Probablemente utilizas el enriquecimiento de datos todos los días sin estar consciente de ello.
Por ejemplo, la función de autocompletado de Google trabaja con enriquecimiento de datos: toma datos sin procesar (las letras que usas en tu teclado) y los enriquece para que coincidan con una enorme base de datos de (casi) todas las palabras posibles.
El resultado: una herramienta más inteligente que mejora la experiencia de usuario.
¿Pero sabías que hoy en día el enriquecimiento de datos (mejor conocido como el aumento de datos o el anexado) es medular para numerosos negocios online? ¿Y sabías que es más fácil que nunca empezar a utilizarlo?
No te preocupes si estás confundido. En este artículo, hablaremos acerca de los conceptos clave del enriquecimiento de datos en un contexto general. Después, te mostraré por qué es una característica tan vital para la detección del fraude online.
¿Qué es el enriquecimiento de datos?
El enriquecimiento de datos es un proceso que toma puntos de datos sin procesar y los combina con puntos de datos similares en una base de datos más grande. La base de datos puede ser interna o mantenida por un servicio tercerizado. La mayoría de las compañías utilizan el enriquecimiento de datos para conocer más acerca de un cliente con base en una pieza de información, como una dirección de correo electrónico o un número de teléfono.
¿Por qué es importante el enriquecimiento de datos?
El enriquecimiento de datos es importante porque te ayuda a saber más acerca de tus usuarios sin la necesidad de solicitarles información adicional. Por ejemplo, puedes verificar la identidad de una persona con tan solo pedirle su dirección de correo electrónico. Esto ayuda a reducir el riesgo sin incrementar la fricción del usuario y ralentizar su experiencia.
En el caso de las empresas, entre más datos tengas, podrás tomar decisiones de negocio más inteligentes. Esto es especialmente cierto para las compañías que carecen de datos cruciales, como por ejemplo:
- al moverse a un nuevo mercado;
- al tratar de mantenerse al día con las tendencias;
- al iniciar un nuevo negocio (como pasar cara a cara a en línea);
- al intentar disminuir la fricción de usuario recolectando únicamente la información esencial;
- al buscar mejorar la orientación;
- al reducir las tasas de fraude.
Combina huella avanzada del dispositivo, buscador de redes sociales en tiempo real, puntajes de riesgo y hallazgos de Machine Learning.
Hable con expertos
¿Cuáles son sus ventajas?
El enriquecimiento de datos es una ventaja competitiva fundamental, ya que ayuda a:
- aprender más acerca de tus usuarios: esto es importante para reducir el riesgo y el fraude;
- reducir la fricción de usuario: no hay necesidad de pedirle a los usuarios que completen un sinfín de campos. Puedes realizar las verificaciones en segundo plano sin interrumpir la experiencia del usuario;
- reducir la rotación de clientes: interponer obstáculos en la experiencia del usuario tiende a crear rotación en la forma, por ejemplo, de carritos de compra abandonados;
- las verificaciones en tiempo real: una buena herramienta de enriquecimiento de datos debería entregar resultados en tiempo real;
- acelerar las revisiones manuales: ¿tienes dudas respecto a una transacción de riesgo intermedio? Comprueba los datos a través de un módulo de enriquecimiento de datos para tomar una mejor decisión informada.
Ejemplos de negocios que utilizan el enriquecimiento de datos
Automatizar el enriquecimiento de datos es una parte fundamental del mundo digital moderno. De hecho, es el proceso que permite la existencia de empresas en una variedad de mercados verticales. A continuación te damos siete ejemplos:
Préstamos
Los puntajes de crédito están fundamentados en el enriquecimiento de datos. Los bancos o proveedores de préstamos acceden a bases de datos alternativas o independientes que les ayudan a crear un perfil completo de los clientes con los que están tratando (y con suerte rechazar clientes potenciales morosos).
De hecho, todo el proceso de aprobación de riesgos sería imposible sin el enriquecimiento de datos, especialmente al operar digitalmente. Como en un principio estás originalmente a oscuras respecto a tus clientes potenciales, la confianza por sí misma no es suficiente. Necesitas estar preparado ante los agentes maliciosos recolectando tanta información como sea posible.
