Análisis visual de transacciones bancarias

(1)

María del Pilar Rojas Beltrán

e-mail:[email protected]

Asesor: José Tiberio Hernández

Reporte de Proyecto de Grado de Pregrado de Ingeniería de Sistemas y Computación

(2)

1

Tabla de contenido

Sección 1. Resumen ... 3

Sección 2. Introducción ... 4

2.1 Motivación ... 4

2.2 Enunciado del Problema ... 4

2.3 Diseño e implementación ... 4

Prototipo 1: Transaccional - Tableau ... 4

Prototipo 2: Procesos de Fabrica - D3 ...5

2.4 Resultados obtenidos ...5

Prototipo 1: Transaccional - Tableau ...5

Prototipo 2: Procesos de Fabrica - D3 ...5

2.5 Estructura del documento ...5

2.6 Reconocimientos/ Agradecimientos ... 6

Sección 3. Descripción General ... 7

3.1 Objetivos ... 7

3.2 Antecedentes ... 7

Banking Revenue Segmentation: ... 7

Effectively manage loan default risk: ... 8

Domestic Loan Analysis: ... 9

3.3 Identificación del problema y de su importancia ... 10

Sección 4. Diseño y Especificaciones ... 12

4.1 Definición del problema ... 12

4.2 Especificaciones ... 12

Prototipo 1: Transaccional - Tableau ... 12

Prototipo 2: Procesos de Fabrica - D3 ... 13

4.3 Restricciones ... 13

Prototipo 1: Transaccional ... 13

Prototipo 2: Procesos de Fabrica ... 14

Sección 5. Desarrollo del Diseño ... 14

5.1 Recolección de Información ... 14

5.2 Alternativas de diseño ... 14

Sección 6. Implementación ... 15

6.1 Descripción de Implementación ... 15

(3)

2

6.2 Resultados Esperados ... 19

Sección 7. Validación ... 20

7.1 Métodos ... 20

7.2 Validación de Resultados ... 21

Sección 8. Conclusiones ... 23

8.1 Discusión... 23

8.2 Trabajo Futuro ... 23

Prototipo 1: Transaccional ...24

Prototipo 2: Procesos de Fabrica ...24

Sección 9. Referencias ...24

(4)

3

Sección 1. Resumen

El uso de análisis visual sobre la información transaccional en procesos bancarios críticos, ofrece la oportunidad de apoyar a los analistas en el proceso de toma de decisiones; ofreciendo nuevas posibilidades de análisis que permiten identificar información específica relacionada con la visión particular de transacciones, sin perder el enfoque global. El volumen de información actualmente manejado diariamente por las entidades bancarias contiene elementos interesantes y detallados del comportamiento de los usuarios y del sector económico en general, por lo cual se vuelve interesante revisar a detalle dicha información; sin embargo, los métodos de procesamiento y análisis actualmente utilizados no proveen elementos que faciliten la visualización de los datos, de tal manera que no solo puedan identificarse los patrones relevantes, sino llevarlos al nivel de detalle pertinente.

Mediante dos prototipos diseñados para procesamiento de transacciones bancarias y procesos de fábrica de libranza, se le proveen a los analistas una propuesta de herramientas que facilitan el análisis de la información ya mencionada.

(5)

4

Sección 2. Introducción

2.1 Motivación

El sector bancario dispone de una gran cantidad y variedad de datos sobre sus usuarios en tiempo real, los cuales en muchas ocasiones son procesados y analizados para suplir un requerimiento de procesos inmediatos, sin aprovechar las potenciales ventajas que dicha información puede aportar a otras áreas de la empresa en términos. De hecho, existen procesos diferentes que dependen de dicha información para realizar análisis y predicciones que apoyen la toma de decisiones empresariales, y deben recurrir a sistemas tradicionales para organizar y analizar los datos, como listados, gráficos estadísticos y tablas de Excel; sin embargo, muchos de estos sistemas son poco eficientes, no ofrecen funcionalidades especiales, el procesamiento resulta en un trabajo engorroso y en general los resultados son irrelevantes y difíciles de interpretar. Lo anterior genera que se pierda la ventaja estratégica de la inmediatez de los datos, que podrían brindar la información necesaria para responder ante potenciales oportunidades o emergencias logísticas, tácticas, etc.

Visual Analytics permite desarrollar modelos relacionales multidimensionales abstraídas de la caracterización de reglas de negocio, sumadas con información masiva de diferentes tipos, ya sea de transporte, bancario o empresarial; facilitando a los usuarios observar el comportamiento de dicha información de forma general con el apoyo de gráficos, estadísticas y representaciones segmentadas de los sucesos de negocio, lo cual reduce el tiempo de procesamiento y análisis de datos individuales y apoya la toma de decisiones de cualquier área de trabajo relacionada que busque beneficiarse de la información recopilada . El uso de Visual Analytics en el sector bancario aún no ha sido extendido, debido al manejo de privacidad de los datos, los sistemas tradicionales de análisis y la dificultad para relacionar los datos con elementos contextuales relevantes para el negocio. 1

Se propone hacer uso de las ventajas otorgadas por la recopilación de datos masivos en tiempo real, la correlación de los mismos con el entorno y una herramienta de Visual Analytics hecha a medida, se logre mostrar de forma organizada y clara la información relevante y sus predicciones para apoyar los procesos de negocio pertinentes.

