¿Es posible gestionar una base de datos que contiene más de 200 millones de registros con más de 200 variables cada uno? ¿Se puede aprender a “leer” semejante volumen de información para tomar decisiones de negocio estratégicas e inteligentes? 

Sí, es posible. 

‍

Cuando una compañía produce información las 24 horas los 365 días del año sobre su negocio los modelos estadísticos son una gran solución para interpretar esos datos. Se trata de una herramienta basada en las matemáticas y el análisis de la información disponible que busca representar a la realidad mediante métodos estadísticos. Son modelos que no solo permiten predecir determinadas situaciones sino también entender mejor el comportamiento del cliente, definir procesos y estimar resultados. 

‍

¿Cuáles son los modelos más utilizados?

‍

• El “modelo Churn”: brinda el churn rate o tasa de cancelación que puede identificar el porcentaje de clientes que dejan de utilizar los servicios que ofrece una empresa durante un período de tiempo determinado. Se estima que este modelo puede predecir el abandono de un cliente con un 80% de confiabilidad, dato de suma relevancia para que los equipos comerciales tomen nota y puedan replantear sus estrategias de negocio, encarar campañas en conjunto con los clientes y así mejorar la disponibilidad de los servicios. 
  
  
• Modelo RFM: permite clasificar a los usuarios en función de 3 variables combinadas: Recency (hace cuánto tiempo no tiene transacciones),  Frequency (frecuencia de transacciones) y Monetary (nivel de consumo en USD del usuario). Una vez que los usuarios están clasificados en una categoría, los equipos comerciales pueden llevar a cabo distintas estrategias para mejorar la performance de los clientes. 

‍

• Customer lifetime value: este modelo también es un segmentador, ayuda a predecir el grupo de clientes más rentable, comprender las características comunes de estos y centrarse más en este grupo que en los clientes menos rentables.

‍

• Modelos de forecasting: el objetivo principal de estos modelos es realizar estimaciones sobre determinadas variables (por ejemplo: ingresos de una compañía, gastos, etc) mediante el uso de distintas técnicas estadísticas. No existe un único modelo para proyectar, sino que todo depende de cómo están presentados los datos. Este punto es fundamental a la hora de tomar decisiones, formular planes de negocio o definir un presupuesto. 

‍

En Geopagos utilizamos varios de estos modelos para la construcción de estadísticas. Actualmente hay dos equipos enfocados en esta tarea, uno de ellos es el team de Data Engineering, el cual se ocupa de respaldar y guardar la información,  y el otro es el de Data Science que es quien explota los datos para desarrollar los modelos e interpretarlos.

Los modelos estadísticos y la explotación de los datos nos permiten el armado de dashboards que cuentan con la información necesaria para los distintos equipos de Geopagos. Estos pueden detectar, entre otras cosas, qué sistema de pagos se utilizan más que otros, la locación, el ticket promedio, los tipos de tarjetas utilizadas, el rubro al cual pertenece un comercio. De esa manera, generamos información que agrega valor al negocio pero también a nuestros clientes (fintech, bancos, procesadores, agregadores y retailers), con quienes trabajamos en conjunto para llevar la mejor solución al mercado.