Agrupación de Clientes de una Institución Financiera para Generación de Alertas de Economía Personalizadas

Ewerton Martins de Menezes; Beatriz Garcia Lopes

DOI: 10.22167/2675-6528-202602877

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La transformación digital y la inteligencia analítica en el sector bancario han posibilitado una actuación más consultiva de las instituciones financieras. El estudio tuvo como objetivo desarrollar un sistema de generación de alertas de ahorro personalizados basado en el historial de transacciones financieras. La metodología adoptada implicó tres etapas: en primer lugar, se realizó la agrupación de individuos mediante múltiples algoritmos de clusterización, destacando K-means y TimeSeriesKMeans. A continuación, se detectaron anomalías contextuales, mapeando desviaciones estadísticamente significativas en el comportamiento de consumo dentro de los grupos y en sus respectivas series temporales, utilizando los algoritmos Isolation Forest, Distancia de Mahalanobis y Z-Score modificado. Por último, se generaron alertas contextuales, traduciendo las desviaciones matemáticas en intervenciones estructuradas. Los resultados de esta estrategia, aplicados a una muestra de 2.679 cuentahabientes de una institución financiera brasileña de gran tamaño, demostraron su viabilidad técnica, identificando al menos una alerta personalizada para el 69,50% de la base analizada. La principal contribución consistió en operacionalizar teorías de la economía conductual con algoritmos de aprendizaje automático. Se concluyó que la convergencia entre Ciencia de datos y economía conductual puede viabilizar una asesoría financiera escalable y ajustada a la realidad de cada cliente.

Palabras clave: Aprendizaje no supervisado; Detección de anomalías; Finanzas personales; Series temporales; Teoría del nudge.

1. Introducción

La creciente digitalización de los medios de pago y el declive del uso de dinero en efectivo han transformado el sector bancario, otorgando a las instituciones financieras una visibilidad sin precedentes sobre los hábitos de consumo de sus clientes. Este escenario de abundancia de datos transaccionales, sin embargo, contrasta con un bajo nivel de educación financiera en la población.

Los datos de la Confederación Nacional del Comercio (CNC, 2026) indican que el endeudamiento de las familias brasileñas se mantiene en niveles elevados, evidenciando una brecha en la alfabetización financiera, especialmente en los estratos de menores ingresos. Los enfoques tradicionales de asesoría financiera, al ser genéricos y desconectados de la realidad individual, demuestran efectos limitados en este contexto.

Para superar estas limitaciones, la literatura reciente señala que las estrategias orientadas a datos son fundamentales para mejorar la experiencia del cliente y permitir la personalización de servicios a escala, superando las restricciones de la banca tradicional (Adeniran et al., 2024). En este panorama, la segmentación de clientes trasciende una actividad puramente operativa y se consolida como una herramienta estratégica de retención y marketing.

El análisis de negocios, tal como reforzado por Hossen et al. (2025), permite identificar patrones ocultos en el comportamiento del consumidor, auxiliando en la toma de decisiones gerenciales más asertivas. La importancia de la segmentación dinámica, que combina modelos clásicos como Recencia, Frecuencia, Valor Monetario (RFM) con técnicas de series temporales, es destacada por Abbasimehr y Bahrini (2022). Además de las transacciones, factores emocionales y sociodemográficos también influyen en la fidelidad, sugiriendo segmentaciones basadas en los sentimientos de los clientes en relación con los servicios bancarios (Calvo-Porral y Lévy-Mangin, 2020).

Entre las técnicas de aprendizaje no supervisado para segmentación, el algoritmo K-means es una referencia en la industria debido a su simplicidad de implementación, facilidad de interpretación y eficiencia computacional en grandes bases de datos (Hossen et al., 2025; Thompson et al., 2021). Sin embargo, el K-means presenta limitaciones, como la sensibilidad a “outliers” y la dificultad en identificar clusters de formatos irregulares. Para mitigar estos problemas, Yan et al. (2025) proponen mejoras en algoritmos basados en densidad, como el DBSCAN, que son más eficaces en la identificación de ruidos y en la separación de grupos complejos, aunque requieren mayor esfuerzo en la parametrización.