Prevención de fraudes
De manera similar, los negocios en línea pueden reducir sus tasas de fraude creando mejores perfiles de usuario. Tan solo un punto de información como un correo electrónico, el dispositivo utilizado o la dirección IP puede ser enriquecido para crear una perspectiva completa del usuario.
Un buen ejemplo de esto sería nuestra herramienta de buscador de personas en internet, o módulo de análisis de correo electrónico. Tu usuario ingresa su dirección de correo electrónico en la fase de incorporación, y nosotros automatizamos una búsqueda que agrega información increíblemente precisa, tal como si esa dirección está ligada a redes sociales, si el dominio es válido, su antigüedad, etc. Como puedes imaginar, este simple proceso puede ser una gran ayuda para reducir las tasas de fraude a largo plazo.
Seguros
Las aseguradoras tienden a categorizar a sus clientes con base en diversos puntos de información y enriquecen los conjuntos de datos específicos. Una vez que cuentan con toda la información necesaria, pueden ofrecer promociones o productos de aseguramiento basados en el riesgo asociado con el cliente.
Así que el enriquecimiento de datos en ese sentido se utiliza como una herramienta tanto de segmentación como de orientación. Puedes utilizarla para refinar tus procesos de negocio para ser más eficiente en tu trabajo.
Marketing
Este es otro ejemplo en el que la segmentación de clientes se vuelve más precisa con el enriquecimiento de datos. Las compañías de marketing abordan a los individuos con promociones y ofertas más relevantes al conocer mejor a sus audiencias.
¿Alguna vez te has preguntado por qué tantas compañías utilizan cookies para rastrear tu huella a través de internet? La respuesta es el enriquecimiento de datos, cuyo resultado puede aprovecharse directamente por los publicistas, o negociarse para revenderlo a otras compañías.
Venta al por menor
El mejor ejemplo de esto es la característica de Amazon que sugiere productos similares. Los datos que Amazon tiene sobre ti pueden ser simples (la página por la cual navegas), pero al enlazarla a sus inmensas bases de datos de compras de clientes, pueden recomendarte productos de forma inteligente para aumentar las ventas.
Esta capacidad de agregar datos y crear hallazgos significativos para sus metas (aumento de las ventas) es una de las razones por las que el gigante minorista está tan arriba de sus competidores en el ámbito en línea. Aunque es de reconocerse que la mayoría de las tiendas en línea ya usan el Big Data como parte intrínseca de su modelo de negocios.
¿El anexado de datos afecta las políticas de privacidad?
Es una buena pregunta, especialmente porque la privacidad de datos ha sido un tema importante en los últimos años. Debido a que el número de empresas que han sufrido filtraciones de información no parece ir a la baja, los gobiernos tuvieron que intervenir y establecer medidas drásticas, tales como el GDRP o ISO27001, para proteger la información de los usuarios.
Ahora para estar seguro de que cumples con ambas regulaciones, tu servicio de enriquecimiento de datos necesita obtener su información desde una fuente social y abierta.
No seguir esta directiva podría ponerte en riesgo de romper las regulaciones de tu región, lo que podría incurrir en multas y pleitos legales innecesarios.
Cómo elegir el enriquecimiento de datos para tu negocio
La buena noticia es que actualmente existen más compañías que proporcionan enriquecimiento de datos en estos días. El reto está en encontrar uno que realmente se ajuste a tus necesidades. Así que a continuación hay unos puntos a tomar en cuenta:
- ¿Manual o automatizado? Algunas opciones de enriquecimiento de datos funcionan muy bien para búsquedas específicas. Por ejemplo, sí únicamente necesitas saber más acerca de un solicitante de préstamo inusual. Para operaciones a gran escala, necesitarás trabajar en conjunto con un proveedor o agregador de datos tercerizado .
- Integración: ¿Quieres trabajar a través de una API? ¿O adquirir una base de datos y automatizar la búsqueda tú mismo? Para integraciones personalizadas, un punto único facilita las cosas para los desarrolladores, pero no siempre está disponible.
- Legalidad y calidad de los datos: ¿Qué tan recientes son los datos que estás adquiriendo? ¿Sabes si la compañía que la proporciona cumple con los requisitos legales para la protección de datos como el GDPR?
- Precio: No debería haber demasiada variación aquí, ya que la mayoría de las compañías tercerizadas de enriquecimiento de datos cobran un micro cargo por cada verificación.