2.2 Enunciado del Problema

La información transaccional financiera es usualmente agrupada y promediada para realizar los análisis de eficiencia y producción correspondientes, eliminando el detalle de cada transacción particular y expresándola en gráficas y reportes tradicionales que entorpecen el entendimiento de la misma. Mediante nuevos estilos de gráficas y análisis detallado nos proponemos mostrar la mayor cantidad de aspectos relevantes de dicha información de forma sencilla, dinámica e interactiva.

2.3 Diseño e implementación

Prototipo 1: Transaccional - Tableau

1

Trajectory-Based Visual Analysis of large financial time series data. Consultado el 17/08/2014. Internet. http://www.kdd.org/sites/default/files/issues/9-2-2007-12/4_Schrek_Trajectories.pdf

(6)

5 Analizador e ilustrador de transacciones en términos geográficos que discriminen por tipo de fuente (cajero, sucursal), rango monetario manejado, tipo de transacción, monto, hora, fecha, etc. Que con base en la información dada arroje patrones de comportamiento de usuarios de forma masiva, de tal forma, que se puedan identificar potenciales nuevos puntos de cajeros u oficinas, así como horarios de atención, distribución de dinero a puntos de expendio, potenciales asociaciones comerciales, nivel de seguridad, eventos sospechosos, etc.2

Prototipo 2: Procesos de Fabrica - D3

Muestra un proceso de fábrica seleccionados (para efectos del prototipo se maneja libranza clásica y personal), el cual es desglosado por etapas y se visualiza en diferentes niveles de especificidad mediante visualizaciones D3, incluyendo etapas e indicadores macro, revisión de comportamiento en coordenadas paralelas de cada transacción y visión micro en donde se ven todos los detalles de cada transacción analizada. Estas vistas están correlacionadas y son dinámicas, lo cual le permite al usuario realizar filtros de forma interactiva para identificar patrones de comportamiento puntuales en las transacciones.

2.4 Resultados obtenidos

Para ver las retroalimentaciones y resultados de las pruebas específicos remitirse a la sección 7 validación

Se encontró una gran aceptación hacia las visualizaciones geográficas y la adición del componente de contexto general de la ciudad. Como uso principal se estimó la identificación de sitios claves para la colocación, re ubicación y re abastecimiento de cajeros y sucursales. Se solicitó agregar información geográfica del sector comercial y de transporte alrededor, además de la propuesta de nuevas características de filtro.

Gran aceptación a los diferentes niveles de especificidad y a los filtros, se encontraron oportunidades para mejorar la segmentación de resultados; el tipo de agrupación de transacciones y la forma de visualizarlas resulto ser intuitivo e interactivo para el usuario analista. Se solicitó agregar perfiles de usuario e información de contexto.

2.5 Estructura del documento

Este documento está estructurado y escrito con el objetivo de dar a conocer a interesados en el tema de análisis visual enfocado hacia procesos del sector bancario, el desarrollo de prototipos puntuales, basados en información bancaria real y que busca la optimización y mejoramiento del proceso de análisis por el que debe pasar la información masiva de transacciones mediante elementos gráficos dinámicos e interactivos.

2_{The Applications of Visual Analytics to financial Stability Monitoring. Consultado el 14/08/2014. Internet.}

(7)

6 Se describe el proceso de análisis del problema a tratar, el estado del arte, el diseño de diferentes opciones potenciales, la selección de elementos puntuales para los prototipos finales en base a la información suministrada por el banco BBVA, la implementación de las mismas y el proceso de evaluación y pruebas que realizo el banco para validar los productos finales.

2.6 Reconocimientos/ Agradecimientos

Profesor José Tiberio Hernández por realizar el contacto con el banco BBVA y disponer los recursos necesarios para llevar a cabo el proyecto.

Banco BBVA por facilitar la información transaccional y conocimiento del sector financiero, necesarios para el diseño y creación de los prototipos pertinentes.

Diego Andrés Angulo por apoyar la adquisición del conocimiento necesario para hacer uso de D3 y realizar consultas técnicas sobre el producto asociado.

Juan Camilo Ibarra por proveer información de contexto geográfico para aportar valor agregado al prototipo desarrollado en Tableau.

(8)

7

Sección 3. Descripción General

3.1 Objetivos

Describir el propósito y contexto del proyecto en uno o dos párrafos.

 Generales:

 Diseñar e implementar un prototipo de análisis visual de información espacio temporal de la operación de un banco en un sector urbano (sucursales y cajeros), con el fin de apoyar un conjunto de tareas de análisis.

 Presentar una interfaz de visualización sencilla, dinámica e interactiva para el análisis de información transaccional.

 Usar nuevas visualizaciones para expresar la información transaccional detallada.

