“Las grandes corporaciones están deseosas de tener datos, pero en realidad quieren información”

¿Qué es Hocelot y en qué se diferencia de otras compañías de Big Data?

Tenemos principalmente tres líneas: Hocelot provee al cliente con la información que necesitan, cuando la necesitan y para lo que la necesitan. Digo información y no datos, porque en ese matiz creo que va todo. Hoy se habla mucho del Big Data, creo que es un concepto que empieza a estar manido y yo personalmente creo que mucha información, o un exceso de información, es equivalente a nada de información. Las grandes corporaciones están deseosas de tener datos, pero en realidad quieren información, quieren que les des esa palanca accionable para su modelo de negocio particular y quieren resolver una duda concreta de negocio. Por ejemplo, para un banco quiero que me minimices la mora que tengo ahora mismo en cuenta de resultados para una telco quiero que me minimices el fraude que encuentro entre mi cartera de clientes.

En la recolección de información, ¿qué datos son los que distorsionan, el conocido como dirty data?

Para nosotros la calidad del dato es la primera fase de todo lo que acometemos. Digamos que nosotros somos una compañía que requiere de muy pocos datos para ser capaces de hacer todo lo que te he contado anteriormente, pero necesitamos que la calidad del dato sea óptima, es decir, que el nombre esté bien recogido, que la dirección está bien recogida, que tengas los datos absolutamente bien imputados, que tengas los emails para poder contactar con las nuevas generaciones de manera correcta… Esos datos que el cliente no es consciente del valor que pueden tener para una gran corporación, nosotros requerimos que estén bien imputados. Por eso, nuestro primer servicio es estandarizarlo, normalizarlo, mejorarlo; ser capaz de decirle a un cliente cuántos de sus datos que atesora son incorrectos. Ten en cuenta que las grandes corporaciones recaban datos de call centers. La gente, si se llama María del Pilar, te dice Mari Pili y se queda más ancha que larga o te dan un teléfono inventado con tal de que no contactes. Ten en cuenta que los contact centers hoy están aburriendo a los clientes, lo hemos sufrido con las telcos, por ejemplo, que te llaman 80 veces; la gente está cansada. Hay que empezar a mimar al cliente y, para eso, debes conocer bien sus datos, para conocerle.

¿Qué solución ofrecéis para las pymes?

Nosotros aquí tenemos tres tipologias de productos. Cuando empezamos esta aventura, lo más difícil fue entender cómo podíamos resolver una necesidad de mercado. Con este ruido de que el dato es el nuevo petróleo del siglo 21, nosotros tuvimos que construir nuestra primera propuesta de valor para un gran cliente corporativo. Por una cuestión de tamaño nos costaba lo mismo dirigirnos a pymes que tratar de vender en una entidad financiera. Estas mismas necesidades que tienen las grandes corporaciones, a pequeña escala sufren las pymes y los autónomos. Estamos empezando a escalar estas soluciones que empezamos a hacer en su día en modo consultoría, las hemos productivizado en una especie de solución transversal y la vamos a implementar ahora para tratar de hacérsela llegar al mundo de las pymes y los autónomos, para que puedan disfrutar un poco estas ventajas: desde todas las soluciones de fraude de identidad que están sufriendo desde los ecommerce hasta pequeñas y medianas empresas, soluciones de propensión a compra o propensión a contacto; saber que los leads, esos emails que estamos comprando para generar base de datos y para tener clientes, pues saber que realmente son ciertos, que nos van a servir para algo, porque eso se vende al kilo. Decirle a un cliente que de 1000 email que has comprado, que tiene 800 que no valen para nada, eso lo agradece bastante, porque deja de tirar dinero y hace eficientes sus ventas. Dejas de mandar emails para 800 personas a los que no les vas a vender nunca y centras tus esfuerzos en 200 y encima te gastas menos dinero.

En esta receta mágica que usáis para ser más eficientes, ¿os apoyáis en terceros?

En Hocelot no creemos en las bases de datos estáticas. Que tú te abrieras una cuenta hace 10 años en un banco no significa que ese banco te conozca a ti. Habrás cambiado de trabajo, no sé si tienes hijos, no sé si tienes pareja. Tu vida cambia e igual que cambias tú, también los datos que generas. Para parapetar riesgos nosotros no almacenamos ningún dato. Somos una solución que es capaz de hacer único a un cliente en tiempo real. Buscamos los datos que necesitamos para hacer lo que sea que tenga que hacer para el cliente determinado, en el medio, en menos de un segundo, hacemos una analítica con tecnología machine learning, deep learning e inteligencia artificial y al cliente le devolvemos una decisión. Esos datos, según los uso, los desecho, de tal forma que si hubiera un hackeo en Hocelot, no podrían llevarse ningún dato personal de cliente. A lo que no renuncio, que esto es un valor intangible de marca, es a quedarme con ese conocimiento que aprendo en base a todas las decisiones que estoy tomando, pero no las guardo de forma particular, sino que las anonimizo, muy actualizadas -porque nuestra base datos nos lo permite- y voy haciendo clustering y seguimientos muy pequeños que me ayudan a definir muy bien al cliente que tengo delante.

