fbpx

SARLAFT 4.0: ¿Cómo hacer la segmentación de los factores de riesgo?

La Segmentación de los factores de riesgo
SARLAFT 4.0: ¿Cómo hacer la segmentación de los factores de riesgo?

Como es del conocimiento de muchos profesionales del sector financiero, la segmentación de los factores de riesgo es pieza clave del SARLAFT 4.0. 

En Stradata contamos con soluciones innovadoras y profesionales en análica para realizar procesos de segmentación eficaces y eficientes.

Por lo que nos dimos a la tarea de explicar de manera sencilla, clara y divertida en qué  consiste este proceso tan importante para el cumplimiento de la norma SARLAFT 4.0, con el objetivo de que cualquier persona pueda entender el proceso de segmentación de diferentes conjuntos de datos.

¿Qué es la segmentación?

Según la Superintendencia Financiera de Colombia, la segmentación 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. La separación se fundamenta en el reconocimiento de diferencias significativas en sus características (variables de segmentación)”. 

En otras palabras, la segmentación es la forma en que se particiona un conjunto de objetos en grupos más pequeños, donde estos grupos comparten características muy similares mientras que son generalmente disímiles a los demás grupos. Estos grupos son generalmente denominados clusters o segmentos.

Ahora bien, para explicar el proceso de segmentación de los factores de riesgo usaremos como variables las características o estadísticas de Pokémon. Serie animada que trata sobre unas criaturas o bestias místicas con habilidades especiales que son capturados y entrenados para mejorar su capacidad de pelea y sus estadísticas, que en muchos casos pueden evolucionar en versiones mejoradas. 

¡Comencemos¡

Estadísticas generales de los Pokémon

Como mencionamos anteriormente, las variables para el modelo de segmentación de este ejemplo, serán las estadísticas base de todos los Pokémon: 

  • Puntos de salud (PS): Los puntos de salud, generalmente abreviado como PS (Health Points o HP en inglés), es la salud del Pokémon, representada con un valor numérico en los combates. Una vez que los PS del Pokémon lleguen a cero, el Pokémon será debilitado y quedará fuera de combate.
  •  Ataque: El ataque, en las estadísticas de un Pokémon, representa la fuerza natural del Pokémon al realizar un movimiento físico (se consideran físicos aquellos movimientos donde el Pokémon cause un daño al hacer contacto con otro Pokémon o en el que requiera usar fuerza física).
  • Defensa: La defensa, en las estadísticas de un Pokémon, representa la resistencia natural de un Pokémon ante los movimientos físicos.
  • Ataque especial: El ataque especial, en las estadísticas de un Pokémon, representa la fuerza con la que un Pokémon realiza un movimiento especial. Se considera movimiento especial, aquellos movimientos en los que se realiza un ataque a distancia, o un ataque en el que se libera energía del Pokémon.
  • Defensa especial: La defensa especial, en las estadísticas de un Pokémon, representa la resistencia a los movimientos especiales.
  • Velocidad: La velocidad es la propiedad del Pokémon de atacar, antes o después, que el oponente. A la hora de atacar el Pokémon con un mayor valor de velocidad, por lo general, siempre atacará primero.

Proceso de segmentación de los factores de riesgo

Teniendo en cuenta que en el SARLAFT 4.0 es importante adoptar metodologías eficaces que permitan obtener resultados confiables, recurriremos al famoso algoritmo k-means para segmentar todos los Pokémon según sus estadísticas en grupos y ver qué los distingue entre sí.

Este algoritmo de clasificación no supervisada (clusterización), agrupa objetos en k grupos basándose en sus características. El agrupamiento se realiza minimizando la suma de distancias entre cada objeto y el centroide de su grupo o clúster. Se suele usar la distancia cuadrática.

Siguiendo con nuestro ejemplo, para este proceso de segmentación usamos el software de licencia abierta de análisis de datos KNIME y según las pruebas que realizamos escogimos ocho segmentos para dividir la población de todos los Pokémon y obtuvimos la siguiente distribución de los grupos: 

Bautizamos los grupos según sus características promedio principales, de la siguiente forma:

  • Débiles – Físico: En este grupo se encuentran los pokémon con poco poder, que en su mayoría no han evolucionado, destacan principalmente por sus habilidades físicas. Como por ejemplo: Bulbasaur, Totodile, Krabby y Chikorita.