 Permitir las personas involucradas con el análisis de la información uno o más niveles de detalle sobre la misma a pedido.

 Específicos:

 Identificación y caracterización de un conjunto restringido de tareas de

análisis espaciotemporal de la operación bancaria.

 Integrar en una herramienta los datos heterogéneos identificados  Caracterizar las herramientas de análisis existentes para apoyar la

herramienta visual interactiva

 Revisar buenas prácticas de visualización interactiva en el sector.  Prototipo en varias iteraciones las propuestas resultantes

3.2 Antecedentes

Entre las soluciones más destacadas para análisis y procesamiento de datos bancarios abordados desde Visual Analytics están aquellas desarrolladas para bancos estadounidenses por la compañía Tableau Software, en la cual se exponen como demo las aplicaciones resultantes y el alcance de las soluciones particulares.

Banking Revenue Segmentation:

“Este workbook te permite crear cinco puntos de vista relacionados con los clientes,… cambiar las medidas o el canje de tipos de gráficos con unos clics de distancia. Esto le da una gran flexibilidad para analizar los datos desde diferentes ángulos y reduce significativamente la cantidad de tiempo que necesita para la exploración. … el segmento de ingresos y ganancias por segmento de negocio, canal de comercialización, la ubicación del cliente, la tenencia y la edad. Con esta información, podemos formar nuestras futuras estrategias de marketing y de negocios para capitalizar en los segmentos más rentables, mientras que frente a las zonas menos rentables.”

(9)

8 Citado de Tableau: Segmentation Details3 Dentro de los aspectos relevantes de este modelo, se destaca la posibilidad de situar varios elementos geográficos y temporales según diferentes tipos de transacciones, los cuales manejan un rango descriptivo de color para su mayor diferenciación; al mismo tiempo destaca los valores globales a los que tiende el comportamiento analizado, permitiendo enfocar la revisión en valores puntuales, que a su vez modifican los datos estadísticos y geográficos para mostrar las características relevantes del comportamiento seleccionado. La presente puede aportar al proyecto la sencillez y flexibilidad de las herramientas de visualización específica en el mapa y en las gráficas; pero no es una solución completa, debido a que carece claridad a la hora de analizar los datos en el mapa y relacionarlos con el contexto.

Effectively manage loan default risk:

“Desarrollado por Soluciones socio Tableau Teknion de datos, este panel ofrece una gran plataforma para los proveedores de préstamos para la gestión de este riesgo. La primera vista proyecta los posibles compromisos de carga durante un período de 24 meses, con base en las calificaciones de crédito del prestatario. También muestra el porcentaje de cada elemento de parque representa como parte del saldo total en riesgo. En el segundo punto de vista, puede supervisar la distribución de sus préstamos a través de la calificación crediticia niveles de penetración crítica a su gestión de riesgos. Las puntuaciones de crédito se dividen en seis niveles, desde el Nivel A + como el mejor y X como el peor. A la derecha, se puede ver la carga proyectada 24 meses con el tiempo y cómo su saldo Nivel X se correlaciona directamente con el riesgo total.”

3_{Tableau: Segmentation Details: Banking Revenue Segmentation. Extraído el 14/18/2014. Internet.}

http://public.tableausoftware.com/profile/mirandali#!/vizhome/Banking-PackagedRetailBusiness_New/Segmentation

(10)

9 Citado de Tableau: Banking Analytics4

Es importante destacar que las predicciones de crédito realizadas dependen del historial de manejo de créditos prestando particular atención a las subdivisiones en categorías de índole bancaria y en la discriminación temporal que permite detallar el comportamiento esperado o histórico del cliente según sea el caso. No dispone de una representación geográfica de la distribución de dichos créditos, dejando fuera del análisis el contexto empresarial. El algoritmo de predicción del comportamiento de los usuarios se puede extrapolar a predicciones de potenciales necesidades o situaciones que puedan ser aprovechadas por el área logística del sector bancario.

Domestic Loan Analysis:

“En la mayoría de los casos, un objetivo importante para la inteligencia de negocio del banco es mantener un ojo constante sobre exactamente lo que está sucediendo en todos los niveles de la empresa… una sencilla transparencia permite ver áreas de mejora con mayor claridad.

Con Tableau puede crear cuadros de mando del banco para monitorear sus préstamos de ventas en todo el país y donde se puede reducir el riesgo, ya sea mediante la mejora de las colecciones o ajustar su mezcla de productos. También puede elaborar informes sobre la marcha de los vendedores para identificar y contactar cuentas importantes.

Este panel le permite profundizar a través de su cartera de préstamos a diferentes niveles de detalle para descubrir lo que está sucediendo en su cartera. Usted puede seleccionar de forma dinámica si para resumir los resultados basados en diferentes niveles geográficos (Región, Estado o Branch), si el mapa muestra Días pendientes o de

4

Tableau: Banking Analytics – Loan Default: Effectively manage loan default risk. Extraído el 14/08/2014. Internet. http://www.tableausoftware.com/solutions/banking-analytics

(11)

10

préstamos Tipos, y si hay que centrarse en todos los préstamos, préstamos pagados o préstamos pendientes.”

