Usar ‘machine learning’ y datos para que familias de rentas bajas accedan a internet
Dos modelos de ‘machine learning’ desarrollados por empleados de BBVA han conseguido el primer y segundo puesto en un reñido ‘datathon’ internacional de Tracfone Wireless, el mayor operador móvil de Estados Unidos. Los participantes debían crear un modelo que determinase qué clientes estaban en riesgo de exclusión social y podían acceder a unas ayudas del gobierno para no perder su acceso a internet durante el confinamiento por COVID-19. Tracfone tendrá en cuenta la solución ganadora en sus procesos de trabajo, para conseguir personalizar aún más su servicio.
No podían imaginar que trabajar con datos en un banco les llevaría a sacar adelante un proyecto de ‘machine learning’ para responder a un reto social planteado por una compañía de telecomunicaciones. Muchos de los miembros de los equipos ganadores de este desafío no se conocían antes de entrar en uno de los dos únicos Másteres oficiales en Big Data Science de España, que coordinan la Universidad de Navarra y BBVA.
Participar en el ‘datathon’ formaba parte de la asignatura de Machine Learning de este máster, con el que BBVA forma a sus empleados para que adquieran nuevas capacidades tecnológicas con una alta demanda. Además, procedían de áreas muy diferentes del banco y tenían una formación muy diversa. Pero la oportunidad de aprender y trabajar juntos, primero en el máster y luego en el reñido ‘datathon’ donde han competido con 200 participantes internacionales de alto nivel, les ha convertido en amigos.
“Parece que llevamos años conociéndonos, ha habido un compañerismo, un trabajo en equipo y una reciprocidad maravillosa”, afirma Jaime Blanco, científico de datos en Analítica Avanzada. “Sin duda, hay un antes y un después de conocernos”, completan Sergio Martín y Daniel Fernández de Castillo, especialistas en Garantías Bancarias del banco. Todos ellos forman parte del grupo que ha obtenido la victoria en la competición.
La historia que ocultan los datos
El ‘datathon’ de Tracfone supuso una prueba de fuego para su capacidad de trabajar en equipo y usar de manera creativa los datos. La compañía de telecomunicaciones les pasó una gran cantidad de información anonimizada de 109.000 clientes. El reto consistía en que, para 19.000 de ellos, debían desarrollar un modelo de ‘machine learning’ que consiguiera detectar aquellos que estaban en una situación desfavorable y, por lo tanto, eran candidatos a recibir una de las ayudas del programa federal Emergency Broadband Benefit Program (EEB). De los otros 90.000 perfiles sí sabían cuáles las habían recibido, y los equipos los utilizaron para entrenar su modelo de aprendizaje automático.
De izqda. a dcha., Daniel Fernández de Castillo, Gerardo Ruano, Laura Rodríguez, Sergio Martín y Jaime Blanco, integrantes del equipo de BBVA que ha ganado el 'datathon'.
La mayor dificultad vino… de los propios datos. Lugar de residencia, minutos hablados, mensajes enviados, número de recargas en las tarjetas prepago, historial de incidencias con el servicio técnico… ¿Cómo saber, a partir de una información tan genérica, si un cliente no puede asumir el pago de su conexión a internet y sería un candidato a recibir la ayuda? Trabajando los datos de manera creativa.
“Nuestro enfoque consistió en crear variables nuevas que pudieran apuntar a la probabilidad de estar ante un cliente en riesgo de exclusión”, afirma Laura Rodríguez, ingeniera en informática del Área de Talento y Cultura de BBVA. Así, por ejemplo, identificaron a quienes en el comienzo de la pandemia habían empezado a hacer menos recargas en su tarjeta prepago, categorizaron las llamadas a atención al cliente que podían estar relacionadas con el Programa EEB o sustituyeron el nombre del estado en el que residían los clientes por la localización geográfica, ya que captar la relación geoespacial entre dos o más estados aumentaba la precisión final.
Siguiendo esta estrategia, los modelos de ‘machine learning’ de los equipos de BBVA alcanzaron los primeros puestos de la competición. El primero de ellos tuvo más del 99% de aciertos al predecir qué clientes debían acceder a las ayudas, y TracFone lo tendrá en cuenta en sus procesos de trabajo para mejorar el servicio a sus clientes.
Un puzzle de piezas diversas
El ‘datathon’ ha sido a distancia, por lo que no han podido interactuar directamente con el resto de participantes, pero enfatizan el valor de la conexión que crearon en su pequeña ‘familia’ de compañeros de trabajo y de máster. Consideran que los puntos fuertes de su éxito son la coordinación permanente, la metodología ‘agile’ con la que han aprendido a trabajar en BBVA, el apoyo mutuo (“no todo el mundo lleva unas torrijas a las sesiones de trabajo, ni compra unas camisetas para subir el ánimo al equipo”), la experiencia profesional y la diversidad de sus perfiles. “Siempre había alguien que tenía un punto de vista diferente. Somos gente bastante distinta y eso se notaba mucho”, explica Gerardo Ruano, especialista de datos en ‘reporting’ global de Riesgos. “Hemos sido como las piezas de un puzzle: solos no habríamos podido hacerlo, pero entre todos hemos ido añadiendo sobre lo que íbamos construyendo”.
También Anastasia Savelyeva, de Soluciones para Clientes Corporativos de BBVA, destaca que “las diferentes procedencias, conocimientos y experiencia nos han permitido aplicar diferentes aproximaciones a la solución del problema”. Ella forma parte del equipo que obtuvo la segunda posición, junto a Jesús Arcas, del área de Finanzas - Compras Corporativas; Juan Castellano, de Riesgos No Financieros; Ana Manzano, de Desarrollo de Soluciones de Finanzas Holding; y Álvaro del Monte, de Datos de Mercados Financieros.
“Los grupos multidisciplinares, auto-responsables y sin jerarquías tienen un gran potencial para resolver retos de negocio”.
Marco Bonilla, responsable de Talento y Cultura y de la Comunidad de Práctica de Advanced Analytics en BBVA, destaca que “los excelentes resultados de los dos equipos confirman el gran potencial de un grupo multidisciplinar, auto-responsable y sin jerarquías para resolver un problema de negocio como el que planteaba TracFone”. En su opinión, “es indispensable que las organizaciones potencien el talento individual a través de esta clase de colaboraciones interdisciplinares”.
El próximo mes de junio, se lanzará la tercera edición del Máster en Big Data Science de la Universidad de Navarra y BBVA, cuyo profesorado incluye a profesionales del banco. Los empleados también tienen la oportunidad de cursarlo y adquirir así capacidades indispensables para responder no solo a la revolución tecnológica actual, sino también a retos sociales. El logro obtenido en el ‘datathon’ de TracFone demuestra que, lejos de estar desconectados de la sociedad, los datos pueden contribuir a que el mundo sea un lugar más igualitario.