Inicio
 > Informes e investigaciones > Blog de TEC > Business intelligence y reconocimiento de identi...

Business intelligence y reconocimiento de identidades

Escrito por: Lyndsay Wise
Publicado: enero 3 2007

En muchos casos, las malas calificaciones a un servicio a clientes, la falta de eficacia en las iniciativas de mercadotecnia, las fallas en la planeación financiera y un aumento en las actividades fraudulentas, pueden deberse a la forma en que una organización administra sus datos. En los últimos años, la información que las organizaciones reúnen y almacenan ha crecido exponencialmente, por lo tanto, su administración se ha convertido en un factor que determina del éxito de las implementaciones de iniciativas de negocios tales como mercadotecnia de productos y planeación corporativa. Además, ahora que los fraudes y los actos terroristas reciben más atención que nunca, resulta esencial utilizar los datos para identificar a las personas y las relaciones que mantienen entre sí.

Este artículo definirá la gestión de datos maestros (MDM) y explicará cómo la integración de datos de los clientes (CDI) se adapta al esquema de MDM. Asimismo, este artículo evaluará cómo MDM y CDI son diferentes a analítica de entidades, describirá sus usos prácticos y hablará de cómo las empresas pueden aprovechar sus ventajas. Subrayará también las diferentes aplicaciones de analítica de entidades, dará ejemplos de su aplicación en diferentes tipos de organizaciones y hablará de las ventajas que ofrece a las organizaciones que pertenecen a la industria de servicios, tales como gubernamentales, de seguridad, de banca y de seguros.

El amplio espectro de la gestión de datos

MDM ha surgido como una solución que da a las organizaciones las herramientas necesarias para administrar los datos y sus definiciones con eficacia, con el fin de permitir una visualización constante de los mismos. Esencialmente, MDM logra eliminar los silos de datos que crean los distintos departamentos y proporciona una visualización operativa de la información que toda la organización puede aprovechar. Se enfoca en la identificación y la gestión de datos de referencia en toda la empresa que permite visualizar los datos de forma constante y uniforme. La aplicación de MDM identifica la forma en que los subconjuntos de MDM tratan los distintos aspectos de las necesidades de una organización.

La importancia de MDM se manifiesta cuando un representante de servicio a clientes no logra acceder a la información de los clientes debido a las inconsistencias que resultan de la adquisición de la empresa o la implementación de un sistema nuevo, que pueden generar frustración (o alienación) entre los clientes. Si agregamos el tiempo extra que pasa el representante de servicio a clientes tratando de acceder a los datos correctos, el problema se convierte en un desperdicio de tiempo y dinero. MDM se enfoca en la identificación y la gestión de datos de referencia en toda la organización, para permitir que los usuarios visualicen los datos de forma constante.

CDI es un subconjunto de MDM y sirve para consolidar las distintas formas en que se puede visualizar un cliente dentro de una empresa en una estructura centralizada. Esta consolidación de los datos da al representante de servicio a clientes la información o la capacidad necesarias para enlazar la información requerida, como facturación, cuentas por cobrar, etc. Una vez que los datos se han consolidado, se crean referencias al archivo de cada cliente para enlazarlos entre sí y asignar el “mejor” registro de la información disponible. Por consiguiente, las contradicciones que surgen a través de sistemas dispares, como varios formatos para los domicilios, se limpian de acuerdo a reglas de negocios que se definen con el fin de crear una sola versión de los datos de los clientes, que podrán visualizarse en los departamentos de la organización.

