Modelo Predictivo

Creación Scoring: trasladar los nuevos métodos de “machine learning” procedentes del entorno Big Data, para lograr una mejora significativa en la identificación de la probabilidad de éxito de las acciones.

  • Basada en la evidencia (cuando se dispone de ella).
  • Explotando el Estado del Arte: métodos no lineales, boosting.
  • Éxito demostrado en otros ámbitos de cálculo de propensión.
  • Capacidad de bootstrapping (generar evidencia y aprendizaje para nuevas actuaciones).

Modelo Optimización

Dotar de palancas de actuación en función de los intereses de la entidad, que pueden variar con el tiempo. El objetivo es tener en cuenta no sólo el objetivo principal sino también otros aspectos como el tiempo, el coste, las restricciones de presupuestos, entre otras.

  • Basada en “solvers” lineales y no lineales del Estado del Arte en cálculo (Ej: Rsolnp de R).
  • A partir de una “función de utilidad” acorde a los intereses de negocio.
  • Con posibilidad de utilizar los parámetros de la “función de utilidad” como palancas.
  • Con una adecuada gestión de las restricciones (identidades y desigualdades).
  • Proporciona el número de targets a abordar para cada tipo de acción según los objetivos de negocio, y a que acción asignar a cada caso.
  • Considerando que no siempre las acciones de mayor propensión son las más adecuadas para lograr el óptimo global.

Objetividad en el proceso

Respaldo analítico a las decisiones estratégicas de la compañía.

Modelo en continuo entrenamiento y aprendizaje.

Posibilidad de realizar testeos de nuevos escenarios.

Función de optimización máxima.

Optimización operativa

Reducción de los costes asociados a la gestión o incremento de las ventas según sea definido el modelo.

Aceleración de los tiempos de ejecución de los procesos.

Ajuste de los equipos de gestión.

Responder a la variable éxito definida por el cliente, facilitar la gestión y el seguimiento, optimización máxima.