Los avances más recientes exploran el uso de Deep Learning, con modelos como Deep Clustering que utilizan autoencoders y redes neuronales para capturar relaciones no lineales en datos financieros complejos (Choi et al., 2024). Sin embargo, Wei et al. (2024) advierten que el costo computacional y la naturaleza de “caja negra” de las redes neuronales aún imponen barreras a la adopción generalizada de estas técnicas en comparación con métodos clásicos. La eficacia de los algoritmos de clusterización también se ve afectada por la alta dimensionalidad y la correlación entre variables, un desafío abordado por Zhao et al. (2021) con versiones regularizadas de K-means, y por Nisha y Pramod (2025) que destacan la reducción de dimensionalidad para segmentación y modelos predictivos.

En el contexto de la educación financiera, la personalización de las orientaciones es un factor crítico para el compromiso del usuario. Este trabajo se fundamenta en la teoría del “nudge” (Thaler y Sunstein, 2009), de la economía conductual, que defiende la posibilidad de orientar a las personas a tomar mejores decisiones sin restringir su libertad de elección. A diferencia de las intervenciones tradicionales que recurren a la comparación social genérica, lo que puede generar frustración (Beshears et al., 2015), la estrategia propuesta emplea algoritmos de clusterización para delimitar segmentos de clientes con perfiles sociodemográficos y hábitos de consumo similares. De esta forma, el “nudge” actúa de manera contextualizada y se potencia por la previa categorización de las transacciones, ampliando el abanico de intervenciones posibles y viabilizando recomendaciones altamente dirigidas. Ante lo expuesto, el objetivo del trabajo es generar alertas de ahorro personalizadas mediante la clusterización de clientes combinada con la detección de anomalías utilizando sus perfiles sociodemográficos y comportamientos de consumo, con el fin de incentivar decisiones financieras más conscientes y sostenibles.

2. Material y Métodos

Este trabajo adoptó un enfoque cuantitativo exploratorio, utilizando datos transaccionales de clientes reales de una institución financiera de gran tamaño de Brasil. La investigación se realizó con una muestra de 2.679 individuos, seleccionada de un universo de 24 millones de clientes personas físicas. El cálculo muestral siguió la metodología de Fávero y Belfiore (2025), considerando población infinita, 95% de confianza y 5% de margen de error.

La recolección de datos abarcó aproximadamente 4,4 millones de transacciones financieras, registradas entre enero y diciembre de 2025. Para garantizar la ética y la protección de datos sensibles, la base fue integralmente anonimizada por la institución antes del acceso académico. La autorización institucional fue formalizada por un Término de Anuencia, asegurando la conformidad en el tratamiento de la información.

La preparación de los datos implicó la selección de atributos sociodemográficos y transaccionales, categorizados por una solución interna de la institución. Tras la limpieza de transacciones inválidas y la eliminación de dos clientes con datos incompletos, la muestra final consistió en 2.679 clientes y 4.065.152 transacciones válidas. Las variables cualitativas fueron codificadas, incluyendo “One-Hot Encoding”.

La ingeniería de atributos condensó el historial transaccional en métricas estadísticas por cliente y por mes, creando cinco dimensiones de consumo (Ingresos, Gastos, Resultado, Inversiones y Gastos en la tarjeta) y variables de series temporales. El escalado y la normalización de los datos fueron cruciales para tratar la heterogeneidad. Las variables continuas se escalaron con “StandardScaler”, las asimétricas con “PowerTransformer” y los porcentajes con “MinMaxScaler”.

El modelado de la clusterización buscó crear grupos homogéneos internamente y heterogéneos externamente (Fávero y Belfiore, 2025), en dos fases: optimización individual y comparación global. Se seleccionaron cinco algoritmos: K-means, K-prototypes, HDBSCAN (Campello et al., 2015), Modelo de Mezcla Gaussiana (GMM) y K-means para series temporales (TimeSeriesKMeans). La optimización de cada algoritmo utilizó métricas internas específicas, como Método del Codo, Coeficiente de Silueta, DBCV, BIC y AIC. Para el K-means, se aplicó Análisis de Componentes Principales [PCA] para reducción de dimensionalidad.

El K-means para series temporales empleó la métrica Dynamic Time Warping [DTW] para la similitud longitudinal (Abbasimehr y Bahrini, 2022). En la fase de comparación global, los algoritmos fueron evaluados por métricas agnósticas, incluyendo pruebas de Kruskal-Wallis y Chi-Cuadrado para significancia práctica, y Epsilon-Cuadrado (€²) y V de Cramér para tamaño del efecto (Cohen, 1988).

