Cómo el gigante BNPL de Indonesia aprovecha la ciencia de datos para impulsar la innovación

La ciencia de datos y el aprendizaje automático son algunos de los conceptos comerciales más complejos pero importantes en la actualidad. Y muchas empresas, independientemente de su nicho, confían en ellos para brindar una mejor experiencia de usuario a sus clientes.

Pero, ¿qué papel juegan la ciencia de datos y el aprendizaje automático en el desarrollo de sistemas financieros innovadores, especialmente en países como Indonesia?

La falta de datos de historial crediticio, combinada con el uso sustancial de teléfonos móviles en Indonesia, representa un punto óptimo para que las empresas fintech ofrezcan soluciones financieras de consumo avanzadas y fáciles de usar.

En este episodio de Data Point of View, Laurie Hood, directora de marketing de Mobilewalla, habló con Joel Samuel, vicepresidente, jefe de ingeniero de aprendizaje automático, en FinAccel, la empresa matriz de la plataforma indonesia Buy Now, Pay Later (BNPL) Kredivo.

Discutieron la importancia del aprendizaje automático y la ciencia de datos para lograr los objetivos comerciales y brindar una mejor experiencia de usuario, los desafíos para encontrar especialistas en ciencia de datos, el desarrollo de fintech y comercio electrónico en el sudeste asiático, y la esencia de comenzar poco a poco.

Información clave del podcast

Hay dos razones principales para proporcionar mejores soluciones en Indonesia

Joel y FinAccel tienen como objetivo proporcionar mejores soluciones fintech al mercado indonesio por dos razones.

“El primero es la baja penetración de las tarjetas de crédito en Indonesia. Sólo hay 17 millones de tarjetas de crédito en comparación con nuestra población, que ronda los 250 millones en la actualidad. Entonces, solo hay 0.07 tarjetas de crédito per cápita. Es muy bajo. El segundo es la alta penetración de los teléfonos móviles.

Actualmente, Indonesia tiene más de 119 millones de teléfonos móviles. Son casi 0.8 teléfonos móviles per cápita. Entonces, es un punto dulce. Tienes un teléfono móvil, pero no tienes una tarjeta de crédito”.

Creemos en 'fallar rápido y aprender rápido'.

Joel y su equipo creen firmemente que los proyectos deben hacerse poco a poco. De esa manera, incluso si fallas, tendrás la oportunidad de aprender rápidamente de tu error.

“Podemos detectar si hay algún problema con el modelo que llevamos a producción. También creemos mucho en 'fallar rápido y aprender rápido'.

Siempre empujamos la producción poco a poco para ver el efecto y el impacto del modelo. Entonces, comenzamos con las cosas simples y las cosas pequeñas”.

Según Joel,

“El comercio electrónico está en auge en Indonesia, y el país tiene tres o cuatro “unicornios” que comenzaron basados ​​en el comercio electrónico. Uno de los desafíos del comercio electrónico, no solo en Indonesia, sino en todo el mundo, es el abandono del carrito.

Y ese problema es más sobre las opciones de pago o los canales de pago. La mayoría de las personas abandonan el carrito porque tienen problemas con el pago; ese es el punto óptimo de FinAccel”.

Con respecto a la visión de la ciencia de datos por parte del liderazgo sénior, Joel compartió que “desde el principio, hemos tenido la aceptación del nivel más alto, con el pensamiento de que si queremos interrumpir al mejor jugador del mercado, como el banco o la empresa multifinanciera que ya existe, lo único que podemos hacer es introducir la metodología de ciencia de datos.

Explicó que resuelven el problema de una mejor manera porque la alta dirección de la empresa cree que la ciencia de datos es una gran oportunidad.

“Pero aunque ya hemos definido nuestro objetivo o la iniciativa que proviene de la alta dirección, tenemos que demostrar que podemos entregar esa iniciativa o la aceptación en la primera unidad”.

Un desafío para los equipos de ciencia de datos es generar confianza organizacional. En FinAccel, el equipo tuvo reuniones regulares con el COO y el CEO durante los primeros dos años que el equipo estuvo en el lugar para presentar sus resultados.

También tienen un buen flujo de trabajo y marco de monitoreo para que puedan detectar rápidamente si hay algún problema con un modelo que se envió a producción.

Joel y su equipo han ganado confianza al comenzar con un pequeño problema, pasar rápidamente a la producción y luego ver los resultados rápidamente.

De esta manera, la gerencia puede ver de inmediato el impacto de su enfoque de ciencia de datos.

Vea el podcast Data Point of View de Mobilewalla con Laurie Hood y Joel Samuel esta página.