La creación de “una versión de la verdad” presenta retos que son únicos para las organizaciones. En muchas organizaciones, se mantienen varias visualizaciones del cliente, tales como las que usan los departamentos de cuentas por pagar, centro de llamadas, embarques, etc. Es posible que cada perfil tenga el mismo nombre de cliente, pero otros datos diferentes, como números de cliente únicos para cada departamento, y esto dificulta enlazar una persona a varios procesos. Lo más difícil es determinar cuál de todas estas visualizaciones es la correcta. Por ejemplo, pueden existir cuatro versiones con el mismo nombre de cliente y el mismo domicilio, y hay que seleccionar uno de los cuatro archivos que será la visualización correcta que servirá para crear un perfil consolidado de dicho cliente. El problema es que puede ser que cada departamento tenga una definición diferente de “cliente”, y esto hace que la conciliación de los datos de los clientes se convierta en una tarea monumental. Por ejemplo, las organizaciones suelen crear perfiles diferentes de sus clientes en sus sistemas, y esto hace que los empleados reciban una visualización incompleta del cliente. Para resolver este problema, es necesario purgar los registros de los clientes que no son precisos.

Además de tener registros incompletos, la información de los clientes se introduce en el sistema varias veces, y esto produce más silos y complica el problema. Los representantes de servicio a clientes y los empleados no son los únicos que están en contacto directo con los clientes; el departamento de mercadotecnia también puede tener una visualización diferente o incompleta del cliente, y esto puede reducir la eficacia de las campañas de mercadotecnia y hacer que se ignoren ciertas oportunidades de ingresos. Si bien este último ejemplo puede parecer inverosímil, pero la realidad es que una mala gestión de los datos en una organización afecta los resultados netos. Cuando CDI se implementa adecuadamente puede no sólo reducir los costos, sino aumentar las ventas, las calificaciones del servicio a clientes y la lealtad de los clientes.

La complejidad de los datos

A medida que los datos se vuelven más complejos, las estrategias de gestión se aplican de forma diferente y se usan más para tratar las necesidades de la organización y las que respectan a la detección de fraudes y la seguridad. La solución Entity Analytics Solution (EAS) de IBM trata las necesidades de organizaciones tales como agencias gubernamentales e instituciones financieras y de seguros relacionadas con el combate a fraudes y al terrorismo mediante la aplicación de técnicas de gestión de datos en una forma distinta a CDI. Básicamente, el concepto alrededor de la plataforma EAS se traduce en “cuanto más datos se reúnan, mejor”. En lugar de desechar la información extra, como lo hace CDI, EAS toma la dirección opuesta y acumula, agrupa y resuelve los atributos de información de identidad para usar atributos nuevos, viejos, precisos, imprecisos y aparentes. Esto ayuda al desarrollo de un reconocimiento de patrones. Por ejemplo, EAS es capaz de identificar una persona que cobra más de un cheque de seguro social usando dos o más domicilios distintos, y crea una alerta dentro del sistema.

La capacidad para enlazar a las personas con varios conjuntos de datos y determinar la forma en que se conectan entre sí ayuda a identificar de manera proactiva la posibilidad de experimentar actividades fraudulentas o criminales. Gracias a su adquisición de Language Analysis Systems (LAS), IBM pudo empezar a tratar estas necesidades mediante IBM Global Name Recognition. En lugar de utilizar la integración de datos de business intelligence o de gestión de las relaciones con los clientes (CRM), Entity Analytics se enfoca en identificar los patrones de datos recurrentes para tratar el terrorismo y los fraudes mediante su Terrorism and Fraud Intelligence Framework (T&FI o esquema de inteligencia para terrorismo y fraudes). El software trata los problemas de búsqueda y gestión de datos sobre personas que se encuentran en diferentes regiones, clientes dentro de instituciones financieras, etc., para satisfacer las demandas de la gestión de conjuntos de datos que provienen de diferentes culturas y regiones. Esto va más allá del reconocimiento de nombres y analiza la forma en que estos se conectan entre sí usando la identificación de patrones de datos recurrentes y conexiones entre las entidades. El software marca dichas conexiones de acuerdo a reglas que se crean con el fin de identificar las transacciones o los comportamientos sospechosos.

El software IBM Entity Analytics

IBM Entity Analytics Solutions Global Name Recognition contiene cuatro módulos (figura 1) que permiten que las organizaciones identifiquen a las personas, las relaciones y los patrones de datos, y que compartan dicha información de manera anónima para identificar el potencial de comportamiento sospechoso o fraudulento. EAS de IBM está formado por:

  • IBM Identity Resolution, que identifica una entidad y conecta los datos relacionados con ella a través de todos los silos de datos.
  • IBM Relationship Resolution, que identifica las relaciones que no son obvias para revelar las redes sociales, profesionales o criminales. Asimismo, este módulo proporciona alertas instantáneas cuando detecta las conexiones de los datos.
  • IBM Anonymous Resolution, que desidentifica los conjuntos de datos sensibles usando un procesamiento preliminar de marca y funciones hash en un solo sentido para agregar más capas de privacidad y enlazar esos datos de acuerdo a códigos que permiten identificar las relaciones de las entidades sin poner en riesgo las leyes de privacidad. Los datos se comparten de forma anónima y permanecen en manos de su propietario para asegurar su seguridad.
  • IBM Name Resolution, que incluye búsqueda de nombres, generador de variaciones, analizador sintáctico, clasificador de culturas y definición de géneros. El uso principal de Global Name Recognition es reconocer a los clientes, los ciudadanos y los criminales a través de distintas variaciones culturales de los datos de los nombres. Una aplicación práctica del generador de variaciones de nombres es conocer cómo los nombres se escriben de forma distinta en diferentes regiones.


(Haga click aquí para agrandar la imagen)

Figura 1: La plataforma de reconocimiento de identidades y relaciones de EAS, IBM 2005.

Uso gubernamental

Los gobiernos se ven obligados a gastar el dinero de los contribuyentes en forma prudente y a proteger la confianza del público. Esto implica asegurarse de que ofrecen las ventajas, los pagos y los servicios adecuados a todos los beneficiarios de los servicios sociales. En los Estados Unidos, los pagos inadecuados representan el 10 por ciento o más del pago total de ventajas sociales. El gobierno de este país emite más de 6,600 millones (USD) al año en pagos que no son adecuados. La identificación de relaciones y de patrones de datos, así como de sus entidades relacionadas puede servir para detectar estas anomalías de los datos antes de emitir pagos fraudulentos, logrando con ello una canalización más precisa del dinero a los beneficiarios adecuados.

Después de que el huracán Katrina atacó los Estados Unidos, el gobierno federal distribuyó 1,200 millones (USD) que sirvieron para ayudar a personas que habían enviado reclamaciones fraudulentas, ya sea usando el mismo nombre con domicilios diferentes, o varios nombres con el mismo domicilio. Este ejemplo ayuda a demostrar las ventajas que tiene la analítica de entidades sobre CDI en la detección de fraudes. CDI trata de conciliar los datos en una versión correcta, mientras que EAS trata de detectar los diferentes errores y crea una marca para identificar las discrepancias. Las soluciones como EAS identifican este tipo de actividades con anticipación y ayudan así a reducir la posibilidad de recibir reclamaciones fraudulentas.

Seguridad nacional y prevención de actos terroristas

La seguridad nacional y la prevención de actos terroristas son las principales prioridades de muchos países. Es esencial identificar a los terroristas y las personas que se relacionan con ellos para salvaguardar la seguridad de un país y desarrollar una lista de posibles amenazas a la misma. Por ejemplo, actualmente los Estados Unidos usan tecnología de reconocimiento de nombres en la lucha contra el terrorismo. La agencia de Seguridad nacional de los Estados Unidos usó EAS para analizar las fuentes de datos de Iraq con el propósito de aprovechar dichos datos durante los interrogatorios para identificar y reunir información sobre las relaciones. Por consiguiente, se descubrieron cerca de 2,000 relaciones de interés entre personal de la agencia de inteligencia, personal de servicio, criminales, detenidos, parientes, líderes de tribus y las personas interrogadas. La detección de dichas relaciones ayudó a identificar y capturar a los terroristas potenciales antes de que cometieran actos terroristas y a desarrollar estrategias con base en las áreas potenciales de riesgo.