La detección de anomalías contextuales se centró en desviaciones significativas del patrón grupal. Para variables críticas, se aplicó la Z-score Modificada (Iglewicz y Hoaglin, 1993), con anomalías definidas por Z-score superior a 3,5. La Distancia de Mahalanobis (Mahalanobis, 1936) se utilizó para inconsistencias en la asignación de recursos, considerando la covarianza de los datos, con anomalías por encima del valor crítico de la distribución Chi-cuadrado con 99% de confianza. Para monitorear cambios bruscos de comportamiento, se empleó el algoritmo Isolation Forest (Liu, Ting y Zhou, 2008), entrenado individualmente por clúster con variables de tendencia.

En la detección de anomalías en series temporales, el comportamiento ideal de cada clúster fue extraído por DTW Barycenter Averaging [DBA] (Petitjean et al., 2011). La distancia DTW entre la serie individual y el baricentro del grupo sirvió como coeficiente de anomalía, con el Z-score Modificado aplicado para disparar alertas. La etapa final consistió en la generación de alertas contextuales, traduciendo las anomalías detectadas en mensajes educativos predefinidos, fundamentados en los principios de la economía conductual y en el sesgo cognitivo de la prueba social. Todas las etapas fueron implementadas en la herramienta Spyder IDE, utilizando el lenguaje Python y bibliotecas como Scikit-learn, Pandas y Numpy.

3. Resultados y Discusión

El presente estudio tuvo como objetivo desarrollar un sistema de generación de alertas de economía personalizados, fundamentado en el análisis del historial de transacciones financieras de clientes. El enfoque metodológico adoptado demostró la viabilidad técnica de la solución propuesta, identificando al menos una alerta personalizada para el 69,50% de la base analizada, compuesta por 2.679 cuentacorrentistas de una institución financiera brasileña de gran porte. Los resultados obtenidos evidencian la capacidad de operacionalizar principios de la economía conductual, como la teoría del “nudge”, por medio de algoritmos de aprendizaje automático, promoviendo una asesoría financiera escalable y ajustada a la realidad individual de cada cliente.

Entendimiento de los Datos

La muestra analizada reveló un perfil sociodemográfico diverso, con un 66% de hombres y un 34% de mujeres. Se observó una concentración significativa de clientes con educación superior completa y posgrado, lo que indica un alto nivel de instrucción. Los perfiles de ingresos B y C fueron los más frecuentes, abarcando el 99% de la muestra. La edad de los clientes varió entre 22 y 75 años, con una media de 44 años, lo que refleja la inclusión tanto de clientes recientes como de larga data en la institución. La mayoría de los clientes poseía solo una cuenta activa, aunque la muestra también incluía individuos con múltiples cuentas.

En cuanto al estado civil, el 55% de los clientes estaban casados y el 34% solteros. La renta media observada fue de R$ 50.457,51, caracterizada por una alta amplitud y dispersión, abarcando desde clientes sin renta formal registrada hasta aquellos con ingresos 20 veces superiores a la media general. En lo que respecta al comportamiento transaccional, se analizaron 4.065.152 transacciones financieras válidas. De este total, el 45,76% se realizaron con tarjeta de crédito, mientras que el 54,24% correspondieron a transferencias, pagos, compras, ingresos, retiros y depósitos en efectivo. La distribución de estas movimentaciones se mantuvo relativamente constante a lo largo de los meses, con una media de 338 mil transacciones mensuales.

Ingeniería de Atributos y Preprocesamiento

La etapa de ingeniería de atributos fue crucial para transformar el historial transaccional en métricas que capturaran el comportamiento de consumo. Los datos se agruparon por cliente y por mes, resultando en la creación de cinco dimensiones principales: Ingresos (RC), Gastos (GSTO), Resultado (RSTD), Inversiones (INVS) y Gastos en Tarjeta (GSTO_CRT). Adicionalmente, los gastos se detallaron por macrocategorías (deuda, esencial, no clasificados y superfluos) y diez categorías específicas, calculándose el porcentaje en relación con el gasto mensual total de cada cliente. Esta granularidad permitió un análisis profundo de los patrones de consumo.

