Análisis y diseño de los componentes de inteligencia de negocios de una solución CRM

Abstract

El presente trabajo de tesis tiene por objetivo explicar el proceso de análisis y diseño de los principales componentes de inteligencia de negocios (Business Intelligence, Bl) empleados como base para el análisis de información de una estrategia CRM en una institución financiera. Con este fin se lleva a cabo el desarrollo de una prueba de concepto a partir de una muestra de datos tomada de un banco privado del mercado financiero peruano. Las prácticas de inteligencia de negocios representan una alternativa tecnológica y de administración de negocios que cubren los aspectos del manejo de información para la toma de decisiones, desde su extracción de los sistemas operacionales de una empresa, depuración, transformación, carga, el diseño de estructuras de datos o modelos especiales para el almacenamiento de los datos, hasta la explotación de la información mediante herramientas comerciales de fácil uso para los usuarios de negocios. Los diferentes conceptos de inteligencia de negocios están muy ligados con el concepto de un Data Warehouse. Las estrategias de inteligencia de negocio le permiten a una empresa tener a la mano la información más relevante de su operación de una forma rápida, flexible y oportuna. Las herramientas que integran la inteligencia de negocios consolidan la información de las distintas áreas, mejorando el proceso de decisión. Customer Relationship Management (CRM), por otro lado, es la estrategia de negocio para seleccionar y gestionar las mejores relaciones con los clientes, identificarlos, diferenciarlos, interactuar con ellos y aprender de su comportamiento para finalmente personalizar la oferta de productos y servicios con el fin de atraer, retener y desarrollar a los clientes más valiosos y rentables. CRM requiere una filosofía de negocio centrada en el cliente y un conjunto de soluciones de tecnología de la información, tanto operacionales como analíticas, para dar soporte eficiente a los procesos de marketing, ventas y servicios, y medir el valor de la relación con los clientes. El componente analítico de una estrategia CRM, conocido como CRM Analítico, es soportado por inteligencia de negocios. Un CRM Analítico busca conocer a los clientes y la inteligencia de negocios ofrece la colección de datos sobre los clientes representado en un modelo particular, así como herramientas de análisis y explotación de la información. El presente estudio se centra en los componentes de inteligencia de negocios que forman parte de un CRM Analítico. El enfoque para abordar este tema parte de la identificación de las preguntas de negocios orientadas al valor de los clientes que hacen los altos ejecutivos de las instituciones financieras cuando buscan calificar y cuantificar la relación que tienen con sus clientes. Usualmente, un banco bien posicionado en nuestro medio ya tiene definidos y Aculados algunos indicadores claves sobre el valor de la relación con sus clientes, siendo uno de los más importantes la rentabilidad. Partiendo de la rentabilidad ya calculada para cada cliente, un banco se interesa por identificar a ese 20% de los clientes que representan el 80% de la rentabilidad total de la institución, por conocer cuáles son las variables que mejor explican la rentabilidad de un cliente, cuáles son los clientes que tienen una rentabilidad potencial que todavía no ha sido explotada, cómo calcular esa rentabilidad potencial, qué clientes nos interesa retener y cuáles no, cuál es el ratio de deserción y de incorporación anual de los clientes, cómo evoluciona la rentabilidad de los clientes durante el ciclo de vida de su relación con el banco, cómo puede el banco incrementar su rentabilidad, etc. La respuesta a estas preguntas usualmente no puede ser dada directamente desde las aplicaciones operacionales que manejan la relación con el cliente en los diferentes puntos de contacto que un banco tiene (ventanilla, cajeros automáticos, internet, etc.). El presente trabajo propone técnicas y herramientas de inteligencia de negocios para el desarrollo e implantación de un CRM Analítico que responda estas preguntas de negocios, tomando como referencia para el caso de estudio una muestra de datos significativa de un banco importante de nuestro medio. El desarrollo del caso de estudio propone un modelo de datos, implantado en una base de datos relacional, que al