Y por último pero no menos importante, las opciones Middleware, sobre las cuales hablaré detalladamente más abajo.
¿Cómo complementa el Machine Learning al enriquecimiento de datos?
Obtener los datos enriquecidos es una cosa; interpretarlos es otra. De hecho, una regla útil de recordar es que, salvo que tengas formación como analista de datos, es muy probable que tomes malas decisiones al observar grandes volúmenes de datos.
Aquí es donde vale la pena entender el rol que puede jugar el machine learning. La tecnología opera sumamente bien como middleware entre el diluvio de datos que estás a punto de recibir y el AI..
Entonces, si tu servicio de enriquecimiento de datos proporciona, por ejemplo, un sistema de puntuación, es importante entender cómo funciona y cómo están constituidos los modelos, porque eventualmente será necesario retocarlos y supervisarlos.
Esta es la diferencia fundamental entre un sistema opaco, o sistema blackbox, y un sistema whitebox, lo que te permite echar un vistazo a las reglas a través de palabras legibles para los humanos. Si únicamente obtienes el puntaje, puede que te sientas a merced de los algoritmos sin realmente tener una idea de cómo funciona todo en realidad.
Aquí un ejemplo de cómo se puede combinar un sistema whitebox con la inteligencia humana en el contexto de la prevención de fraudes, donde un sistema de enriquecimiento de datos te da un puntaje de lo arriesgada que es una transacción.
Cómo ayuda el machine learning con el enriquecimiento de datos en la prevención de fraude
Y funciona de maravilla: las compañías que utilizan nuestra solución de prevención de fraude de extremo a extremo, la cual incluye enriquecimiento de datos y un motor de machine learning, reducen sus tasas de fraude en un promedio del 70% al 80%.
Cómo utiliza SEON el enriquecimiento de datos
Realmente, el enriquecimiento de datos no es algo nuevo. Pero cómo se utiliza en estos días es lo que hace toda la diferencia. Los negocios que quieren seguir siendo competitivos y crecer lo necesitan más que nunca, especialmente cuando se combina con el poder del análisis de machine learning.
Afortunadamente, las compañías no tienen que diseñar todo un sistema de enriquecimiento de datos desde el principio, ya que simplemente pueden contratar servicios de compañías independientes. En SEON, hacemos que enriquecer los datos de un correo electrónico o un número de teléfono sea más fácil que nunca, como por ejemplo con nuestra Herramienta de Inteligencia, la cual funciona igual que una simple extensión de Chrome.
Así que sin importar si eliges SEON para la prevención de fraudes o cualquier otra herramienta que te pueda ayudar a cumplir tus metas de una mejor experiencia de usuario o un mejor marketing dirigido, espero esta introducción al tema te convenza de las enormes posibilidades que el enriquecimiento de datos puede ofrecer.
Confirma la identidad de los usuarios en tiempo real utilizando búsquedas de redes socialesa partir de correos electrónicos o teléfonos.
Hable con expertos
Preguntas frecuentes
El enriquecimiento de datos siempre ha sido útil para el puntaje de crédito y las verificaciones KYC (know your customer). Históricamente, esto sólo era requerido por las instituciones financieras. Sin embargo, en estos días el enriquecimiento de datos es utilizado por compañías que van desde el iGaming hasta el eCommerce.
El enriquecimiento de datos es ideal para aprender más acerca de los usuarios sin pedirles más información. Esto es perfecto para la gestión de riesgos, cuando quieres reducir las tasas de fraude al obtener un panorama 360 grados de las acciones del usuario tales como la incorporación, el inicio de sesión o el proceso de compra.
Una herramienta de enriquecimiento de datos te permite aprender más acerca de tus usuarios con base en una mínima cantidad de puntos de información. Por ejemplo, una dirección de correo electrónico puede ser cotejada para comprobar si el usuario existe, si utilizó un dominio gratuito o desechable y si está ligada con perfiles en redes sociales.
More resources
Huella Digital en Internet | Machine Learning en Detección de Fraudes
Sources
- Google: How Google autocomplete works in Search
- Forbes: Data Breaches Expose 4.1 Billion Records In First Six Months Of 2019
- Fast Company: How Too Much Data Can Hurt Our Productivity And Decision-Making