Para capturar el comportamiento de las dimensiones y categorías de gastos a lo largo de 12 meses, se emplearon dos estrategias de extracción. La primera consistió en agregaciones estadísticas, generando 76 variables de comportamiento de consumo para cada cliente, incluyendo media (MED), desviación estándar (DPDR), máximo (MAX) y tendencia (TND). La segunda estrategia implicó la creación de series temporales, secuenciando las medias mensuales de las dimensiones de consumo y gastos por categoría, resultando en 19 variables de comportamiento de consumo para cada cliente, estructuradas en un cubo tridimensional para la aplicación de algoritmos específicos.

La heterogeneidad de los atributos recopilados, que incluían variables ordinales, porcentuales, métricas temporales y valores monetarios con diversas distribuciones y escalas, exigió una estrategia de preprocesamiento robusta. Las variables sociodemográficas, como edad, perfil de ingresos, nivel de instrucción, años de relación y cantidad de cuentas, se escalaron con StandardScaler. Este procedimiento estandarizó los datos, centrando la media en cero e igualando la desviación estándar a uno, previniendo que atributos con rangos numéricos mayores dominaran el cálculo de la distancia euclidiana y preservando la estructura de la varianza original.

Las variables financieras volumétricas, como renta presunta, resultado, ingresos, gastos e inversiones, fueron normalizadas con el PowerTransformer. Esta elección se justifica por la naturaleza asimétrica de estos atributos monetarios, que frecuentemente presentan distribuciones de cola larga a la derecha debido a la presencia de clientes con alta actividad financiera. El PowerTransformer estabilizó la varianza y mapeó estos datos a una distribución más cercana a la curva normal. Por su parte, los gastos por macrocategoría y categoría, expresados como valores porcentuales del gasto total, fueron normalizados con el MinMaxScaler, que mapeó estos atributos al intervalo de cero a uno, preservando las proporciones y distancias relativas del consumo sin distorsiones.

Modelado y Selección de los Algoritmos de Clusterización

El modelado de la clusterización se realizó en dos fases para crear grupos internamente homogéneos y heterogéneos entre sí. En la primera fase, se seleccionaron y optimizaron individualmente cinco algoritmos: K-means, K-prototypes, HDBSCAN, GMM y K-means para series temporales (TimeSeriesKMeans). La reducción de dimensionalidad fue un paso esencial, con la aplicación del Análisis de Componentes Principales (PCA) que comprimió el espacio original a nueve componentes principales, reteniendo el 80,42% de la varianza explicada. En escenarios de reducción de dimensionalidad no lineal vía UMAP, la métrica “Trustworthiness” se mantuvo por encima del 80%, asegurando la preservación de las relaciones de proximidad originales entre los clientes.

La optimización del número de clústeres (k) para K-means y K-means para series temporales, utilizando el Método del Codo, no reveló un punto de desaceleración nítida en la curva de inercia, sugiriendo una distribución continua y compleja de los datos financieros. El análisis del Coeficiente de Silueta para estos algoritmos indicó un valor máximo global en k = 2, lo que, desde la perspectiva de negocio, resultaría en una segmentación binaria excesivamente genérica e inviable para alertas personalizados. Ante esto, el k ideal se definió basándose en picos locales, adoptándose k = 5 para el K-means, k = 4 para el K-prototypes y k = 6 para el K-means para series temporales.

En el caso del algoritmo GMM, la optimización convergió a k = 7, minimizando los criterios de información BIC y AIC, lo que sugiere que siete distribuciones gaussianas representan mejor la probabilidad de pertenencia de los clientes. La optimización de HDBSCAN implicó la evaluación de 324 combinaciones de hiperparámetros y la reducción de dimensionalidad a través de UMAP. La configuración óptima, con UMAP de 2 componentes, 10 vecinos cercanos, distancia mínima de 0,01 y distancia euclidiana, combinada con parámetros de HDBSCAN de tamaño mínimo de clúster de 30 y rigor de densidad del vecino de 3, resultó en la formación de cuatro clústeres, clasificando solo a 1 cliente como ruido y alcanzando un DBCV de 0,75.

En la segunda fase del modelado, la comparación global de los algoritmos reveló que K-means para series temporales y GMM presentaron una distribución poblacional más equilibrada. En contraste, HDBSCAN concentró el 72,52% de la muestra (1.943 clientes) en un único grupo, y K-means y K-prototypes generaron clusters con menos del 1% de la base muestral, indicando la presencia de “outliers” extremos. Aunque las pruebas estadísticas de Kruskal-Wallis y Chi-Cuadrado mostraron diferencias significativas entre los clusters para la mayoría de las variables en todos los algoritmos, la medición del tamaño del efecto (Epsilon-Cuadrado y V de Cramér) proporcionó contrastes metodológicos más relevantes.