Citado de Tableau: Domestic Loan Analysis Report5

Este modelo permite la visualización clara de datos geográficos y temporales, además de permitir una visión detallada de cada elemento presente en el mapa; sin embargo, no dispone de predicciones sobre dicha información o correlaciones con el contexto empresarial. Se pueden usar los elementos gráficos para mejorar el nivel de comprensión de los datos.

3.3 Identificación del problema y de su importancia

El proceso de toma de decisiones debe estar basado en la mayor cantidad de información significativa y actualizada posible, que permita ser analizada para estructurar conclusiones visualmente comprensibles sin omitir los análisis estadísticos y numéricos relacionados con ellas. Debido a esto, se propone desarrollar una herramienta de Visual Analytics que permita a los directivos y empresarios encargados de tomar decisiones corporativas, revisar de forma general la información que se está produciendo en tiempo real en conjunto con el contexto geográfico y temporal que está influenciando dicha información, permitiéndoles enfocar el análisis y visualización en elementos interesantes o fuera de lo común dentro del marco general aprovechando los registros individuales de transacciones para enriquecer dicha revisión; además, de permitir establecer predicciones de comportamiento de potenciales clientes o situaciones que requieran una respuesta organizacional para aprovecharlas o solventarlas.6

5_{Tableau: Domestic Loan Analysis Report. Extraído el 14/08/2014. Internet.}

http://public.tableausoftware.com/profile/mirandali#!/vizhome/DomesticLoanAnalysis_0/DomesticLoan Analysis

6_{Metodología para el análisis Visual de la evolución de Conceptos en Bases de Datos Textuales .Extraído}

el 14/08/2014. Internet.

(12)

11 El proyecto se desenvuelve en un ambiente controlado y segmentado, que abarca un número limitado de cajeros, sucursales y procesos de fábrica de la ciudad de Bogotá, con información que cubre un lapso de tiempo no mayor a un año. Dicha información es usualmente analizada mediante elementos estadísticos básicos, como promedios, gráfica de barras o tendencia y tablas de datos en bruto que no ofrecen una visión completa de las características de dicha información.

Se plantea proporcionar un vistazo de los beneficios que puede ofrecer el uso de herramientas de análisis visual sobre información bancaria masiva para favorecer la toma de decisiones en los procesos relacionados, teniendo impacto directo sobre el tiempo requerido para dicho análisis optimizando el tiempo de los analistas.

(13)

12

Sección 4. Diseño y Especificaciones

4.1 Definición del problema

Se presentaron dos casos individuales a tratar, en los cuales se requería crear o proponer un prototipo que apoyara la obtención de información relevante para la toma de decisiones en los procesos involucrados:

• Análisis de transacciones de sucursales y cajeros usando Tableau:

Una gran cantidad de datos transaccionales son recopilados diariamente de diferentes lugares geográficos de la ciudad, dichos sitios presentan condiciones de operación diferentes (horarios, ubicación y contexto); usualmente, los datos obtenidos de cada oficina o cajero se promedian y analiza en base a operaciones grupales, revisando que cumpla con los márgenes de productividad establecidos. Sin embargo, existen análisis adicionales que pueden realizarse con dicha información que arrojan patrones de comportamiento relevantes para el negocio, pero realizarlos consume una gran cantidad de recursos por la falta de una herramienta que facilite dicho proceso.

• Análisis de transacciones y etapas de procesos Hipotecarios usando D3:

La fábrica de procesos bancarios resume grandes cantidades de información en estadísticas y graficas estándar (de visión macro) mensualmente, con las cuales se estiman índices de eficiencia y con ellos se evalúa el progreso o rendimiento de ese proceso; este método descarta la posibilidad de identificar patrones en las etapas del proceso (patrones de comportamiento para transacciones exitosas o fallidas) y analizar transacciones poco comunes.

4.2 Especificaciones

Establecer requerimientos precisos para el proyecto. Clasificar requerimientos en funcionales (entada / salida) y no funcionales (cualitativos, metodología esperada en la construcción de una solución, desempeño esperado de una solución, …).

Discutir la posibilidad de aceptar soluciones aproximadas y niveles de aceptación (v.gr., deseable, aceptable) y justificar cuándo una solución inexacta o incompleta podría desarrollarse.

4.1.1 Requerimientos funcionales

Se realizaron visualizaciones de las transacciones, haciendo uso del análisis individual, el cual permite discriminarlas por ubicación geográfica, tipo de transacción, monto, número total y periodicidad a lo largo de periodos determinados de tiempo.

4.1.2 Requerimientos No funcionales

Deben tratarse en el análisis al menos una tercera parte de los datos suministrados, los cuales abarquen el periodo de tiempo equivalente en meses a un año y sean representativos del comportamiento del mismo.

(14)

13 Las operaciones de consulta y filtrado deben tener una latencia de máximo 1 minuto cada una.

La información resultante de los filtros debe poder visualizarse gráfica y numéricamente para facilidad del usuario.