Además, los gobiernos están usando EAS a nivel internacional para ayudar a evitar que los terroristas y los criminales potenciales entren o salgan de un país. La identidad de una persona, en relación con la forma en que deletrea su apellido, puede variar de acuerdo a la región geográfica. Normalmente, este tipo de diferencias en los datos podría presentar una persona como varias personas en los distintos sistemas. Con una solución EAS los sistemas pueden enlazar estos datos y establecer una correspondencia entre ellos para encontrar elementos constantes y enlazarlos para crear un registro completo de cada persona, haciendo que varias personas ficticias se conviertan en una sola entidad. De la misma forma, al usar IBM Anonymous Resolution con identificación anónima es posible proteger la privacidad de las personas y apegarse a las leyes de privacidad internacionales.

Aplicaciones en la industria financiera y de seguros

Tanto en la industria financiera como en la industria de seguros, la necesidad de identificar y rastrear los patrones de datos y las relaciones entre las entidades se ha vuelto esencial para detectar las actividades potenciales de fraudes y lavado de dinero. Un ejemplo de dichas actividades es el envío de solicitudes de préstamos hipotecarios falsas que se marcan como aprobadas. Los empleados de los bancos han recurrido a esta técnica para obtener millones de dólares creando clientes falsos, cambiando pequeñas cantidades de los datos de las solicitudes en las formas aprobadas y quedándose con el dinero. La capacidad para encontrar las formas “similares” mediante la reunión y el almacenamiento de toda la información, hace que las instituciones financieras marquen los patrones de datos recurrentes y reduzcan con ello el potencial de fraude.

La seguridad y la privacidad

A medida que el software analítico se arraiga en el uso general, se cuestiona si su capacidad para identificar criminales y terroristas supera su potencial para violar la privacidad de las personas. Los gobiernos deben encontrar el equilibrio entre una gestión y un análisis eficientes de los activos de información que les permitan reconocer y evitar las posibles amenazas mientras garantizan la preservación y la protección de la privacidad de los ciudadanos y sus derechos civiles. Los ciudadanos deben confiar en que la información que mantienen las organizaciones a quienes confían su protección no se usa en misiones que van más allá del alcance de la misión para la cual se reunió.

La gestión de datos representa un enfoque eficaz para alcanzar este equilibrio. Un análisis de la información manejado con responsabilidad permite cumplir con la seguridad nacional cuando los reglamentos -como la Patriot Act y la Bank Secrecy Act y los Acuerdos Basel internacionales- designan referencias a listas de guardia eficientes y precisas, filtración intuitiva y controles de conocimiento de los clientes. Esto se hace al mismo tiempo que se ofrece una fuente centralizada de gestión de la seguridad de la información personal identificable (PII), las notificaciones colectivas, la libertad para optar por no recibir cierta información y los controles de acceso que residen en casi todos los requisitos reglamentarios y de privacidad. Al otorgar al gobierno acceso a esos datos que se relacionan únicamente con los terroristas conocidos, el equilibrio de los datos de los ciudadanos no se comparte con el gobierno. Así, el software EAS logra esto apegándose a las leyes internacionales y nacionales sobre la privacidad.

La capacidad para identificar a las personas, rastrear sus movimientos y descubrir las conexiones en sus relaciones y asociaciones resulta imperativa si se quieren evitar las posibles amenazas a la seguridad. En las industrias financiera y de seguros, estas herramientas pueden reducir la incidencia de fraudes y crear un ambiente de detección proactiva de los mismos. Si bien queda el problema de la seguridad personal y la cuestión de si el gobierno tiene el derecho de obtener tanta información sobre las personas, las ventajas de identificar a los individuos y establecer las relaciones entre ellos de acuerdo a sus asociaciones han servido para detectar y prevenir las posibles actividades fraudulentas y terroristas. Asimismo, las organizaciones de finanzas, seguros y seguridad pueden obtener ventajas inmediatas de dicho software de analítica de entidades como Entity Analytics de IBM, deshaciendo de forma proactiva las actividades fraudulentas y criminales y ahorrando dinero y tiempo y salvando vidas al hacerlo.

 
comments powered by Disqus

Búsquedas recientes:
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Others