.png)
Mejorando Exponencialmente la Experiencia del Usuario a través de un Robusto Sistema de Torre de Control de Alertas y Predicciones
Una de las instituciones financieras más grandes de América del Sur, que brinda servicio completo a más de 17 millones de clientes, contactó a igerencia para que los ayudara a responder a problemas significativos en sus canales digitales y procesos de transacciones que estaban afectando directamente la satisfacción del cliente.
Para resolver los problemas actuales y mitigar futuros inconvenientes, igerencia diseñó e implementó un marco analítico para el monitoreo a través de una serie de paneles inteligentes de control. Estos paneles realizan análisis predictivos utilizando modelos de IA y generan alertas de monitoreo, facilitando un seguimiento organizado y eficiente de las transacciones financieras y los canales digitales.
Resultados:
Monitoreo de 360° desde un solo indicador.
13.8 mil clientes monitoreados por minuto.
Reducción del 60% en el tiempo de respuesta.
Mejora en la disponibilidad de la plataforma.
Tecnologías y Librerías Utilizadas:
Apache Spark | Impala-helper |
PowerBI | Numpy |
Python | Pandas |
Cython | Pyspark |
Fbprophet | Pystan |
Holidays | Xgboost |
ESTUDIO DE CASO COMPLETO
Título: Mejorando Exponencialmente la Experiencia del Usuario a través de un Robusto Sistema de Torre de Control de Alertas y Predicciones en Tiempo Real
Cliente: Bancolombia
Sector: Banca y Finanzas
Proyecto: Torre de Control para monitorear canales transaccionales y digitales entiempo real.
Bancolombia, la institución de servicios financieros más grande de Colombia necesitaba un socio experimentado en análisis de datos para renovar el rendimiento de sus canales digitales.
Como una de las instituciones bancarias más grandes de América del Sur, el cliente ofrece servicios bancarios y financieros a más de 17 millones de clientes. En Colombia, el banco se enfoca en facilitar el acceso a productos y servicios financieros para promover el desarrollo económico. A través de su red de sucursales y plataformas digitales, se esfuerza por ofrecer una experiencia bancaria segura, eficiente y confiable. Además, el cliente apoya un gran número de iniciativas de desarrollo comunitario y la promoción de la inclusión financiera en comunidades rurales y desatendidas.
A pesar de ser uno de los bancos más grandes del país, anteriormente Bancolombia carecía de la capacidad técnica para enfrentar los problemas significativos en sus canales digitales y transacciones, lo que afectaba directamente la satisfacción del cliente. Debido al alto volumen de quejas, el cliente estaba preocupado por el riesgo que representaba para su reputación y rentabilidad, lo que podría significar un desastre en un mercado altamente competitivo.
Bancolombia se acercó a igerencia para diseñar y construir una solución de monitoreo integral y segura utilizando análisis de datos, que pudiera predecir y prevenir situaciones críticas. También necesitaban paneles sólidos que contuvieran segmentaciones precisas de clientes para informes interactivos y visuales.
La Torre de Control de Alertas utiliza Tecnología de IA para Ofrecer Análisis Predictivos y Alertas de Transacciones
La amplia experiencia de igerencia en entornos de Microsoft, incluidos Azure y Databricks, y más de dos décadas de experiencia en la implementación de sistemas de inteligencia empresarial y análisis de datos, los convirtieron en el socio ideal para un proyecto tan grande con requisitos complejos que incluía riesgos de seguridad. Los primeros objetivos del equipo para el proyecto fueron asegurar la integridad de los datos, promover la seguridad y facilitar la toma de decisiones informadas, generando confianza en la institución financiera y fortaleciendo su relación con los clientes.
igerencia diseñó e implementó un marco analítico para el monitoreo a través de una serie de paneles inteligentes de control. Estos paneles realizan análisis predictivos utilizando modelos de IA y generan alertas de monitoreo, facilitando un seguimiento organizado y eficiente de las transacciones financieras y los canales digitales.
El sistema combina cuatro módulos específicos:
Módulo analítico: utilizado para predecir los resultados de las transacciones bancarias en un rango de tiempo. El módulo analítico utiliza datos históricos y modelos matemáticos para realizar predicciones. También se encarga de ingresar y extraer datos de tablas HDFS.
Módulo de probabilidad: utilizado para calcular un indicador que determina si el código de finalización de una transacción bancaria debería haber aparecido o no según su probabilidad durante el análisis frente al KPI establecido por el negocio. Recibe tablas en HDFS como fuentes de entrada y almacena los resultados en el mismo tipo.
Módulo de alertas: el módulo de alertas recibe los resultados de los dos primeros módulos, compara estas cifras con los datos comerciales y, según la desviación, se clasifica en tres niveles: normal (verde), advertencia (amarillo) y necesita atención (rojo). En general, para la extracción, procesamiento y almacenamiento de datos, los tres primeros componentes utilizan Python e Impala como motor de consulta SQL. Dado el gran volumen de datos, el módulo analítico y el módulo de probabilidad solo se ejecutan durante el uso bajo de la plataforma, evitando problemas adicionales para los usuarios finales.
Módulo de visualización: utiliza Power BI para mostrar gráficamente los datos del módulo de alertas. Los paneles de control contienen información valiosa sobre transacciones exitosas versus fallidas, razones de fallos y más. Proporciona a los usuarios filtros sólidos para informes, lo que lo hace útil para la mayoría de las partes interesadas y equipos técnicos.
La Torre de Control proporciona una vista de 360°, disponibilidad de canales sin precedentes, tiempos de respuesta mejorados y un aumento significativo en la satisfacción del cliente.
Monitoreo de 360° desde un solo indicador: la solución de monitoreo integral de igerencia ofrece una vista completa y detallada de las operaciones a través de un indicador central. Con esta herramienta, el cliente puede monitorear de manera integral todas las áreas y procesos relevantes, lo que les permite identificar rápidamente y con precisión cualquier situación que requiera atención.
13.8 mil clientes monitoreados por minuto: utilizando la nueva plataforma, el banco puede monitorear simultáneamente a 13,800 clientes por minuto, brindándoles un acceso sin precedentes para prevenir eventos y proporcionar un servicio personalizado y oportuno en todo momento.
Reducción del 60% en el tiempo de respuesta: el sistema de monitoreo completo y los procesos optimizados han llevado a una reducción significativa en los tiempos de respuesta, mejorando notablemente la satisfacción del cliente.
Mejora en la disponibilidad de la plataforma: al anticipar situaciones críticas y mejorar los tiempos de respuesta, la disponibilidad de los servicios es mayor que nunca, asegurando que todos los canales estén listos para satisfacer las necesidades de todos los clientes.
Testimonio
"La implementación del sistema de monitoreo completo y los procesos optimizados han llevado a una reducción significativa del 60% en los tiempos de respuesta, mejorando notablemente la satisfacción del cliente."
"Los paneles de control contienen información valiosa sobre transacciones exitosas versus fallidas, razones de fallos y más. Proporciona a los usuarios filtros sólidos para informes, lo que lo hace útil para la mayoría de las partes interesadas y equipos técnicos."
"La amplia experiencia de Mataven en entornos de Microsoft, incluidos Azure y Databricks, y más de dos décadas de experiencia en la implementación de sistemas de inteligencia empresarial y análisis de datos, los convirtieron en el socio ideal para un proyecto tan grande con requisitos complejos y riesgos de seguridad."
Detalles Técnicos Adicionales
Módulo Predictivo:
Este módulo es fundamental para estructurar los datos de transacciones que provienen de los canales. Cuando se reciben los datos de transacciones de un canal específico, se convierten en una serie de tiempo. Como serie de tiempo, se procesa a través de un modelo analítico que genera una tabla con las predicciones correspondientes para cada tipo de transacción del canal, lo que proporciona una base sólida para el proceso de pronóstico.
Este módulo se construyó utilizando una combinación de Spark y Python. El uso de Spark es esencial para convertir una tabla con grandes volúmenes de información en una tabla con series de tiempo, que luego es utilizada por Python para su consumo y análisis.
Si quieres conocer más sobre cómo podemos ayudar a tu empresa a implementar soluciones para mejorar tus procesos y potenciar tus resultados,¡Escríbenos! o Agenda una reunión con nosotros
Komentarze