Los filtros deben ser dinámicos, es decir, que afecten a al menos una de las gráficas del prototipo diferente a la generadora del filtro.

4.1.3 Requerimientos funcionales

Usando la información por etapas del proceso Hipotecario personal y clásico, se desglosaron y visualizaron las tendencias comportamentales de cada transacción hipotecaria realizada en cada etapa del proceso, permitiendo filtrar y comparar aquellas que presenten comportamiento relevante o anómalo. También, se expresaron los indicadores de eficiencia y datos estadísticos globales de la información, de tal forma que permitan ser comparados visualmente.

4.1.4 Requerimientos No funcionales

Debe ser modelado al menos un proceso perteneciente a la fábrica de procesos bancarios, este puede ser escogido libremente.

El número de transacciones consideradas debe ser representativo de los datos estadísticos presentados, no hay un número máximo o mínimo establecido.

Deben modelarse las etapas básicas del proceso a tratar.

Las operaciones de consulta y filtrado deben tener una latencia de máximo 1 minuto cada una.

Los filtros deben ser dinámicos, es decir, que afecten a al menos una de las gráficas del prototipo diferente a la generadora del filtro.

Las transacciones resultantes de los filtros deben poder ser visualizadas como tabla, que incluya la información básica de dichas transacciones.

4.3 Restricciones

Legales:

 El uso del software licenciado Tableau 8.2 se realizó bajo la licencia de estudiante expedida el segundo semestre del año 2014

 Tanto la información plantilla (generada aleatoriamente a fin de probar elementos puntuales de los prototipos) y los prototipos (análisis y visualizaciones realizadas) pertenecen a María del Pilar Rojas

 La información suministrada para realizar los respectivos prototipos y análisis finales, son propiedad del banco BBVA

Seguridad:

 La información suministrada por el banco BBVA es privada, no se permite su publicación y únicamente se ha proporcionado para ser usada por los prototipos ya mencionados

Prototipo 1: Transaccional

Al ser creado con Talbeau 8.2 bajo licencia de estudiante, el software creador es propiedad de Tableau, pero el producto final es propiedad de María del Pilar Rojas; la información utilizada para demostraciones finales pertenece al banco BBVA

(15)

14 Prototipo 2: Procesos de Fabrica

Al ser creado con D3 libre, el script base usado es propiedad de los creadores de D3, producto final es propiedad de María del Pilar Rojas; la información utilizada para demostraciones finales pertenece al banco BBVA

Sección 5. Desarrollo del Diseño

Para determinar los tipos de gráficas y análisis que debían implementarse sobre cada tipo de información, nos aproximamos a la misma con la pregunta: Qué preguntas se puede hacer un analista sobre dicha información? Qué le interesa saber?

Se plantearon varios escenarios y se escogieron aquellos que pudieran ser contestados con la información disponible.

5.1 Recolección de Información

Inicialmente se crearon aleatoriamente una serie de datos para usar como elementos de prueba en la creación y manipulación de los prototipos.

La información transaccional de cajeros y oficinas de Bogotá, que abarca el periodo aproximado de Julio 2013 a Junio 2014 fue proveída por el banco BBVA

Prototipo 2: Procesos de Fabrica

La información de la fábrica completa de procesos bancarios, que abarcan el mes de agosto 2014 fue proveída por el banco BBVA

5.2 Alternativas de diseño

Se tuvieron dos consideraciones esenciales de diseño encadenadas, es decir, de la decisión de herramientas se desprendía el determinar que visualizaciones se implementarían:

Herramienta a utilizar para el desarrollo de los prototipos:

ApertureJS: basado en JavaScript, es una librería adicional libre que permite desarrollar todo tipo visualizaciones dinámicas, ofrece una curva de aprendizaje prolongada. La documentación al respecto es buena pero limitada.

En general ofrece graficas relacionales, en forma de árbol y elementos dinámicos geográficos

Tableau: orientado a computación visual, puntualmente al área de visualización de información empresarial estructurada, el software pago ofrece una serie limitada de graficas e interacciones con curva de aprendizaje relativamente corta. La documentación al respecto es muy completa, sin embargo no abarca todos los aspectos de la herramienta.

(16)

15 Ofrece graficas tradicionales (tablas, gráficos de torta) y no tradicionales (geográficas, de dispersión).

D3: basado en JavaScript, es una librería adicional libre que permite desarrollar visualizaciones de información, encadenadas, dinámicas e interactivas. Cuenta con una curva de aprendizaje prolongada, existen amplios foros, fuentes de información y referencias con la documentación respectiva y ofrece una serie de gráficas y visualizaciones estandarizadas; también permite la creación de elementos y gráficas propias.

Permite la creación de cualquier tipo de gráfica, sin embargo tiene una galería de visualizaciones verificadas, las cuales incluyen mapas de proceso, coordenadas paralelas, box plots, grafico de barras, engranes, calendario, entre otros.

