Cliente
GRUPO FE
Categoría
Sector Financiero
Objetivo del Proyecto
Reducir el porcentaje de mora mes a mes e incrementar el recaudo para sus empresas Campo Fe y Prestafe.
Solución
Modelo de gestión analítica de la cobranza con IBM SPSS Modeler, R y Python.
“A la fecha, hemos enfocado mejor nuestros esfuerzos de cobranza, sin afectar los niveles de recaudación y nos encontramos estableciendo controles para ir ajustando las estrategias; con el fin, de aumentar su efectividad. Esto ha requerido un proceso de cambio cultural y adaptación interna, tanto de equipo profesional, como de tecnología, para integrar los procesos, personas y sistemas actuales en pro de una mejor gestión del cliente.”
Corina Elizabeth Mezarino García
Supervisora de Cobranzas de Grupo Fe

Información del Proyecto

Grupo Fe fortalece el proceso de cobranza con soluciones de cobranza analítica, logrando reducir el porcentaje de mora de sus clientes.

El grupo está compuesto por empresas de diversos sectores, como servicios de sepelio, servicios financieros y de salud. Todas comprometidas en transformar positivamente la vida de las personas, ofreciendo soluciones accesibles.

Entre sus principales empresas se encuentran:

  • Campo Fe, con más de 27 años ofreciendo servicios integrales de sepelio a más de 125,000 familias afiliadas.

  • Prestafe, que otorga créditos para el desarrollo de los clientes de Campo Fe, con más de 25,000 préstamos concedidos.


Desafío y necesidad

El área de cobranza de Grupo Fe implementaba acciones automáticas que se activaban solo tras identificar impagos. Por ello, necesitaban un soporte analítico que permitiera anticipar el comportamiento de pago de sus clientes en Campo Fe y Prestafe.

El objetivo fue diseñar un modelo predictivo que calculase la probabilidad de impago, permitiendo aplicar acciones preventivas para reducir la mora y asegurar un recaudo estable mes a mes.


Implementación con CALA Analytics

Como aliado estratégico, CALA Analytics apoyó en el desarrollo de modelos analíticos basados en IBM SPSS Modeler, R y Python. Estos modelos pronostican los clientes con mayor riesgo de impago, clasificados según edades de mora: 1-30, 31-60 y 61-90 días después del vencimiento.

El proyecto siguió la metodología CRISP-DM, con trabajo conjunto entre el área de cobranza y el equipo de CALA en cada etapa.


Resultados y beneficios

Gracias al trabajo colaborativo y a la transferencia de conocimiento, el área de cobranza de Grupo Fe ejecuta hoy estos modelos con autonomía. Además, pueden modificar los modelos para incluir nuevas variables que aporten mayor precisión.

Adicionalmente, se generó una clasificación de clientes según nivel de riesgo, facilitando la toma de decisiones estratégicas y mejorando la eficiencia en la gestión de cobranza.

 

La analítica de datos permite tomar decisiones más acertadas en el sector Sector Financiero. Para conocer más sobre estas soluciones, ingrese aquí.

Footer CALA Analytics