Other PAges

useful links

Caso de éxito: Cliente Socofin

Pronóstico de Pago

SOCOFIN, con el propósito de implementar su modelo de Inteligencia de Negocios en la nube de AWS, el cliente requiere implementar un ambiente Cloud para generar Inteligencia de negocios para la categorización y tratamiento de los contactos con los clientes para automatizar los ciclos de cobranza que manejan actualmente, al mismo tiempo que se moderniza y agilizan los procesos asociados a este flujo.

Gracias a las herramientas que ofrece AWS, DBSolution pudo implementar una solución de Inteligencia Artificial para cumplir con los siguientes escenarios:


CONSUMO DE DATOS:

  • Recolección automática de datos y en tiempo real
  • Consultas a web service para determinar scoring (minimizar cantidad de consultas)
  • Análisis y modelamiento PRELIMINAR de datos
  • Consumo de los datos de las llamadas, conversión de grabaciones .wav a texto y análisis de estos

ACTIVIDADES DE ML:

  • Demostrar que las campañas realizadas generan nuevos pagos
  • Aprendizaje y mejoras sobre la probabilidad de pago y mejor canal de contacto
  • Definición de mejor canal de comunicación para los clientes, para la generación de acciones automáticas de envío de agregar a cola de llamadas, envío de SMS, Email, etc.

VISUALIZACIÓN DE DATOS:

  • Dashboard de visualización con AWS Quicksight


Existen dos tipos de modelo dentro de la solución:

1) Modelo "ProntoPago":

  • Introducción: Socofin ha detectado una potencial optimización en la distribución de recurso al momento de interactuar con clientes, ya que estima que un conjunto presta disposición a pagar independiente del método de interacción con él, debido a esto, detectarlos de manera temprana permitiría redirigir recursos a clientes que si necesita retroalimentación.
  • Objetivo de Data Science: Entrenar un modelo que sea capaz de predecir el comportamiento de pago temprano en clientes con alta precision.
  • Trabajo realizado: Se implementa un modelo de la familia "Light Gradient Boosting Machine" (más conocido como LightGBM) que logra superar las expectativas del cliente en cuanto a performance, a la vez se utilizan Docker containers para un deployment operativo y potencial manejo modular del workflow de "training" y "serving" de dicho modelo.

2) Modelo "Speech Analytics":

  • Introducción: Socofin, con el objetivo de brindar un mejor servicio y experiencia al interactuar con clientes, ha detectado que existe información extraíble y utilizable para detectar causas que influyen en el proceso de pago. Por ejemplo si un cliente manifiesta tener problemas de salud, ésto es detectable mediante modelos de Speech-to-text y NLP para así brindar una atención más personalizada a cada cliente.
  • Objetivo: Generar modelos de Data Science (Speech-to-text, NLP, Speech analytics, etc) que permitan clasificar al cliente según lo que manifiesta en llamados telefónicos de manera automática al llegar nueva información multimedia en una base de datos.
  • Trabajo realizado: Se optimiza el uso de herramientas AWS Transcribe y AWS Comprehend para obtener el mejor performance posible de clasificación. Los procesos de transcripción a texto y clasificación son orquestados a través de AWS Lambda y permiten la customización del workflow, un ejemplo de dicha customización: Los resultados de clasificación de clientes son enviados automáticamente via mail a ejecutivos todas las mañanas y así subcategorizar clientes por temática (problemas de salud, cesantía, etc), esto permitiría tener equipos con experiencia en ciertas áreas y que puedan enfocarse en casos de mayor complejidad.

Desde el punto de vista de arquitectura se considera una VPC ya que la información del cliente debe ser resguardada y todo el desarrollo se implementa a nivel de cloud (adjunto arquitectura). Entiendo que el cliente ha validado la arquitectura con AWS y desde el punto de vista de seguridad hemos pasado todos los checkpoints. Actualmente estamos trabajando en ambos 1) y 2) para extender los modelos a otros casos de negocios, lo cual demuestra la satisfacción de Socofin con el trabajo realizado.


Arquitectura AWS

Con este proyecto se pudo permitir automatizar totalmente la atención al cliente en muy poco tiempo. Los clientes pueden obtener información o hacer solicitudes de servicio de forma más rápida y eficiente sin la intervención de un ejecutivo de ventas, mejorando los niveles de satisfacción y facilitando las vías de pago por medio de su portal de pago.


Otro de los resultados más beneficiosos que ha sido de mayor valor para el cliente es que la plataforma adquiere nuevas capacidades de inteligencia artificial y aprendizaje automático por lo que apoya en gran virtud a saber cuales son las complicaciones mas frecuentes de los clientes y así, ofrecer facilidades de pago mediante campañas personalizadas acorde a la necesidad de cada caso.