El HDBSCAN se destacó en la alineación con etiquetas cualitativas de negocio, mientras que el GMM obtuvo un mejor rendimiento en las categorías de gasto. El K-means demostró superioridad analítica en la partición de las variables financieras volumétricas, con una media de tamaño del efecto de 0,138. Esta capacidad de maximizar la separación de las magnitudes cuantitativas ratificó la elección del K-means como el algoritmo principal para la formación de los clusters, proporcionando una base robusta para la subsiguiente fase de detección de anomalías. La eficacia del K-means, según lo evidenciado por Zhao et al. (2021), es sensible a la alta dimensionalidad y correlación entre variables, lo que justifica las etapas de preprocesamiento y reducción de dimensionalidad aplicadas.

Caracterización de los Clústeres de Comportamiento

Los cinco clústeres generados por el algoritmo K-means revelaron perfiles conductuales distintos, a pesar de cierta superposición en perfiles de ingresos y gastos intermedios. Esta segmentación garantizó la heterogeneidad necesaria para la generación de alertas personalizadas. El Clúster K0, denominado “Deudores”, comprendió 639 clientes con una edad media de 46 años, predominantemente hombres casados, con alto nivel de instrucción y elevados ingresos. Este grupo presentó el peor resultado financiero medio de la muestra, con un déficit de R$ -3.458,61 y saldo negativo en inversiones de R$ -569,37, sugiriendo una dependencia de líneas de crédito para mantener el nivel de vida.

El Clúster K1, “Nuevos clientes”, fue el grupo más joven de la muestra, con la mayor proporción de mujeres (38%) y los perfiles de ingresos más bajos. Con 837 clientes, movilizaba el menor volumen financiero, pero lograba equilibrar ingresos y gastos, manteniendo un saldo positivo en inversiones. Destacó por tener la mayor proporción de gastos en despesas personales (17,1%) y la mayor parte del presupuesto comprometida con deudas (5,1%). El Clúster K2, “Cliente medio”, fue el grupo más grande en términos numéricos, con 1.138 clientes de niveles intermedios de ingresos e instrucción. Este grupo presentó el mayor compromiso del presupuesto con gastos esenciales (37,4%), un pequeño déficit medio de R$ -867,22 y pequeñas reservas en inversión de R$ 920,12, liderando los gastos en categorías como Transporte (9,3%), Hogar (8,6%) y Alimentación (8,5%).

El Clúster K3, “Ahorrador”, con 47 clientes, presentó la mayor edad promedio, fuerte predominancia masculina, alto perfil socioeconómico y largo historial de relación. Los ingresos de este grupo fueron significativamente superiores a las salidas de recursos, generando un resultado promedio de R$ 33 mil y un volumen de inversiones de R$ 73 mil. Presentó la menor proporción de gastos esenciales (29,70%), indicando mayor disponibilidad de ingresos para inversiones y ocio. Además, registró la mayor proporción de gastos en tarifas e impuestos (5,1%) y gastos no clasificados (36,94%), sugiriendo el uso frecuente de dinero en efectivo. El Clúster K4, “Élite/Alta Renta”, fue el grupo más pequeño, con 18 clientes, representando la cima de la pirámide financiera. Detentaba los mayores volúmenes de ingresos, gastos e ingresos, con un excedente financiero individual de R$ 110 mil, dirigido a inversiones. Era el único grupo con presencia relevante del perfil de ingresos A y la mayor concentración de maestros y doctores, además de presentar los mayores gastos proporcionales en ocio (7,9%) y salud (6,6%).

El análisis de los baricentros de los seis clústeres generados por K-means para series temporales (T0 a T5) reveló patrones temporales distintos en el comportamiento financiero a lo largo de 2025. Un pico de ingresos en febrero fue perceptible en todos los grupos, influyendo en saldos netos e inversiones, lo que sugiere un evento estacional fuerte en la base de datos. El Clúster T0, el más pequeño en términos numéricos, se caracterizó por una fuerte tendencia a la caída de actividad a lo largo del año, con una retracción continua de ingresos y gastos a partir del segundo semestre. El Clúster T1 presentó picos secundarios de ingresos en abril y septiembre, concentrando el mes de abril el mayor gasto del grupo, lo que se reflejó en el resultado y el saldo de inversiones negativos.