Sección 6. Implementación

6.1 Descripción de Implementación

Se manejaron aproximadamente 1 millón de datos de transacciones de 10 cajeros y 10 sucursales del BBVA, dichos datos abarcan 12 meses aproximadamente entre los años 2013 y 2014. Se generaron 4 vistas interactivas con eventos dinámicos relacionados, enfocados a vista geográfica.

Se dividió en 4 cuadrantes:

Primer cuadrante- Transacciones de red bancaria: Corresponde a un mapa que especifica los cajeros y oficinas de la ciudad de Bogotá, la escala de color representa la cantidad de transacciones realizadas en cada elemento bancario. Dispone de un filtro que permite segmentar los elementos bancarios que cumplan con el rango de transacciones seleccionados; también permite realizar la selección puntual de un elemento bancario, el cual afecta a los demás cuadrantes, de tal forma que la información que se muestra, es únicamente la correspondiente al elemento bancario seleccionado.

Segundo cuadrante- Promedio de ingresos de red bancaria: Corresponde a un mapa que especifica los cajeros y oficinas de la ciudad de Bogotá, la escala de color representa el valor promedio de las transacciones realizadas en cada elemento bancario. Dispone de un filtro que permite segmentar los elementos bancarios que cumplan con el rango de valores promedio seleccionados; también permite realizar la selección puntual de un elemento bancario, el cual afecta a los demás cuadrantes, de tal forma que la información que se muestra, es únicamente la correspondiente al elemento bancario seleccionado.

Tercer cuadrante- Transacciones en el tiempo: presenta la distribución de las transacciones por tipo y cantidad para cada periodo de tiempo estimado, se puede filtrar por año, trimestre o mes; dicho filtro afecta el cuarto cuadrante, de tal forma que la información mostrada por este, corresponde al periodo de tiempo seleccionado.

(17)

16 Cuarto cuadrante- Tendencia Horaria: Muestra información sobre el número de transacciones y su valor promedio realizadas durante las diferentes horas del día, puede filtrarse particularmente por cada hora para conocer los valores puntuales que toma la gráfica.

Se analizaron 8 mil datos de diferentes procesos de fábrica BBVA, de los cuales, se seleccionaron un grupo representativo de 1500 procesos de libranza personal y clásica correspondientes a un mes. Se crearon 4 vistas de detalle encadenado (Nivel proceso global – Nivel transacción particular) e interactivas, enfocado a visualización de coordenadas paralelas.

Se organizaron 4 vistas secuenciales:

Primera vista- Fabrica: Es una vista global del proceso requerido para libranzas (se puede filtrar por libranza clásica o personal), cada nodo tiene un semáforo, el cual define su color según el índice de tiempo promedio que les toma a las transacciones pasar por la etapa, los niveles de aceptación fueron creados de forma ficticia, pero pueden ajustarse. El filtro afecta a las otras vistas, de tal forma que los datos que se tienen en cuenta solo son los que corresponden a la selección.

(18)

17 Segunda vista- Distribución de datos por etapas: Es una vista informativa, muestra en graficas box plots los valores promedio, máximo, mínimo, desviación hacia arriba y hacia debajo de los datos considerados.

Tercera vista- Transacciones por etapa: Muestra en coordenadas paralelas cada una de las transacciones y su comportamiento respectivo en cada etapa del proceso, en caso de no seleccionarse un proceso particular, se diferencian los tipos de procesos por color. Esta vista dispone de un filtro dinámico que permite seleccionar rangos de aceptación en cada coordenada (etapa), de tal forma que solo las transacciones que cumplen con dichos filtros serán resaltadas, e influirán en la cuarta vista.

(19)

18 Cuarta vista- Tabla: Es una tabla dinámica, que se ve afectada por las vistas anteriores, solo las transacciones que cumplen con los filtros aplicados anteriormente serán especificadas en esta tabla. Permite visualizar la información completa de transacciones puntuales para su posterior análisis.

(20)

19

6.2 Resultados Esperados

Se seleccionaron las herramientas de:

Tableau para el análisis transaccional, por la creación estandarizada de relaciones geográficas y cuantitativas de la información.

D3 para el proceso de fábrica, por su flexibilidad a la hora de crear e integran visualizaciones de forma dinámica e interactiva.

Las visualizaciones y modelos diseñados, se escogieron después de un largo proceso de consideraciones de una gran variedad de tipos de gráficos disponibles para lograr la mayor comprensión de datos.

Se espera que los prototipos manejen y filtren los volúmenes de información planeados, de tal forma que no generen demoras en las consultas que sean mayores a 1 minuto. Como entregables mínimos, deben priorizarse los elementos o visualizaciones dinámicas (aquellas cuyos filtros afecten otras visualizaciones) o únicas (si hay dos mapas solo debe hacerse uno); además, por ser un elemento adicional a lo planeado dentro del alcance original del problema, puede suspenderse la creación del segundo prototipo o en su defecto producirlo con menos visualizaciones.

(21)

20 Los errores encontrados en la información fuente suministrada por el banco, serán corregidos en la medida de lo posible, en caso de no disponerse a tiempo de dicha información, los prototipos serán presentados con la información de prueba generada de forma ficticia para la creación de los prototipos base.