¿En qué sectores estáis más presentes?

Nosotros evaluamos a España dos veces al año por volumen. Eso me permite tener un conocimiento brutal del mercado, sobre todo en los verticales o en las industrias en las que ya estamos trabajando. Tenemos mucha penetración ahora mismo en el sector financiero, incluyendo al bancario; en el sector asegurador, fondos de inversión y telco. Nuestro primer caso de éxito fue Servicios Financieros Carrefour.

La solución para pymes es absolutamente transversal, porque responde a una pregunta que yo creo que necesitan responder todos y es “¿quieres vender más?”. Todo el mundo va a responder que sí. ¿Cómo lo hacemos de forma diferencial? Nosotros viramos todo lo que hacemos en torno al conocimiento del cliente. Nuestra ventaja competitiva es conocer mejor al cliente que nadie y ser capaz de hacer una analítica como la de los demás, ni siquiera mejor, pero con una información muchísimo más veraz; con eso somos capaces de afrontar muchísimo mejor y de forma mucho más eficaz. Si tú te dedicas a vender muebles de jardín, lo primero que necesito saber es cuántos de los clientes a los que estás atacando tienen jardín que parece una obviedad, pero no siempre se sabe. En el momento en el que sabes cuántos clientes tienen jardín haces un primer filtro. En segunda instancia hay que ver cuánto valen mis muebles de jardín, porque, ¿se los pueden permitir? Ahí viene el sesgo económico. Tengo dos variables. Pues aquí tenemos más de 1500 variables a tiempo real. Con esas dos palancas ya sabes a qué cliente dirigirte y simplemente por eso ya vas a tener mucha mejor eficacia que si compras al peso a un revendedor de leads 1.000 correos de clientes para venderles 1.000 muebles de jardín. Si el 70% no tiene jardín, no vas a vender muebles de jardín. En ese tipo de cosas donde no ha caído el mercado es donde nosotros nos estamos haciendo muy fuertes. Te puedo poner este caso para bancos o para lo que sea.

¿Cómo se convence a una gran empresa para saltarse la rigidez de sus protocolos para optar por una solución de big data atípica?

Cuando llegas a una gran corporación con millones de clientes que generan unos datos brutal ya tienen sus departamentos de analítica. ¿Cómo se convence a una gran corporación de que tú solución es mejor? Echándola a competir. Nosotros decimos que sí basura metes, basura sacas. Nosotros siempre vendemos demostrando de forma numérica. No hace falta que me creas: yo compito contra ti o contra tu proveedor y a ver quién lo hace mejor. Si yo te demuestro que soy gratis en el sentido de que vengo a jugarme mi dinero con el tuyo y si quieres más ventas me juego mi porcentual o si tienes quieres menos perdidas, me juego ese gap contigo, entonces es fácil venderlo. Vender B2B a un cliente grande no es lo más rápido del mundo, y menos en España, pero aún así estamos razonablemente satisfechos. Hemos bajado las métricas de venta de 15 meses a 9 o 10 meses, que aún puede mejorar. Por eso también en la solución pyme, el que toma la decisión para un producto muchísimo más económico es mucho más inmediato. Buscamos acompasar al cliente corporativo, quién evidentemente nos tracciona mejor a nivel económico con un cliente que nos da una venta más rápida y que, evidentemente, a nivel monetario no se parece, pero también nos fidelizamos así.

Hocelot ya tiene tres años en el mercado. ¿Cómo surge?

La realidad no es que nos levantemos un día por la mañana y decimos “¡eureka!”. Nosotros fuimos uno de nuestros clientes, fuimos un ecommerce que en un momento determinado se da cuenta de que tiene un producto con un margen teórico muy apetecible en el mundo textil y nos dimos cuenta que nuestro cliente quería consumirnos pero que no tenía capacidad económica para hacerlo. Para tratar de ayudarnos y de ayudarle, empezamos a pensar cómo en este mundo de transformación digital, éramos capaces de romper la barrera de asimetría de información. El cliente tenía toda la información y yo tenía los datos que él me había facilitado: el nombre, como lo había parecido; me había puesto que nació en el año 1900 y la dirección, eso sí, la ponía bien porque si no el producto no le llegaba a casa y alguna de las dos variables de contacto generalmente estaba bien. Hacer un proceso suscripción de riesgo de crédito con cinco datos era una entelequia. Contactamos con los proveedores habituales de banca y nos dimos cuenta de que la soluciones que ofrecen son estadísticas. Van al censo demográfico y en base a los números que arroja el Instituto Nacional de Estadística te clasifican y a mí eso me penalizaba mucho porque tenía muchísimos clientes en Andalucía. Cuando esa máquina funcionaba, me decían un cliente joven y andaluz no tenía ni trabajo ni capacidad de reinsertarse, porque las estadísticas decían, en tiempos de la crisis, que había un paro juvenil galopante y que por tanto ese cliente casi seguro que no tiene ni trabajo ni capacidad financiera, lo cual era absolutamente falso e injusto, porque metíamos a todos en el mismo saco. Yo no podía vender bajo ese scoring.

