![logo-banco-bolivariano1](https://www.analytics.pe/wp-content/uploads/2019/04/logo-banco-bolivariano1.png)
![data-engineering-1](https://www.analytics.pe/wp-content/uploads/2019/04/data-engineering-1.png)
INDUSTRIA: Servicios Financieros
SOLUCIÓN: BIG DATA / DATA SCIENCE
PROYECTO: DATA ANALYTICS / SEGMENTACIÓN / BIG DATA
Cliente:
Banco Bolivariano
Industria:
Servicios Financieros
Solución:
Big Data / Data Science
Proyecto:
Data Analytics / Segmentación / Big Data
![](https://www.analytics.pe/wp-content/uploads/2019/04/iconos-casos-de-exito-data-engineering3.png)
SITUACIÓN INICIAL
El Banco Bolivariano es la mayor institución financiera de Guayaquil y ofrece productos y servicios para clientes individuales y corporativos. Su portafolio incluye cuentas de ahorro, cuentas corrientes, comercio exterior, tarjetas de débito, inversiones y créditos, entre otros productos.
![](https://www.analytics.pe/wp-content/uploads/2019/04/iconos-casos-de-exito-data-engineering.png)
DESAFÍO
Nuestro cliente buscaba mejorar sus procesos de selección de targets para campañas de sus tarjetas de crédito a través del uso de modelos de análisis. Los modelos analíticos de comportamiento transaccional le permitirían identificar las mejores acciones para cada grupo de clientes en el momento oportuno (semanalmente).
![](https://www.analytics.pe/wp-content/uploads/2019/04/iconos-casos-de-exito-data-engineering4.png)
IMPLEMENTACIÓN
Analytics implementó una plataforma de análisis sobre Azure Synapse para identificar las variaciones en el comportamiento transaccional de sus clientes, y adicionalmente un modelo predictivo no supervisado para clasificar los comportamientos actitudinales de los clientes, estableciendo dos modelos de segmentación.
El primero estaba orientado a conocer el valor de un cliente en función de los montos y frecuencia de transacciones que venía realizando con su tarjeta, detectando cualquier cambio de comportamiento, de esta manera, se encontraron targets para campañas de crecimiento, reactivación o recuperación de clientes.
El segundo modelo, diferenciaba los clientes en función del tipo de productos o servicios que suele comprar, permitiendo campañas muy precisas y muy orientadas al cliente.
![](https://www.analytics.pe/wp-content/uploads/2019/04/iconos-casos-de-exito-data-engineering2.png)
RESULTADO
Esta segmentación no sólo sirve para dar ofertas personalizadas, sino también para lograr una mejor comprensión del cliente y el uso que le da a su tarjeta, cerrando el círculo de conocimiento del cliente y permitiendo automatizar las campañas de marketing, de manera que pueden ejecutarse más campañas más precisas utilizando mucho menos tiempo del equipo de marketing y campañas