Sección 7. Validación

7.1 Métodos

Se realizaron los dos prototipos diseñados, los cuales fueron evaluados por analistas de banco BBVA; estos se ajustaron según las recomendaciones dadas, para garantizar su facilidad de uso, entendimiento y relevancia para el negocio.

Se presentaron los prototipos a 12 personas seleccionadas por el banco BBVA, todas con conocimiento e influencia en la toma de decisiones sobre tecnología; se realizaron las siguientes preguntas luego de realizar la sustentación y aclaración de dudas sobre el producto:

a. Qué información de contexto le gustaría incluir?

(22)

21 Prototipo 2: Procesos de Fabrica

a. Los grupos de transacciones son los esperados? (definir nuevos conceptos de “pedidos”) b. Cómo identificar perfiles de clientes para adaptar mejor los procesos?

c. Qué información de contexto le gustaría incluir?

7.2 Validación de Resultados

Debido a que las preguntas realizadas en la verificación fueron abiertas, se presentan las respuestas escritas por los involucrados:

Número de Analista

Pregunta 1. Pregunta 2.

Analista 1: a. Monto, tasas, tiempo, nivel de carga, densidad de población de sector (empresas aledañas), segmento de cliente, frecuencia, cliente (habito de cambio de cajero o uso de oficina), nivel de relación con el banco

b. Comportamiento de clientes, eficiencia en la carga monetaria del atm o de la oficina

a. Reconsideraciones o reproceso: flujos de las operaciones

b. Segmentos, montos de crédito, nivel de relación del cliente con el banco (volumen del negocio)

c. Desembolsos, sistema financiero y zonas de vivienda de los clientes

Analista 2: a. Segmento de cifies y productos b. Georreferenciación por producto de

las cifies

a. Si

b. Por su volumen de transacciones y monto

c. Utilización de comercios e información no estructurada (mensajes de textos, correos, etc.)

(23)

22 Analista 3: a. Número de clientes en sucursales

b. Donde ubicar un cajero nuevo y ubicación del cliente

a. Están bien definidos b. Segmentación de clientes c. Información social

Analista 4: a. La cantidad de clientes involucrados en cada transacción

b. Ninguna más por el momento

a. Son los esperados

b. Establecer una malla de seguridad en la que se especifiquen los cargos por cada usuario o funcionario

c. Ninguna más por el momento

Analista 5: a. Mayores transacciones y posibles transacciones a incluir o excluir de oficinas y cajeros

b. Prevención de posibles fraudes y suplantación de identidades, toma de decisiones basados en tendencias

a. Clasificación de libranzas por tipo de cliente para lo cual hay que conocer al cliente y sectorizarlo

b. Por operaciones de un mismo cliente se puede conocerlo ya que tendrá tendencias

c. Contexto de comercios cercanos Analista 6: a. Plan de expansión, considerar que

variables se podrían medir, para de forma eficiente lograr el crecimiento de terminales cajeros, oficinas o sucursales

b. Niveles de seguridad, establecer medidas de transaccionalidad que permitan la seguridad de la información

No presento respuestas de la segunda parte

Analista 7: a. Segmentación de clientes que usan cajeros y/o sucursales

b. Ubicación de nuevos cajeros y/o sucursales

a. Asesoría hasta radicación, maduración del producto

b. Segmentación, información socio demográfica en el modelo

c. Tomar en consideración lo anterior

Analista 8: a. Estrato y variables socio culturales b. Colocación y reubicación de nuevos

cajeros

a. Las tasas se pueden agrupar de diversas maneras por tiempos de espera

b. Los perfiles son necesarios para generar procesos a la medida

c. Mora, otros valores cliente, NPs (Net promot score)

Analista 9:

Poder crear clusters de oficinas/cajeros y tipos de tasas en rangos de tiempo

Comportamiento de caídas operaciones por etapas en el tiempo. Comparativo de producto de coordenadas paralelas

(24)

23 Analista 10: a. Número de población por zonas, para

determinar la utilidad de un cajero u oficina

b. Considerar la relevancia de incluir los cajeros dentro del análisis

a. Si

b. No respondió la pregunta c. Por el momento ninguno

Analista 11:

Con la información de ubicación de los clientes (direcciones, estrato) relacionar con la ubicación de los cajeros automáticos y oficinas asociado con el volumen de transaccionalidad

Validar el número de compras realizadas por adquirencias y el uso de tarjetas débito o crédito

Analista 12: a. En contexto revisar zonas o centros comerciales para extraer datos poblacionales

b. Localización de oficinas, indicar tiempos de espera, indicar atms en servicio, horarios de atención tanto de cajeros como de oficinas

a. Hay que separar los mapas para ver operaciones por tipo de producto, se podría integrar esto a la localización de las operaciones para identificar nichos de negocio

b. Las tipologías de clientes requieren incluir variables cuantitativas de tipo social

Sección 8. Conclusiones

8.1 Discusión

Se presentaron inconvenientes en el proceso de aprendizaje, diseño, implementación y pruebas debido a que la información requerida no fue suministrada a tiempo, por lo cual los periodos de tiempo se acortaron.