Pokemones Bulbasaur, Totodile, Krabby y Chikorita
Fuente de la imagen: Pokemon
  • Débiles – Especial: En este grupo se encuentran los pokémon con poco poder, que en su mayoría no han evolucionado, destacan principalmente por sus habilidades especiales. Como por ejemplo: Charmander, Psyduck, Horsea y Woobat.
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Pokemones Charmander, Psyduck, Horsea y Woobat
Fuente de la imagen: Pokemon
  • Intermedio – Defensivo: Son los Pokémon con poder promedio que destacan por tener buenas estadísticas defensivas. Algunos de este grupo son: Lapras, Ludicolo, Lunatone y Omastar.
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Pokemones Lapras, Ludicolo, Lunatone y Omastar
Fuente de la imagen: Pokemon
  • Intermedio – Veloz: Son los Pokémon con poder promedio que destacan por tener buenas estadísticas de velocidad y también de ataque. Algunos de este grupo son: Beedrill, Rapidash, Aerodactyl y Staraptor.
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Pokemones Beedrill, Rapidash, Aerodactyl y Staraptor
Fuente de la imagen: Pokemon
  • Fuertes – Físico: Son el grupo con alto poder de estadísticas físicas. En este se encuentran: Gyarados, Mega-Heracross, Metagross y Mega-Gallade
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Pokemones Gyarados, Mega-Heracross, Metagross y Mega-Gallade
Fuente de la imagen: Pokemon
  • Fuertes – Defensivo: Son el grupo con alto poder de estadísticas defensivas. En este se encuentran: Mega-Steelix, Probopass, Mega-Slowbro y Cloyster
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Mega-Steelix, Probopass, Mega-Slowbro y Cloyster
Fuente de la imagen: Pokemon
  • Muy Fuertes – Veloz y especial: Son Pokémon con muy buenas estadísticas tanto en velocidad como en habilidades especiales. En este grupo encontramos a: Charizard, Mega-Pidgeot, Mega-Alakazam y Mega-Gengar.
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Charizard, Mega-Pidgeot, Mega-Alakazam y Mega-Gengar
Fuente de la imagen: Pokemon
  • Legendarios y mega fuertes: En este grupo se encuentran los mejores Pokémon de la serie con excepcionales estadísticas principalmente en ataque físico como especial. Aquí encontramos a: Mega-Mewtwo X, Mega-Tyranitar, Mega-Blaziken y Ho-Oh.
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

Mega-Mewtwo X, Mega-Tyranitar, Mega-Blaziken y Ho-Oh
Fuente de la imagen: Pokemon

¿Cuáles son los resultados de la segmentación? 

Si bien el proceso de segmentación es importante, para dar cumplimiento al SARLAFT 4.0 son mucho más importantes los resultados. 

Después de haber distribuido los Pokémon en los grupos anteriores, es interesante observar cómo la segmentación realizada nos permitió agruparlos en grupos de estadísticas similares.

En el siguiente gráfico radial puedes analizar y comparar el poder de los 4 grupos (segmentos), más fuertes de Pokémon:

Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

No somos expertos en estrategias Pokémon, pero si tomáramos Pokemones de diferentes tipos y de los cuatro segmentos más fuertes, podríamos conformar un equipo de ensueño: balanceado tanto en estadísticas físicas como especiales, además de tener Pokémon defensivos que puedan responder a los ataques rivales; ofensivos que hagan el daño y/o veloces para culminar a los oponentes. 

Como mencionamos anteriormente, algunos Pokémon tienen la capacidad de evolucionar en versiones más fuertes de sí mismos, y eso los fuerza a cambiar de segmento. 

Miremos cómo por ejemplo Charmander empieza en el segmento de Débiles-Especial; al evolucionar a Charmeleon ingresa al segmento Intermedio-Veloz; posteriormente evoluciona a Charizard y entra en el segmento Muy fuertes – Veloz; finalmente culmina en el segmento más fuerte cuando mega evoluciona en Mega Charizard X. Al final del ejercicio las estadísticas de Mega Charizard X se duplicaron con respecto a su forma inicial.

Caption (Evolución de Charmander)
Fuente de la imagen: Pokemon
Segmentación de los factores de riesgo

Segmentación de los factores de riesgo

¿Cómo podemos relacionar todo lo anterior con los factores de riesgo del SARLAFT 4.0?

Uno de los objetivos principales del SARLAFT 4.0 es detectar operaciones inusuales que puedan desencadenar en ingreso de dineros ilícitos a cualquier organización o sistema.

Con una segmentación como la anterior, a pesar de que hablamos de datos de una serie animada, de esa misma forma funciona con datos reales. 

Cuando una persona u organización X se encuentra categorizada en un segmento o clúster en un periodo determinado y al siguiente periodo cambia de segmento o aumenta de forma inusitada sus patrones transaccionales, los sistemas de alertas de las compañías identifican y reportan la operación inusual sospechosa.

Con la evolución de los sistemas de información actuales y los nuevos cambios implementados en el SARLAFT 4.0, los sistemas de administración de riesgos se están fortaleciendo a través de la automatización de los diferentes procesos de cumplimiento. 

En el caso de la segmentación y detección de inusualidades, la análitica y la tecnología se han convertido en los mejores aliados para enfrentar la lucha que por décadas ha contaminado nuestro sistema financiero.

Si aún no cuentas con herramientas eficaces para segmentar y automatizar tu proceso SARLAFT 4.0, ¡Podemos ayudarte! 

A. Grisales

Referencias

Grisales, A. (13 de Febrero de 2018). Stradata. Obtenido de https://aml.stradata.co/la-magnitud-descomunal-del-lavado-de-activos-en-colombia/?utm_source=blog_andres_in&utm_campaign=blog_andres_in

Sánchez, A. (11 de Enero de 2017).Blogthinkbig.com.Obtenido de https://aunclicdelastic.blogthinkbig.com/algoritmo-k-means-clientes-pokemons/

*Las ilustraciones usadas en este contenido y que hacen referencia a los personajes de Pokemón, han sido tomadas de https://www.pokemon.com/es/ y no hacen parte de nuestra creación o autoría. Son usadas meramente como material de apoyo en el contenido expuesto anteriormente*

 

No Comments

Sorry, the comment form is closed at this time.