El Clúster T2, a diferencia de los demás, tuvo su pico de ingresos en septiembre, acompañado por un pico de gastos, sin excedente financiero ni saldo en inversiones, con un consumo de tarjeta de crédito fluctuante. El Clúster T3, el grupo más grande de la base, también exhibió un pico secundario de ingresos en septiembre, con resultado y saldo positivos en inversiones, y un consumo de tarjeta de crédito estable, pero con tendencia al alza a finales de año. El Clúster T4 registró un pico secundario de ingresos en septiembre sin un pico de gastos, lo que resultó en excedente financiero y saldo en inversiones. Finalmente, el Clúster T5 presentó diversos picos de ingresos a lo largo del año que no se reflejaron en las demás métricas financieras, con un claro pico de gastos en julio que redujo los saldos en inversión.

Análisis de Anomalías y Generación de Alertas

La detección de anomalías contextuales fue un componente central para la generación de alertas, diferenciándose de los enfoques tradicionales que buscan solo “outliers” globales. Para alertas en variables críticas, se utilizó la Z-score Modificada, que sustituye la media por la mediana y la desviación estándar por la desviación absoluta de la mediana (MAD), haciendo los estimadores más robustos. Valores de Z-score superiores a 3,5 fueron considerados anomalías. Para detectar inconsistencias y desequilibrios en la estructura de asignación de recursos, como la relación entre ingresos, rentas, gastos e inversiones, se empleó la Distancia de Mahalanobis, que considera la matriz de covarianza de los datos, aspecto fundamental en finanzas. Observaciones que sobrepasaran el valor crítico de la distribución Chi-cuadrado con 99% de confianza fueron clasificadas como anomalías.

Para monitorear cambios bruscos de comportamiento, se aplicó el algoritmo Isolation Forest, aislando anomalías mediante particiones en árboles aleatorios, siendo eficaz para capturar patrones complejos sin asumir una distribución normal. Este algoritmo se entrenó individualmente para cada clúster, basándose en las variables de tendencia de resultado, ingresos, gastos e inversiones, permitiendo identificar clientes cuya situación financiera ha sufrido una alteración abrupta. Para las alertas basadas en series temporales de consumo agrupadas por K-means, la detección de anomalías se estructuró a partir de la alineación secuencial de los datos, utilizando el método DTW Barycenter Averaging (DBA) para calcular la secuencia temporal media ponderada de cada clúster. La distancia DTW entre la serie temporal individual del cliente y el baricentro de su grupo se utilizó como coeficiente de anomalía, y el Z-score Modificado se aplicó para cuantificar la desviación y disparar la alerta.

El primer conjunto de reglas de alerta, centrado en anomalías estructurales y de tendencia, identificó inconsistencias financieras y quiebres de tendencia en relación con los pares, alcanzando el 18,66% de la muestra (500 clientes) con la generación de 544 alertas. Específicamente, 161 clientes recibieron alertas sobre “Tendencia a la baja en el presupuesto”, detectados por Isolation Forest y por un resultado de tendencia de saldo negativo. Otros 153 clientes fueron alertados sobre “Desequilibrio estructural entre ingresos y gastos”, basándose en la Distancia de Mahalanobis, indicando una desviación significativa del patrón de su perfil. Adicionalmente, 230 clientes fueron identificados con “Crecimiento de gastos con deudas”, basándose en un Z-score superior a 3,5 y una media superior al 5% para las variables de deuda.

La segunda categoría de alertas, enfocada en gastos excesivos en categorías específicas y en el uso de la tarjeta de crédito, impactó al 30,27% de la base (811 usuarios), generando un total de 862 alertas. Ejemplos incluyen 20 clientes con “Gasto excesivo con tarjeta de crédito”, con un promedio de R$ 5.450,45, y 14 clientes con “Gasto de estilo de vida en exceso”, representando el 23% del total de gastos. Las alertas sobre “Gastos de deudas en exceso” alcanzaron a 624 clientes (17% del total), “Gastos de comunicación en exceso” a 64 clientes (24% del total), “Gastos de gastos personales en exceso” a 13 clientes (32% del total), “Gastos de ocio en exceso” a 78 clientes (36% del total) y “Gastos de transporte en exceso” a 49 clientes (46% del total), todos basados en Z-score modificado y/o media porcentual por encima de límites definidos.