ser poblado con una muestra representativa (1% del total de la información de clientes del banco) de 13 meses consecutivos de información real de un banco, pueda ser explotado a través de aplicaciones analíticas que presenten la información en un formato gráfico y con una interfaz web que permita dar respuesta a las preguntas planteadas en el párrafo anterior con respecto a la rentabilidad de los clientes y su relación con el banco. Estas aplicaciones analíticas se han desarrollado con el uso de herramientas de inteligencia de negocios conocidas como herramientas OLAP (herramientas de procesamiento analítico en línea), que tienen la característica de presentar la información al usuario final como un grupo de indicadores y dimensiones con el fin de facilitar la formulación de consultas y ocultar su complejidad, de modo que el usuario pueda plantear sus preguntas en los mismo términos de negocios que los hace en su día a día dentro de una organización. Para el desarrollo del caso se sigue una metodología ampliamente difundida en proyectos de inteligencia de negocios, conocida como el “Ciclo de Vida Dimensional del Negocio” y que fue planteada por Ralph Kimball, uno de los precursores de los conceptos de inteligencia de negocios de mediados de la década de los 90. El sustento y presentación del caso de estudio está precedido de un conjunto de definiciones teóricas que buscan aclarar los diferentes conceptos existentes alrededor del CRM y la inteligencia de negocios y que ayudan a entender a cabalidad los componentes de un CRM Analítico para una institución financiera, que se presenta como prueba de concepto del caso de estudio. Con este fin se plasman con claridad definiciones de CRM, la visión de CRM, la teoría del intercambio de valor, el ciclo CRM, beneficios de CRM y la arquitectura técnica de una solución CRM. Este último punto permite asociar el CRM con los conceptos de inteligencia de negocios y de tecnología de la información, para luego incluir definiciones de Data Warehouse, diferencias con los sistemas transaccionales, componentes de una solución de inteligencia de negocios (fuentes de datos, Data Mart, Data Warehouse corporativo, metadata, ODS), minería de datos, modelamiento dimensional, tareas de extracción, transformación y carga, calidad y limpieza de datos, explotación de la información y el ciclo de vida de un proyecto de inteligencia de negocios desde el punto de vista de Ralph Kimball. Como resultado del caso de estudio se pudo identificar que un 17% de los clientes aportaba el 80% de la rentabilidad total de la muestra analizada. Sobre este grupo de clientes el banco debería focalizarse para llevar a cabo campañas de retención y en la medida de lo posible buscar un incremento en su rentabilidad. En el otro lado, del total de clientes que daban pérdidas (rentabilidad negativa) se pudo ver que el 1% de estos clientes aportaba el 80%) del total de pérdidas y que por tratarse de un grupo reducido de clientes pueden ser identificados fácilmente ya sea para buscar una mejora en su rentabilidad o para terminar la relación si una mejora es poco probable. Además al momento de realizar un análisis de distribución se identificó que el segmento conocido como “Banra Exclusiva” era el más rentable para el banco, pero que a su vez incluía muchos clientes con una rentabilidad muy baja, lo que podía sugerir una revisión del proceso que asigna los clientes a un segmento en particular para considerar algunas variables más restrictivas y evitar que clientes poco rentables vayan a grupos de alta rentabilidad. En cuanto al ratio de deserción se encontró que éste era del 20% anual, por lo que se podría estimar que el período de vida de la relación de un cliente con el banco es de unos 5 años, mientras que el ratio de incorporación está por el orden del 29%, lo que le da al banco una ratio neto de incorporación anual de 9%. La sección dedicada al caso de estudio y a las conclusiones brinda más detalle sobre los resultados encontrados. Finalmente esperamos que el presente informe de tesis entregue un aporte importante para conocer y difundir el uso de las técnicas y las herramientas de inteligencia de negocios y su relación con una estrategia CRM, demostrando a través de un caso de estudio como contribuyen de una manera práctica y factible al análisis de información que apoya la gestión de la relación con los clientes en una institución financiera de nuestro medio.