1 / 91

SARLAFT: ¿Ciencia o Arte?

SARLAFT: ¿Ciencia o Arte?. 11 lecciones como fruto de la consultoría. KYC. KY R. Metodologías Detección Segmentación Monitoreo Consolidar Consolidación electrónica Parámetros Indicadores Cuantitativo Cualitativo Tecnológico Reconocido valor técnico Modelos

zagiri
Download Presentation

SARLAFT: ¿Ciencia o Arte?

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. SARLAFT:¿Ciencia o Arte? 11 lecciones como fruto de la consultoría

  2. KYC

  3. KYR

  4. Metodologías Detección Segmentación Monitoreo Consolidar Consolidación electrónica Parámetros Indicadores Cuantitativo Cualitativo Tecnológico Reconocido valor técnico Modelos Señales de alerta Razones objetivas Criterios objetivos Prospectivamente Homogeneidad Heterogeneidad Variables relevantes Razones financieras Razonable Riesgo 129

  5. Metodologías 26 Detección 16 Segmentación 16 Monitoreo16 Consolidar 13 Consolidación electrónica 7 Parámetros 7 Indicadores Cuantitativo Cualitativo Tecnológico Reconocido valor técnico Modelos Señales de alerta Razones objetivas Criterios objetivos Prospectivamente Homogeneidad Heterogeneidad Variables relevantes Razones financieras Razonable

  6. Lección # 1 ROMAno se hizo en un día

  7. Una gran idea, pero… R*=PxI

  8. Lección # 2 Medir es difícil… decidir loes aún más

  9. DMG

  10. Madoff

  11. Capital AssetPricingModel (CAPM)(Modelo de Fijación de precios de activos de capital) Se les olvidó una formulita

  12. Lección # 3 Matemáticaspara pensar mejor

  13. ¿Dónde está la bolita?

  14. ¿Dónde está la bolita?

  15. OFAC

  16. DNE

  17. ROS

  18. Lección # 4 Datos casi no hay

  19. Lavado (FT) no es… • Sanciones de la Superfinanciera • Señales de alerta • Inusualidades • ROS • Denuncias

  20. 2. KYR

  21. La segmentación

  22. Frank, Mass, Wind, Wedel y Kamakura • Facilmente identificables y mesurables • Sustanciales • Estables • Diferenciados Criterio de máxima homogeneidad

  23. Cuatro Clientes

  24. Cuatro Clientes

  25. Cuatro Clientes

  26. ¿Cómo segmento? ¿Cómo segmento?

  27. Cuatro Clientes

  28. Opción 1: Riesgo Riesgo Alto Riesgo Bajo Riesgo

  29. Cuatro Clientes

  30. Opción 2: Detección Transacciones Alta transaccionalidad Baja transaccionalidad

  31. Pero las cosas no son tan simples…

  32. Lección # 4 Segmentaciones Multi-propósito y Múltiples segmentaciones

  33. TEST de Detección

  34. Lección # 5 Certeza no existe

  35. Scoring Escenarios Visualización Reglas Segmentación Perfiles Listas Vínculos aparentes Vínculos no aparentes Verificación Indicadores Inteligencia analítica

  36. Detección por segmentación Segmento 3 Marzo 2009 Segmento 1 Octubre 2008

  37. CLIENTES CON EDADES ATÍPICAS Clientes de más de 100 años? Clientes Bebés ?

  38. Lección # 6 No se case con una sola técnica

  39. Predicción • KYC • Histórico • Pares / Similares • Modelos financieros Sociodemograficas Transaccionales

  40. Predicción de Variables Perfil Transaccional • Modelos: • Empleados • Oficiales • Empresas • Sectores T KYC

  41. Modelo de predicción LAFT Ingresos

More Related