La detección de desviaciones en series temporales de gastos totales y gastos con tarjeta de crédito, utilizando la Z-score modificada, identificó cambios bruscos en el comportamiento de consumo en el 3,43% de la base (92 clientes), resultando en 93 alertas. De este total, 3 clientes fueron alertados sobre “Desviación en los gastos en general” y 90 clientes sobre “Desviación en los gastos con tarjeta de crédito”. Además de las alertas basadas en desviaciones estadísticas, se generaron alertas para incentivar buenas prácticas financieras, abarcando el 20,38% de la muestra (546 clientes) y totalizando 614 intervenciones. Esto incluyó 307 clientes con “Potencial de inversión”, identificados por saldo disponible por encima de la media e inversiones por debajo de lo esperado, y 303 clientes con “Gastos no clasificados”, con más del 50% de sus gastos sin categorización.

Desde la perspectiva del refuerzo positivo, se generaron alertas para el mantenimiento de hábitos saludables y escenarios de superávit, impactando al 35,91% de la base (962 individuos) con 1.095 alertas. Esta categoría incluyó a 526 clientes con “Crecimiento de la cuota de inversiones”, identificados por inversiones y tendencia de inversiones positivas, y a 551 clientes con “Bajo nivel de endeudamiento”, caracterizados por alta renta media y baja proporción de deudas. El reconocimiento proactivo de buenos comportamientos actúa como un disparador para fortalecer la relación del usuario, como sugieren Calvo-Porral y Lévy-Mangin (2020), quienes destacan la influencia de las emociones positivas en la satisfacción y retención de clientes bancarios.

En resumen, la solución propuesta demostró su viabilidad técnica para actuar a escala, generando un total de 3.118 alertas y haciendo que el 69,50% de la muestra (1.862 clientes) fuera elegible para recibir al menos una alerta contextual en las diferentes dimensiones de la vida financiera. La transición de un modelo de segmentación estático a una estructura de monitoreo dinámico, basada en la detección de anomalías no solo en el volumen total de transacciones, sino también en las categorías, resultó fundamental para ampliar el abanico de intervenciones posibles. Los resultados evidencian la capacidad analítica de identificar anomalías estructurales, gastos excesivos y desviaciones morfológicas significativas en las series temporales, automatizando la identificación de vulnerabilidades antes de que culminen en incumplimiento. El enfoque, fundamentado en la teoría del “nudge” (Thaler y Sunstein, 2009), permite que las desviaciones se calculen comparando al cliente solo con sus pares de su propio agrupamiento matemático, garantizando una personalización justa y contextualizada de las orientaciones financieras.

4. Conclusión

El presente estudio tuvo como objetivo desarrollar un sistema de generación de alertas de ahorro personalizados basado en el historial de transacciones financieras. Se verificó la viabilidad técnica de la solución propuesta, que identificó al menos una alerta personalizada para el 69,50% de la base analizada, compuesta por 2.679 cuentacorrentistas. La metodología empleada, que implicó la agrupación de clientes en perfiles sociodemográficos y conductuales distintos, junto con la detección de anomalías contextuales mediante algoritmos como K-means, Isolation Forest, Distancia de Mahalanobis y Z-score modificado, permitió la identificación de inconsistencias financieras estructurales, gastos excesivos en categorías específicas y desviaciones morfológicas significativas en las series temporales de consumo. Este enfoque resultó en la generación de 3.118 alertas, haciendo que 1.862 clientes fueran elegibles para recibir intervenciones dirigidas. La principal contribución del trabajo reside en la operacionalización de principios de la economía conductual, como la teoría del “nudge”, a través de algoritmos de aprendizaje automático, posibilitando una asesoría financiera escalable y ajustada a la realidad individual de cada cliente, y promoviendo la educación financiera.

Aunque la arquitectura metodológica para la generación de alertas ha demostrado su eficacia analítica, una limitación del estudio consistió en la ausencia de la medición de la eficacia conductual de estos mensajes en el campo. Se sugiere, para estudios futuros, la aplicación de pruebas prácticas controladas con usuarios finales, con el objetivo de validar el real impacto de los “nudges” en el cambio de hábitos de consumo. Adicionalmente, se recomienda investigar aspectos relacionados con la priorización y la frecuencia de envío de estas notificaciones, a fin de mitigar la fatiga informacional, especialmente en los casos de clientes elegibles a múltiples alertas. La convergencia entre ciencia de datos y economía conductual, conforme evidenciado por este trabajo, posee el potencial de transformar la actuación de las instituciones financieras, tornándola más consultiva y proactiva en la promoción de la salud financiera de los clientes.

