Buenas prácticas para la segmentación de factores de riesgos

En esta sesión Jorge Gómez, especialista en AML, nos da una introducción a la segmentación de factores de riesgo, qué es la metodología CRISP-DM, recomendaciones claves para mantener la segmentación en el tiempo y cómo puedes segmentar tus factores de riesgos desde una herramienta fácil de usar como Pirani.

1. Introducción a la segmentación de factores de riesgo

Es el proceso por medio del cual se lleva a cabo la separación de elementos en grupos homogéneos al interior de ellos y heterogéneos entre ellos.

1.1. Factores de riesgo en lavado de activos y financiación del terrorismo

En este caso debemos hablar puntualmente de clientes, contrapartes, jurisdicciones, productos y canales, los cuales son citados en la recomendación 10 del GAFI que amplía el concepto de debida diligencia.

1.2. Tipos de segmentación

• Descriptiva
• A juicio de expertos (método delphi)
• Dinámica
• Atada a la debida diligencia

K-Means: es un algoritmo de clasificación no supervisada (clusterización) que agrupa objetos en k grupos basándose en sus características (Variables). El agrupamiento se realiza minimizando la suma de distancias entre cada objeto y el centroide de su segmentos o cluster, o lo que es lo mismo se agrupan en función de la similitud de las características.

Bietápico: este clúster intenta revelar los patrones en el conjunto de datos de entrada. Los registros se agrupan de manera que los de un mismo grupo o clúster tiendan a ser similares entre ellos, y que los de otros grupos sean distintos.

Redes neuronales: aprendizaje basado en la práctica, modelos de Machine Learning, tiene un gran enfoque en el análisis predictivo.

1.4. Análisis del contexto

• Conocimiento del negocio: ¿Qué hace? - ¿Cómo lo hace? ¿Con quién lo hace? ¿Dónde lo hace?
• Conocimiento del mercado: Competencia - Mercado objetivo - Métodos transaccionales - Jurisdicciones

1.5. Tipos de variables a segmentar

Cuantitativas: continuas (usan números decimales) y discretas (toman números enteros).

Cualitativas: nominal (no tiene características específicas) y ordinal (llevan un orden jerárquico).

1.6. Beneficios de la aplicación del proceso de segmentación

• Facilita el proceso de conocimiento de las contrapartes y demás factores de riesgo mencionados, con lo cual se logra tener un contexto amplio de la organización y su entorno.
• Identificar tendencias y tipologías del riesgo a lo largo de los diferentes segmentos.
• Si logramos ligar la segmentación con el monitoreo transaccional, conseguiremos también identificar los movimientos intra y extra segmento de forma oportuna.

2. Metodología CRISP-DM

Cross Industry Standard Process for Data Mining (Proceso Estándar para Minería de Datos en Industrias Cruzadas). Es una metodología de amplia difusión y probada en procesos de aprendizaje automático, el propósito de esta es el desarrollo de modelos a partir de información y datos específicos de una compañía.

2.1. Entendimiento del negocio

• Tener conocimiento del contexto interno y externo.
• Entender el negocio desde la base.
• Consultar información de diferentes fuentes internas y externas.
• Consultar y analizar información histórica.
• Entender de forma clara la descripción y el comportamiento de los principales factores de riesgo: clientes, productos, canales y jurisdicciones.

2.2. Entendimiento de los datos

• Entender los datos que se tienen almacenados.
• Tener claridad sobre las fuentes de datos.
• Garantizar y conocer el estado de la calidad de los datos (ISO 25012).
• Saber qué bases de datos e información sí pueden ser útiles.
• Definir y documentar la periodicidad de la actualización.

2.3. Preparación de los datos

• Para preparar los datos es necesario entenderlos.
• Garantizar en todo momento que la base de datos esté limpia, organizada y actualizada.

2.4. Modelamiento

• Elección tanto del modelo de segmentación a utilizar, también llamado algoritmo, como de las variables adecuadas.
• Ejecutar más de un modelo de segmentación e ir probando diferentes.
• Proceso de calibración del modelo, entender los resultados y hacer ajustes de forma que sea un proceso práctico y útil para la compañía.
• Seleccionar las variables adecuadas para cada uno de los factores de riesgo.
• Algunas variables a considerar pueden ser: actividad económica, ingresos, volumen transaccional, entre otras.

2.5. Evaluación del resultado

• Validar el modelo de segmentación en pro de que el resultado sí sea coherente con lo esperado.
• Revisar que toda la información es correcta.
• Realizar siempre esta validación después de un proceso de segmentación, bien sea por inspección o por medio de herramientas alternativas que permitan evaluar tanto el nivel de consistencia como de precisión de los resultados entregados por el modelo.

2.6. Despliegue (Deployment)

• Si al evaluar el resultado todo está correcto, en esta última etapa se despliega el modelo completo de segmentación con el fin de agregar realmente valor para la organización.
• Después de un determinado periodo hay que ejecutarla de nuevo.
• Realizar análisis, revisión de las características de los segmentos y calibración de las alertas.
• Integrar los resultados de la segmentación al monitoreo y seguimiento transaccional.
• Definir procedimientos para el análisis de las operaciones inusuales.

3. Recomendaciones claves para mantener la segmentación en el tiempo

• Tener unas políticas claras sobre cómo realizarle mantenimiento, soporte al modelo, con el fin de mantenerlo en el tiempo.
• Definir claramente quiénes son los responsables de dar mantenimiento y velar por la continuidad del modelo de segmentación.
• Tener en cuenta tanto factores internos como externos a la organización al momento de revisar la calidad del modelo ejecutado.
• Documentar todo lo referente al modelo de segmentación.
• Actualizar de forma constante la información.

Referencias bibliográficas

1. Superintendencia Financiera de Colombia: Guía de mejores prácticas para la construcción de modelos de segmentación relacionados con los factores de riesgo de Lavado de Activos y Financiación del Terrorismo.
2. IBM: Conceptos básicos de ayuda de CRISP-DM
3. MBA USP/ESALQ: CRISP-DM: las 6 etapas de la metodología del futuro