Detección de problemas con algoritmos: ¿Fraude? ¿Menos clientes?

Hace unas semanas hablábamos de cómo los algoritmos pueden ayudarnos a diagnosticar apneas. Lo cierto es que los modelos matemáticos se pueden aplicar a una amplia variedad de ámbitos. ¡Hoy os traemos dos ejemplos totalmente distintos!

¿Alguna vez te has preguntado de qué forma un banco detecta que una operación bancaria puede ser fraudulenta? ¿O cómo una compañía telefónica identifica el cliente que puede ser posible baja inminente? Para las empresas, poder controlar este tipo de situaciones es fundamental ya que, en ambos casos, supone mucho dinero en juego.

Aquí es donde entran los Analistas y Data Scientists. Veamos cómo.

algoritmos-fraude

Existen varias formas de encarar este tipo de problemas, llamémoslos de “detección”. Por un lado, tenemos la heurística y, por el otro, la algoritmia.

Cómo aplicar la heurística a la identificación de problemas

Este concepto hace referencia al uso de reglas creadas por analistas expertos en el campo. Por ejemplo, algunas reglas podrían ser:

  • Compañía telefónica: “El cliente es menor de 40 años y en un mes se termina su permanencia”
  • Banco: “El cliente ha retirado de un cajero una suma superior a 500 €”

O más complicadas como las siguientes:

  • Compañía telefónica: “El cliente ha llamado más de tres veces a Atención al Cliente con problemas con su factura y la incidencia sigue abierta”
  • Banco: “Con la misma tarjeta de débito se han realizado dos extracciones en cajeros en menos de una hora y con una distancia entre sí de más de 400 km.”

Estas reglas atacan a una Base de Datos (BBDD) que contiene toda la información de cada cliente. Por supuesto, estas premisas están en un lenguaje natural y, en consecuencia, la BBDD no las entiende de esta manera. Por este motivo, existen algoritmos que permiten traducirlas al lenguaje adecuado. Una vez ejecutadas estas reglas, obtenemos automáticamente un listado de aquellos clientes que las cumplen y que, por lo tanto, deben recibir un trato especial.

El problema que existe con la heurística es que, o la regla está muy bien hecha, o nos puede salir una cantidad de clientes a contactar imposible de asumir. Por esta razón, se necesitan analistas expertos en el ámbito que estudien muy bien qué reglas se deben crear.

Algoritmos en acción: las variables “fraude” y “baja cliente”

Una forma de resolver este problema viene de la mano de la algoritmia. Aquí ya nos metemos en el mundo de las matemáticas y la programación. Existen muchos algoritmos, muy diferentes entre sí, que nos permiten resolver el problema de “detección”. Por mencionar algunos ejemplos: modelos logísticos, Redes Bayesianas, Support Vector Machine, etc. Todos ellos nos dan como resultado “probabilidades”, es decir, nos indican la probabilidad de que un cliente se dé de baja o, también, de que una transacción con tarjeta de crédito o débito sea fraudulenta.

¿Cómo se trabaja con estos algoritmos?

El equipo de analistas y Data Scientists estudia el problema en conjunto, analizando qué variables (inputs) o combinación son más influyentes sobre la variable salida (output). En nuestros ejemplos, estaríamos hablando de las variables “fraude” y “baja cliente”. Una vez detectados los inputs relevantes, entrenan al algoritmo, es decir, lo ajustan con una gran cantidad de datos históricos.

De esta forma, cuando el algoritmo reciba una transacción nueva la analizará y, en función del valor que tomen los inputs elegidos por el equipo de expertos, dará una probabilidad matemática de que ocurra o no el output. Así se detectarán aquellos clientes que, con mayor probabilidad, pueden darse de baja de la compañía / estar siendo víctimas de fraude y se podrá actuar en consecuencia.

¡Cuidado! Estos algoritmos no son estáticos y, por lo tanto, deben ser ajustados cada cierto tiempo dependiendo del problema. Además, muchas veces se deben replantear nuevamente los inputs.

En pocas palabras…

Con esta pequeña explicación ya tienes una idea general de cómo las empresas detectan ciertas situaciones problemáticas. A veces se trata de situaciones beneficiosas para nosotros, como puede ser un aviso de un posible fraude en nuestras cuentas bancarias, pero no siempre es así. A nadie le gusta que le llamen en mitad de la siesta un sábado desde la compañía telefónica ofreciéndole mil ofertas para que se quede con ellos, ¿cierto?

Si te interesa este tema, te recomendamos echarle un vistazo a este post sobre el trabajo de DBI Data Business Intelligence con algoritmos y las posibles aplicaciones de Tensor Flow, la librería Deep Learning de Google.

¿Y tú? ¿Trabajas con algoritmos en tu día a día? ¿Cómo los aplicas? Déjanos cualquier aportación en nuestra sección de comentarios.

Enviar comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *