Accesos directos para navegar por esta página: 

Cabecera

Puede saltar este contenido y regresar a los accesos directos para navegar por la web

Inicio

Formulario de búsqueda

¿Dónde te encuentras?

A continuación mostramos el menú de migas, que muestra el lugar exacto donde el usuario se encuentra actualmente. Si lo desea puede regresar a los accesos directos de navegación

Estás en

驴C贸mo se digitalizan financieramente los espa帽oles? (I)

Se da a conocer algunos de los principales resultados de una investigaci贸n acometida en el Observatorio de Digitalizaci贸n Financiera (ODF)

Frecuencia de actividad financiera on-line En esta nota se da a conocer algunos de los principales resultados de una investigaci贸n acometida en el Observatorio de Digitalizaci贸n Financiera (ODF) en la que se analizan en detalle c贸mo toman los espa帽oles sus decisiones de digitalizaci贸n financiera (adopci贸n,frecuencia, tipos de productos).
En este primer adelanto se muestra que el inter茅s por consultar saldos y movimientos parece la principal v铆a inicial por la que los clientes bancarios dan el salto al uso generalizado de servicios financieros digitales.
En la pel铆cula 鈥淓l Drag贸n Rojo鈥, elDr. Hannibal Lecter asiste a un concierto de la Orquesta Filarm贸nica de Baltimore. No es la noche del flautista, aunque pocos percibir铆an qu茅 desafinado est谩 entre el amplio conjunto de instrumentos del conjunto orquestal. Pero para el fino o铆do de Lecter es demasiado. Horas despu茅s, el flautista desparece misteriosamente鈥
En el an谩lisis estad铆stico, las t茅cnicas de an谩lisis requieren de una precisi贸n con escasos m谩rgenes de error. Sobre todo, cuando se trata de predicci贸n, clasificaci贸n o c谩lculo de probabilidades. Una orquesta que no desafine o que, si lo hace, sea casi imperceptible. Pero 驴c贸mo podr铆amos aspirar a componer una orquesta de semejante calidad? Imaginen que cada orquesta fuera un 谩rbol y que
pudi茅ramos generar cientos de ellas. Un algoritmo podr铆a extraer aleatoriamente partes de cada una de un grupo de orquestas y ver qu茅 componentes ensamblan mejor. Y volver a repetirlo con otras partes de otro grupo de orquestas. Esto es lo que hacen las t茅cnicas de an谩lisis estad铆stico de random forest (bosque aleatorio). Se trata de realizar predicciones sobre
clasificaciones o decisiones, que se pueden estructurar mediante 谩rboles de decisi贸n o de clasificaci贸n. En el caso de la digitalizaci贸n financiera, por ejemplo, hay muchas decisiones posibles que se pueden considerar. Y la idea es tomar cientos de estos 谩rboles aleatoriamente, mediante repeticiones, y extraer de algunos de ellos las secuencias de decisi贸n m谩s comunes. Con ello, se puede saber qu茅 variables son las que aparecen con m谩s frecuencia como definitorias de cada decisi贸n o clasificaci贸n.
Desde del Observatorio de la Digitalizaci贸n de Funcas (ODFFuncas), se est谩 desarrollando una ambiciosa investigaci贸n sobre c贸mo se digitalizan financieramente los espa帽oles.
Empleando una base de datos de una encuesta de Funcas que ha dado lugar ya a varias investigaciones1, se emplean t茅cnicas de random forest y de 谩rboles de clasificaci贸n para comprender este conjunto de decisiones. La gran ventaja de este tipo de an谩lisis frente al an谩lisis est谩ndar de regresi贸n es que se puede simplificar y extraer el conjunto de variables
que son especialmente relevantes para una decisi贸n y ordenarlas.
Adem谩s, se puede demostrar la capacidad predictiva del random forest, se帽alando cu谩ntos casos es capaz de predecir de forma acertada el modelo.
La primera de las series de estas notas la dedicamos a los resultados de una variable simple pero de gran relevancia: 驴Con qu茅 frecuencia se usan los servicios financieros online? Para ello se cuenta con un amplio conjunto de variables sociodemogr谩ficas, de digitalizaci贸n general (medios y usos digitales), de digitalizaci贸n financiera (medios y usos financieros digitales) y de percepciones sobre cualidades de determinados servicios (calidad, seguridad, facilidad de uso,鈥) La clasificaci贸n empleada responde a tres tipos de usuarios representativos:
1) los que est谩 fuera de la digitalizaci贸n financiera porque tampoco tienen un grado de digitalizaci贸n general suficiente (no usuarios). En el an谩lisis corresponden al grupo 鈥淔鈥;
2) los que al menos realizan operaciones de compra y otras operaciones financieras y consultas online (ambas) en una semana o mes (usuarios frecuentes). En el an谩lisis se agrupan como 鈥淪鈥;
3) los que realizan operaciones de compra y otras operaciones financieras y consultas online (ambas) una vez al a帽o, nunca o casi nunca (usuarios poco o muy poco frecuentes). En el an谩lisis se agrupan como 鈥淣鈥.
El random forest permite identificar cuatro variables como especialmente significativas para determinar la frecuencia de uso de servicios financieros online. El primer gr谩fico del anexo muestra las variables que reducen en mayor medida el error de estimaci贸n (mean decrease accuracy) y que permiten encontrar la mayor similitud entre los 谩rboles de clasificaci贸n comparados (mean decrease Gini):
- El uso de Internet para consultar saldos financieros en cualquier cuenta o medio de pago (nombre de la variable: Internet saldos).
- La consciencia de tener posibilidades de uso online. Se trata de medir en qu茅 medida el usuario est谩 al tanto de que sus cuentas financieras tienen acceso online, mediante la ratio (n煤mero de cuentas que cree que tiene acceso/n煤mero de cuentas con acceso) (nombre de la variable:Consciencia). Esta variable puede reflejar tanto ignorancia como respecto a la posibilidad de acceso online como ausencia de inquietud por ese uso.
- El n煤mero absoluto de cuentas online es tambi茅n un importante factor definitorio de la frecuencia de uso (nombre de la variable:
Cuentas online).
- El uso de Internet para pagar facturas (nombre de la variable:Internet facturas)
Con estas variables es posible construir un 谩rbol de clasificaci贸n (segundo gr谩fico en el anexo) que permite acertar en un 90% de los casos a qu茅 tipo de frecuencia de uso pertenece cada encuestado.
Aunque interpretar estas decisiones puede ser ciertamente complejo en ocasiones, el 谩rbol sugiere algunas pautas de actuaci贸n reveladoras. La principal v铆a por la que se produce el salto al uso de servicios financieros digitales es la inquietud o necesidad de consulta de saldos. Asimismo, para que esa inquietud se traslade a un uso frecuente es imprescindible que el usuario conozca todas las posibilidades online que tiene el producto financiero (seg煤n sugiere la variable 鈥淐onsciencia鈥). Cuando ese paso se ha dado, el siguiente es el uso principal de servicios online para pagar facturas.
En pr贸ximas notas de ODFFuncas se informar谩 sobre otros resultados de la investigaci贸n en variables como el grado de digitalizaci贸n (intensidad de uso),el uso de servicios de pago no bancarios, el uso de tarjeta de d茅bito, el uso de tarjeta de cr茅dito o la retirada d efectivo.

Fecha:

15.09.2017

Áreas:

Países:

Ciudad:

Madrid

Enlaces legales y mapa web

Copyright © 1999-2012. Inscrita en el Registro Mercantil Valencia, Tomo 5.846, Libro 3152, Sección 8, Folio 101, Hoja nº. V-55.497 - C.I.F. B-96655436