Referencias Bibliográficas

Abbasimehr H.; Bahrini A. 2022. An analytical framework based on the recency, frequency, and monetary model and time series clustering techniques for dynamic segmentation. Expert Syst Appl 192: 116373.

Adeniran, I. A.; Abhulimen, A. O.; Obiki-Osafiele, A. N.; Osundare, O. S.; Agu, E. E.; Efunniyi, C. P. 2024. Data-driven approaches to improve customer experience in banking: techniques and outcomes. International Journal of Management & Entrepreneurship Research 6(8): 2797-2818.

Beshears, J.; Choi, J. J.; Laibson, D.; Madrian, B. C.; Milkman, K. L. 2015. The Effect of Providing Peer Information on Retirement Savings Decisions. The Journal of Finance, 70(3): 1161-1201.

Calvo-Porral C.; Lévy-Mangin JP. 2020. An emotion-based segmentation of bank service customers. International Journal of Bank Marketing 38 (7): 1441-1463.

Campello, RJ.G.B; Moulavi, D.; Zimek, A.; Sander, J. 2015 Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Trans Knowl Discov Data. 10(1):1-51.

Choi I.; Koh W.; Koo B.; Chang Kim W. 2024. Network-based exploratory data analysis and explainable three-stage deep clustering for financial customer profiling. Eng Appl Artif Intell, 128: 107378.

Cohen, J. 1988. Statistical Power Analysis for the Behavioral Sciences. 2. ed. Routledge. New York.

Confederação Nacional do Comércio de Bens, Serviços e Turismo [CNC]. 2026. Pesquisa de Endividamento e Inadimplência do Consumidor [PEIC]. Disponível em: <https://pesquisascnc.com.br/pesquisa-peic/>. Acesso em: 01 abr. 2026.

Fávero, L. P.; Belfiore, P. 2025. Manual de Análise de Dados: Estatística e Machine Learning com Excel®, SPSS®, Stata®. 2. ed. LTC, Rio de Janeiro, RJ, Brasil.

Hossen, M. A.; Bhattacharjee, B.; Dey, S. K.; Jamee, S. S.; Obaid, M. O.; Mia, M. S. I.; Khan, S. I.; Sharif, M. K. 2025. Business analytics for customer segmentation: a comparative study of machine learning algorithms in personalized banking services. International Journal of Economics Finance & Management Science, 10(03): 1-13.

Iglewicz, B.; Hoaglin, D. C. 1993. How to Detect and Handle Outliers. ASQC Quality Press.

Liu, F. T.; Ting, K. M.; Zhou, Z. H. 2008. Isolation forest. Proceedings – IEEE International Conference on Data Mining, ICDM: 413-422.

Mahalanobis, P. C. 1936. On the generalized distance in statistics. Proceedings of the National Institute of Sciences of India 2(1): 49-55.

Nisha T.N.; Pramod D. 2025. Improving bank customer churn prediction with feature reduction using GA. Scientific Reports 15(1): 40035.

Petitjean F.; Ketterlin A.; Gançarski P. 2011. A global averaging method for dynamic time warping, with applications to clustering. Pattern Recognit. 44(3): 678-693.

Thaler, R. H.; Sunstein, C. R. 2009. Nudge: Improving Decisions About Health, Wealth, and Happiness. Penguin Publishing Group.

Thompson J. R. J.; Feng L.; Reesor R. M.; Grace C. 2021. Conozca los comportamientos de sus clientes: un análisis clúster de transacciones financieras. Journal of Risk and Financial Management 14(2): 50.

Wei X.; Zhang Z.; Huang H.; Zhou Y. 2024. Una visión general del clustering profundo. Neurocomputing, 590: 127761.

Yan X.; Li Y.; Nie F.; Li R. 2025. Segmentación y estrategias de marketing para clientes bancarios basadas en un algoritmo DBSCAN mejorado. Applied Sciences 15(6): 3138.

Zhao H.; Luo X.C.; Ma R.; Lu X. 2021. Un enfoque de agrupación k-means regularizado extendido para la segmentación de clientes de alta dimensionalidad con variables correlacionadas. IEEE Access 9: 48405-48412.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy