Cómo extraer el valor del dato transaccional. Pt. 1

¡Este no es un episodio cualquiera de nuestro Meets! Hoy disfrutamos de una charla muy especial con dos de nuestros compañeros y cofundadores: Juan Carlos López y Óscar Barba.

Tabla de Contenidos

Ellos nos cuentan de primera mano cómo es diseñar un producto bancario de éxito y cuál es el camino que sigue un desarrollo desde la Prueba de Concepto hasta su implementación en las apps de banca, donde son utilizados por millones de personas.

Los departamentos de Producto e IT (que lideran respectivamente JC y Óscar) se enfrentan a diario con numerosos retos que nos ayudan a seguir mejorando y aumentando la seguridad de nuestros módulos.

La innovación no descansa, y por eso hemos querido compartir contigo los secretos de categorizar los datos bancarios, enriquecer la información financiera y extraer valor de insights que ayudan a la población a mejorar su situación económica.

¡Comenzamos!

El nacimiento de Coinscrap y su afán por mejorar la salud financiera de la población

Para empezar la charla, nada mejor que recordar los inicios de nuestra compañía, allá por 2016. Juanjo dio paso a Óscar, que comentó cómo esta startup gallega arranca con una app B2C, enfocada en ayudar a la población con la gestión de sus finanzas y del ahorro.

Al año siguiente ya habíamos llamado la atención de varias entidades nacionales, siendo Caser la primera compañía con la que firmamos un acuerdo. Nos dimos cuenta de que había mercado para pivotar hacia el B2B y, a partir de ese momento, no hemos dejado de colaborar como socio tecnológico de los principales bancos del mundo.

Llega Coinscrap Finance, un aliado estratégico que lleva la innovación al sector financiero

El amplio conocimiento obtenido a través del dato transaccional no dejaba de sorprendernos en las primeras etapas de la compañía. La llegada de la normativa PSD2 generó un importante incremento de los pagos digitales y permitió a las entidades con las que trabajamos acumular información valiosa para su estrategia de negocio.

El caso de EVO Banco: Una hucha inteligente para ahorrar de forma automática

Nuestro CTO explicó aquí cómo las reglas automatizadas que usaba la app de Coinscrap despertaron el interés de bancos como EVO.

El hecho de contar con herramientas que permiten ahorrar un porcentaje de la nómina, destinar una cantidad fija todos los meses a la huchao apartar un euro cada vez que nuestro equipo marca gol, aumenta el NPS de la entidad y dispara la retención de usuarios.

New call-to-action

Microahorro Santander: Personalizar los objetivos de ahorro te anima a alcanzarlos

En 2019 uno de los mayores bancos a nivel global llama a nuestra puerta. Las soluciones digitales innovadoras de Coinscrap Finance se consumen a través de marca blanca en su banca online.

Gracias a ello, la entidad pone a disposición de sus clientes una herramienta que le permite controlar el gasto y alcanzar las metas de ahorro de manera fácil y divertida. La gamificación juega un papel fundamental en este módulo y da lugar a un ahorro de 161 millones de euros para los 80.000 clientes adheridos al programa.

¡No te pierdas el podcast con todos los detalles!

La innovación en Fintech a través de la categorización de transacciones bancarias

Entonces Juanjo dio paso a Juan Carlos para que comentase más sobre la materia prima que hace la magia: Los datos transaccionales. “Son fundamentales para entender las finanzas del usuario y sus hábitos de gasto”, dijo nuestro CPO.

Juan Carlos López,
Jefe de Producto en Coinscrap Finance.

"La herramienta de categorización clasifica transacciones bancarias en ingresos y gastos, y actualmente maneja 17 categorías y más de 114 subcategorías”, explicó. Además, decía, proporciona una capa de enriquecimiento que permite generar insights valiosos. “La categorización está ayudando a los bancos a ofrecer productos financieros hiperpersonalizados, ya que tienen en cuenta los hábitos de consumo de los usuarios”.

Inteligencia artificial y machine learning para procesar y extraer valor de los datos bancarios

A nivel tecnológico, disponer de un motor de inteligencia artificial propio con una eficiencia próxima al 100% en la interpretación de transacciones bancarias ha sido crucial para explicar el éxito de nuestras herramientas.

COCO, que es el nombre de este motor, fue bautizado en honor a Óscar, tal y como te cuenta él mismo en este post. Su funcionamiento está basado en tecnología open banking y nos permite descifrar los movimientos bancarios para poder mostrar a usuarios y entidades dónde, cómo, cuándo y de qué manera se ha realizado un ingreso o un gasto.

Además, detectamos la huella de carbono de las transacciones gracias a nuestra herramienta COCO {CO2}, que ha obtenido este año la certificación TÜV Rheinland. Somos una de las cinco compañías en Europa que logran este hito, que significa cumplir con este cometido según la ISO 14064 y el GHG Protocol para organizaciones.

Nuestro motor usa algoritmos de machine learning para entender las largas líneas de datos incoherentes que resultan de una compra o un ingreso y devuelve información ordenada y curada que es de gran valor para los bancos y sus clientes.

Somos capaces de obtener homogeneidad y establecer un sistema que unifica los códigos empleados a nivel interno por cada entidad. Esto supone superar un reto mayúsculo y a día de hoy, ofrecer la mejor herramienta de categorización y enriquecimiento en español del mercado.

New call-to-action

La importancia de entrenar el motor de IA con altas volumetrías de datos de calidad

El hecho de poder contar con una enorme cantidad de información fiable y de gran calidad, como es el transaccional, hace que el entrenamiento de COCO, sea óptimo. El origen de los datos es 100% rastreable y proviene de fuentes infalibles. Eso es algo que viene implícito al sector bancario, sometido a una rigurosa regulación.


A partir de ahí, la implementación de mejoras viene de la supervisión humana del algoritmo, extrayendo movimientos de manera aleatoria para hacer comprobaciones y aportar valor, realizando muchas Pruebas de Concepto que facilitan el entreno de cada categoría y el balanceo de los datos.

“Entrenar una categoría de embargos es mucho más complicado que entrenar una categoría de nóminas, por poner un ejemplo”, puntualizó Óscar.

Cómo el análisis detallado de las transacciones permite a COCO ofrecer recomendaciones financieras

Juanjo aprovechó esas palabras para preguntar a Juan Carlos en qué consiste exactamente el enriquecimiento del dato bancario. “COCO no solo categoriza datos transaccionales, sino que también los enriquece para proporcionar un análisis más detallado y útil". En lugar de simplemente identificar un gasto como "restaurante", COCO profundiza para especificar si el gasto fue en un restaurante italiano, comida rápida o una cafetería.

Este nivel de detalle ayuda a los usuarios a entender mejor sus patrones de gasto y a realizar ajustes en sus finanzas personales. La capacidad de enriquecer los datos con detalles adicionales como el tipo de establecimiento y su especialidad permite además a los bancos ofrecer herramientas de planificación financiera a su base de cliente, posicionándose como un aliado estratégico.

Casos de uso del enriquecimiento y los insights financieros

Evitando los chargebacks gracias a extraer valor del dato bancario

Best mobile banking apps in Spain

Nuestro motor de IA puede asociar transacciones con logotipos y ubicaciones comerciales, mostrar la página web del establecimiento o la huella de carbono generada por un gasto, entre otras muchas cosas. Al extraer el valor del dato, todo esto es especialmente útil para aclarar movimientos bancarios confusos y reducir las devoluciones de cargos.

Juanjo hizo entonces un inciso para comentar los datos de un estudio realizado por Mastercard, donde explican que el 25% de los chargebacks podrían evitarse si los usuarios entendieran mejor sus transacciones. Agregar logotipos, nombre, dirección y demás a los movimientos bancarios ayuda a los usuarios a sentirse más seguros sobre sus gastos.

Recomendaciones basadas en insights financieros

Desde el punto de vista de las entidades, lo que se logra con el enriquecimiento es conocer en profundidad al usuario final, saber cuáles son las necesidades específicas del momento vital en el que se encuentra. Por ejemplo, si ha contratado a una empresa para organizar su boda, quizá le interese utilizar un módulo de microahorro para su viaje de novios.

Del mismo modo, utilizando los insights financieros, si un banco detecta un gasto en guardería, puede comprobar si el usuario cuenta con un cargo categorizado como “seguro de vida” en su transaccional. Sería el momento ideal para ofrecerle uno, si no lo tiene, o hacerle una oferta ventajosa para que cambie de compañía. Las oportunidades de up-selling y cross-selling son infinitas.

Con la participación de nuestro CTO pausamos esta primera parte de nuestro Meets, muy pronto verá la luz la segunda parte de este resumen y conocerás más sobre integraciones, seguridad y otros aspectos técnicos de nuestros desarrollos.

Como dice Óscar: "La colaboración entre los departamentos de IT y Producto es fundamental para alcanzar este nivel de excelencia y trabajar en la primera división de las finanzas”. En este post puedes ver en profundidad cuáles son las etapas del proceso de desarrollo de nuestras innovadores herramientas. 

¡Gracias por leernos!

Buscar
Apúntate a nuestra newsletter

¿Te gusta el contenido? Suscríbete y recibe en tu bandeja de entrada nuestra newsletter bisemanal.