datos externos, internos, estructurados y desectructurados permite generar propuestas de valor adaptadas a cada perfil. Gracias a ello, nuestra comunicación tendrá mayor eficiencia y rendimiento. Esta segmentación tiene grandes ventajas. No solo permite fidelizarlos mejor y mejorar su experiencia como clientes. También detectar el abandono con antelación, definir si el valor del cliente compensa el coste de retenerle y definir las acciones a tomar de forma eficiente.
Gestión de la “omnicanalidad”: los clientes cada vez usan un mayor número de canales de comunicación, y debemos integrarlos y mejorarlos para evitar duplicados, pérdida de información, etc. Unificando todas las fuentes en un único repositorio, es posible explotar la información de forma más eficiente con datos en tiempo real de las personas, los mercados y las variables exógenas.
Gestión de riesgos: con la información generada gracias a las herramientas de Big Data, podemos mejorar el proceso de evaluación de riesgos en las inversiones que realizamos, las solicitudes de crédito de clientes, etc. Podemos también definir el perfil de cada inversionista, determinar su aversión al riesgo y sugerir formas de gestionar los portafolios en función del resultado.
Cuenta Inteligente: el objetivo es que la entidad financiera ofrezca al cliente un nuevo concepto de cuenta, abandonando la tradicional ‘ccc’, por un servicio de valor añadido que le permita recibir predicción de gastos futuros y posibles descubiertos a corto o medio plazo, analizar sus comportamientos en base a los gastos generados, categorización automática de movimientos para consultar por grupos, comparar gastos con clientes anónimos del mismo perfil o recomendaciones de productos que cubran las necesidades concretas del cliente.
Nuevas oportunidades de negocio: además de la información que dispone el banco sobre la actividad económica de cada cliente, ahora también puede tener acceso a información externa del mismo, como de redes sociales o comportamientos en Internet, que permitan enriquecer el ecosistema de datos que rodea a cada cliente. Analizar la información externa permite al banco nuevas oportunidades de negocio: si el cliente sube a una red social sube fotos de un tipo de coche y manifiesta su interés, el banco puede generar, en ese preciso momento, una oferta de un producto de crédito que se ajuste sus necesidades concretas, que la reciba a través de la propia red social y la pueda contratar con “muy pocos clics” rápidamente.
Nuevas oportunidades de negocio para personas no clientes: incluir el análisis de datos externos puede generar nuevas oportunidades de negocio incluso sobre personas que no son clientes de la entidad financiera, que puede detectar necesidades financieras concretas de una persona y ofrecerle un producto que solvente una situación particular y quizás, pueda desencadenar en un futuro, el alta de este.
Gestión de riesgos y prevención del fraude: son los dos casos de usos pioneros en las entidades bancarias basados en la Analítica de Datos, Machine Learning y Big Data; la gestión del riesgo y prevención del fraude son dos de los aspectos más importantes de los bancos en la actualidad y por ello, han sido los primeros proyectos que se han acometido con estas tecnologías.
Recomendador interno: la entidad financiera o aseguradora deberá recopilar datos sobre qué zonas de la ciudad son frecuentadas por sus clientes, en qué horarios, dónde hacen sus compras, qué tipos de clientes son y qué en qué zonas tiene menor número de clientes y aplicando analítica podrá determinar cuál es la zona que le generará mayores beneficios para ubicar la sucursal.
Predecir cuándo un cliente abandonará la entidad: analizando la actividad de la cuenta de un cliente, y combinando la información con datos internos del resto de canales (oficina o web) y datos externos, de redes sociales, se puede determinar si el cliente abandonará la entidad. Si durante un tiempo no hay movimientos en su cuenta, no visita la web ni acude a la oficina y en redes sociales comienza a seguir a otra(s) entidad(es), se puede predecir cuándo el cliente abandonará la entidad. Ante la detección de este escenario de abandono, entra en juego la capacidad de recomendación de productos o mejoras para retener al cliente (qué tiene contratado, cuál es su actividad y qué podemos ofrecerle). Siempre es más económico retener a un cliente que captar uno nuevo.