Empezamos entonces a pensar que toda esta ya hacía un uso de su vida particular que la que le mostraba voluntariamente en internet y que ese tipo de variables nosotros éramos capaces de capturarlas. Es verdad que entonces lo hacíamos en 60 segundos y ahora lo hacemos en milisegundos, pero ya empezamos a ver que de forma objetiva éramos capaces de capturar información que nos empezaba a ayudar a construir un modelo -precario en aquel entonces- que nos ayudaba a discernir qué clientes sí merecían llevarse nuestro producto a tres y cuatro pagos y qué clientes no. Comenzamos a usar este método frente al método declarativo en el que el cliente te dice “yo gano 1000 €” y luego te hace una nómina, que es inverificable en este país. Decidimos que, para que nos engañaran, mejor no pedir documentación, que ya encontraríamos nosotros cuál era la capacidad que tenía ese cliente de repago. Como el ingreso era una variable que nosotros solo podríamos obtener si nos enganchamos vía API a los bancos, que tampoco estaba tan extendido, nadie te da los credenciales del banco para comprarte una cosa de 100 € que era el caso, empezamos a ver que el gasto era mucho más cierto que el ingreso, que de media todos los españoles ejecutamos más o menos el mismo gasto todos los meses: lo que gastamos de casa y lo que gastamos de automóvil es más o menos es el grueso de los gastos; mientras que los ingresos fluctuaban en autónomos y pequeños empresarios.

Nos convertimos en especialistas en parametrizar gasto y con eso fuimos capaces de hacer suscripción de riesgo en tiempo real. Abandonamos el retail, porque nos dimos cuenta de que habíamos abierto un melón nuevo que era lo que luego se llamó Fintech. Nosotros estamos aislados de todo esto y descubrimos que con una solución que te permite hacer una suscripción de riesgo en tiempo real podríamos ayudar a muchas pequeñas compañías. Cuando empezamos yo llamaba a las empresas y no entendían la necesidad, decían “si yo ya yo ya tengo TPV, no necesito otro módulo en mi página”, pero esto es distinto. No es que te permita que te paguen con tarjeta de crédito o tarjeta débito, si no que yo le autorizo un crédito al momento a tu cliente y en ese momento te paga. Costó traccionarlo, pero al final me di cuenta de que el mercado lo estaba entendiendo al revés.

Esto no estaba sirviendo para que fuera una solución que ayudara al cliente a consumir, sino que estaba empezando a venir un cliente muy subprime, que solo quería el producto para obtener la liquidez que le proveyese. En tecnología esto es muy crítico, la gente no quiere el iPhone, lo que quiere es revenderlo al precio que sea, que como es todo beneficio, me da igual. Viramos rápidamente hacia la suscripción de riesgos en tiempo real, pero con datos y con esta información, aparte de esto, podemos llegar a muchos usos. Desarrollamos tres soluciones de fraude, como saber si la persona que hace la suscripción de riesgos es realmente la que está detrás de la pantalla. Luego nos dimos cuenta de que era necesaria una compañía como la nuestra y empezamos a hacer desarrollo negocio con esas tres palancas y nos convertimos en Hocelot. Sabíamos lo que queríamos, era lo que habíamos desarrollado, porque lo habíamos necesitado dentro del contexto de España y luego hemos ido estudiando que tenía sentido en todo el mundo.

Empezáis en México ahora. ¿Qué esperáis en términos de resultado y crecimiento?

México para nosotros es un cambio paradigma en la compañía. Hemos conseguido saltar de geografía con un cliente que ha confiado en nosotros -una gran aseguradora- y nos permite tener una cuenta resultados positiva. En segunda instancia, haciendo todo el estudio del país, nos damos cuenta de que es un país que tiene una riqueza de fuentes brutal, mucho más extensa que la española. Tienen un porcentaje cercano al 60% que está sin bancarizar, pero más del 90% de la población tiene redes sociales y las usa de forma cotidiana. El propósito de la compañía es, en este caso, conseguir inclusión social, eminentemente para el sector financiero, pero creemos que podemos construir un caso de éxito mucho más amplio en un montón de industrias. Hay mucha gente en México que no tiene al alcance muchos servicios o productos, precisamente porque el sistema financiero les penaliza y hay compañías que no tienen suficientes clientes porque no les conocen. Una solución que arroja luz de los clientes en un sentido y en otro yo creo que es muy potente.

¿Podéis convertiros en un competidor global de big data?

Nosotros vivimos porque parte de nuestra solución hay que tropicalizarla a nivel local. Hay casuísticas en España o en México que son particulares que tenemos que tropicalizar y que tardamos unos dos o tres meses. Por ejemplo, todo el tema subvenciones, embargos, multas que pueda tener aquí la Agencia Tributaria no están en México. Esa parte hay que tropicalizarla, pero hay muchas que son de carácter mundial. Todo lo que tiene que ver con redes sociales es de alcance mundial.