Se exploraron nuevas formas de análisis visual interactivo de información transaccional masiva de una institución bancaria en dos escenarios, Transaccional de cajeros y sucursales y Fabrica de procesos de Libranza.

Debido a que lo presentado fueron prototipos que vislumbraban el alcance e imparto que puede generar el análisis visual, se mostró un potencial impacto de resultados del análisis en los escenarios implementados.

8.2 Trabajo Futuro

Según los resultados obtenidos, se consideran los siguientes elementos para implementar en trabajos futuros sobre los prototipos presentes:

Consideraciones Generales:

 Alimentar la información mostrada en los prototipos desde una base de datos estructurada, de preferencia esta fuente debe contar con una actualización periódica de registros.

(25)

24  Corregir los aspectos de presentación de interfaz de los prototipos para adecuarlos a los

elementos estéticos corporativos pertinentes

 Implementar acceso seguro y manejo de tipos de usuario

Consideraciones Específicas:

 Realizar clusters de oficinas y cajeros

 Manejar contexto geográfico y comercial de los sectores que se tienen en cuenta  Corregir la asignación de los códigos de transacción y de cajeros/sucursales  Plantear nuevas graficas de análisis para apoyar la toma de decisiones

 Corregir las escalas de las coordenadas paralelas

 Depurar la información transaccional y garantizar el correcto uso de la misma  Adicionar elementos emergentes que faciliten el análisis por etapas

 Adicionar todas las categorías necesarias asociadas a las transacciones en la tabla de resultados

 Implementar opciones para modificar o exportar los resultados obtenidos

 Adicionar todos los procesos de la fábrica para que puedan ser visualizados en el producto  Implementar un selector de procesos para diferenciar, excluir o juntar la información de

diferentes procesos en la misma visualización

Sección 9. Referencias

• 1

Trajectory-Based Visual Analysis of large financial time series data. Consultado el 17/08/2014. Internet. http://www.kdd.org/sites/default/files/issues/9-2-2007-12/4_Schrek_Trajectories.pdf

• 2_{Tableau: Segmentation Details: Banking Revenue Segmentation. Extraído el 14/08/2014.}

Internet. http://public.tableausoftware.com/profile/mirandali#!/vizhome/Banking-PackagedRetailBusiness_New/Segmentation

•

3

Tableau: Banking Analytics – Loan Default: Effectively manage loan default risk.

Extraído el 14/08/2014. Internet.

http://www.tableausoftware.com/solutions/banking-analytics

• 4_{Tableau: Domestic Loan Analysis Report. Extraído el 14/08/2014. Internet.}

http://public.tableausoftware.com/profile/mirandali#!/vizhome/DomesticLoanAnalysis_0/Dom esticLoanAnalysis

•

5

Aperture JS: API Examples: Node-Link Social Network. Extraído el 14/08/2014.

Internet.

http://aperturejs.com/examples/#node-link.html

•

6

Metodología para el análisis Visual de la evolución de Conceptos en Bases de Datos

Textuales

.Consultado

el

17/08/2014.

Internet.

http://www.lsi.us.es/~ffrosat/publicaciones/MetodologiaVisualConceptosBasesDatos

Textuales.pdf

(26)

25

• 7_{The Applications of Visual Analytics to financial Stability Monitoring. Consultado el}

14/08/2014. Internet. http://www.treasury.gov/initiatives/ofr/research/documents/ofrwp2014-02_floodlemieuxvargawong_applicationvisualanalyticsfinancialstabilitymonitoring.pdf

• 8 _Managing _Data _for _Visual _Analytics. _Consultado _el _14/08/2014. _Internet.

http://sites.computer.org/debull/A12sept/visual.pdf

•

9

Visual Analytics on the Financial Market: Pixel-based Analysis and Comparison of

Long-Term Investments. Consultado 17/08/2014. Internet.

http://www.inf.uni-konstanz.de/gk/pubsys/publishedFiles/ZiNiKe08.pdf

• 10 _{The Applications of Visual Analytics to financial Stability Monitoring. Consultado 17/08/2014.}

Internet. http://www.treasury.gov/initiatives/ofr/research/documents/ofrwp2014-02_floodlemieuxvargawong_applicationvisualanalyticsfinancialstabilitymonitoring.pdf

• 11

Ejemplos D3. Consultado 22/10/2014.Internet. https://github.com/mbostock/d3/wiki/Gallery

• 12 _{Tutoriales y entrenamiento a pedido de Tableau Software. Consultado 22/10/2014.Internet.}

http://www.tableausoftware.com/es-es/learn/training

Sección 10. Apéndices

Implementación:

Tableau: Dirigirse a la página de tutoriales online autorizados que provee Tableau Software. http://www.tableausoftware.com/es-es/learn/training

D3: Dirigirse a la página de ejemplos online público que provee D3 js. https://github.com/mbostock/d3/wiki/Gallery

Prototipos:

Para ver los prototipos en funcionamiento, contacte al asesor de tesis o a la creadora de la misma.