INICIO
NUEVA SOLUCIÓN
BI ANALYTICS
TABLEROS
CARACTERISTICAS
DEMO
VIDEOS
CONTACTO
![](src/imagenes/maxwellcards.png)
Conocés Adintar,
sabés lo que resuelve:
● El ciclo de vida completo de la cuenta y sus tarjetas (crédito - prepaga)
● Los procesos de integración con los diversos procesadores
● Los procesos de soporte al backoffice de la entidad
![TARJETAS-01 1](src/imagenes/tarjetas.png)
Esto es posible gracias a sus principales puntos de negocio:
![](src/imagenes/socios.png)
![](src/imagenes/comercios.png)
![](src/imagenes/mora.png)
![](src/imagenes/contabilidad.png)
![](src/imagenes/webServices.png)
![](src/imagenes/segmentador.png)
Mientras Adintar
resuelve la operación cotidiana del producto...
![](src/imagenes/notebook.png)
![](src/imagenes/porque.png)
Porque te permitirá conocer mejor tu operación sobre el negocio, facilitándote la decisión y el diseño de estrategias comerciales para potenciarlo. Y con el sustento del análisis de datos de las operaciones de tus tarjetas
Te lo explicamos
![alt text](src/imagenes/optimize.png)
![](src/imagenes/curva.png)
BI – Analytics:
Por qué?
![image 13](src/imagenes/a04aef537ce6b7b804dd5fa688eb3754.png)
Las entidades financieras generan grandes volúmenes de datos transaccionales que pueden ser utilizados para el análisis descriptivo y diagnóstico de sus operaciones
![image 14](src/imagenes/04c1e46d2b4bb74c65a3ee3fa6292c8d.png)
Estos enormes volúmenes de datos esconden información clave para la toma de mejores y más rápidas decisiones
![image 12](src/imagenes/dardo.png)
Esta nueva forma de análisis avanzado brinda la oportunidad de que las estrategias basadas en dichas decisiones sean tan dinámicas y adaptables como el comportamiento del negocio en sí
![image 11](src/imagenes/adaac0fd383ef2de542081601c581f6d.png)
Con la aplicación de la Ciencia de Datos, el modelo de BI y Analytics aprende evolucionando la información brindada de forma constante
Ciencia de datos:
Es la conjunción de múltiples disciplinas con la finalidad de obtener aportes (o “insights”) novedosos
Busca patrones convincentes para soportar procesos de decisión
BI – Analytics:
Para qué?
![image 15](src/imagenes/mano.png)
Buscamos ayudar a las organizaciones sumando los conocimientos aportados por la ciencia de datos a su expertise de negocio
![image 16](src/imagenes/39d40c4558e4bfb0569b15f24912cb7a.png)
Promovemos el uso de machine learning y la inteligencia artificial como alternativa de creación de valor
![alt text](src/imagenes/b6312f6a5e0d0bb0aed3c4794c5bae2f.png)
¿Cómo lo implementamos?
![](src/imagenes/como.png)
![](src/imagenes/tableros.png)
Tablero General
Es una presentación general de la cartera, las cobranzas, los consumos, los resúmenes y la mora.
![](src/imagenes/eb5a88655a01cb25d3b975206f99b99a.png)
Tablero de consumos
Describe la evaluación de los consumos, considerando la distribución por rubros comerciales, participación de adicionales y otras aristas
![](src/imagenes/ca6c446e0fa4220bd88d61e2f81071cb.png)
Tablero de cobranzas
Evalúa las cobranzas vs pago mínimo y saldos puestos al cobro, cobranza por canal de pagos, distribución por tramo de mora
![](src/imagenes/78d5c67e77be430893fc1bdade28eb33.png)
Tablero de mora
Visualiza los niveles de mora de la cartera por tramo, ascensos y descensos, FPD (incumplimiento del primer pago) medido a los 90 días
![](src/imagenes/45484713db7680a5db0db856fbb10fdf.png)
Tablero de resúmenes
Presenta la emisión de resúmenes vs cuentas, así como los motivos de emisión y de no emisión de resúmenes
![](src/imagenes/af8b257524432a856da8c8b6ce190ba6.png)
![](src/imagenes/modelos.png)
Attrition
Este modelo analiza, identifica y aprende patrones de comportamiento de la cartera total y en particular de los clientes que luego de un período de actividad con la tarjeta, dejan de usarla por al menos 6 meses, prediciendo de esta forma cuentas activas que podrían dejar de utilizar el producto de tarjetas.
De esta forma es posible actuar preventivamente, con campañas concretas y dirigidas sobre estos clientes, buscando evitar el abandono, incentivando el consumo y por ende, mejorando la tasa de attrition de la cartera a lo largo del tiempo.
![Group 13](src/imagenes/823e434c0af1dac9d16a8aa4be1ec567.png)
Recuperación de clientes
Como contrapartida del attrition, este modelo identifica patrones de comportamiento en cuanto a la reactivación de uso del producto por parte de clientes que aún continúan inactivos.
Para lograr esto, el modelo aprende de características comunes de aquellos clientes que efectivamente han vuelto a la actividad con la tarjeta.
Así es como la Entidad podrá realizar acciones focalizadas en el grupo de clientes con mayor probabilidad de recuperación, donde los esfuerzos maximicen el resultado.
![Group](src/imagenes/1276315999b760ff0577e5f5b28a89dc.png)
![](src/imagenes/caracMaxwell.png)
![](src/imagenes/caracteristicas.png)