ALTO está enfocado en lograr que los casos legales atendidos por nuestros abogados terminen de forma positiva. Es decir, que las personas que han cometido algún delito en tiendas de nuestros clientes se les imparta alguna pena por parte de una entidad competente. Entre estas penas, se destaca que el presunto delincuente pague por su delito en prisión por un tiempo determinado, compense monetariamente al cliente afectado, se abstenga de acudir a algún lugar, entre otras medidas de sanción.

Además, actualmente nuestros abogados gestionan los casos que resultan luego del reporte de un evento, considerando algunas variables relevantes a la hora de elegir a cuáles darles el mayor seguimiento. Entre esas características están: El evento sea de una cuantía muy alta, se cuente con evidencia de la acción delictiva, que se logre identificar al sujeto asociado, entre otros. Lo anterior, conlleva a pensar que sería de gran utilidad contar con un número que reúna estos y otros atributos. Este valor es lo que tradicionalmente en la literatura se conoce como score, que para el caso de ALTO, este valor tiene una gran importancia ya que sugiere que un caso resulte positivo luego de gestionarlo midiéndolo a partir de un indicador de probabilidad.

Es allí donde la analítica provee herramientas que, a través del análisis de la información y la implementación de modelos matemáticos, permiten la creación de un score. Sin embargo, para lograr que este sea altamente discriminante, se mantenga a través del tiempo y genere una relevancia alta en la organización, es necesario seguir algunos pasos. A continuación, se muestran las etapas que deberían considerarse para lograr un score inteligente y robusto para tu negocio:

1. Entender el problema a solucionar: Dado que se pretende que el score discrimine correctamente los resultados positivos de los negativos, es importante hablar con los stakeholders para entender el funcionamiento del negocio. También se pueden entender las variables más relevantes según el criterio experto.
2. Crear variables que den valor agregado: Además de las variables iniciales del problema en evaluación, busca incluir información adicional que aporte a la explicación del problema evaluado, para así crear nuevas variables o características que permitan una mayor discriminación. Por ejemplo, número de sujetos con identificación, nombre y foto válidos; porcentaje de sujetos reincidentes, porcentaje de palabras útiles en la descripción, entre muchas más.
3. Segmentar la información: Divide y reinarás. Este principio aplica en la medida que quieras mejorar la detección de casos positivos teniendo en cuenta, por ejemplo, que las mismas variables no aplican de igual forma para todos los casos.
4. Probar diversos algoritmos: Dependiendo de las variables que se tengan y de las características mismas de cada segmento, es recomendable probar al menos tres métodos matemáticos distintos para determinar cuál es la mejor manera de calcular la probabilidad de caso positivo. No siempre la misma metodología es la mejor para todos los grupos. Entre las metodologías más usadas y de mayor poder de discriminación existen la regresión logística, Random Forest y XGBoost.
5. Realizar backtesting: Es muy relevante probar el modelo en distintas poblaciones. No queremos modelos que se memorice los datos con que fue entrenado, sino que aprenda a cambiar respecto a la población que se califique.

A través de la aplicación de estos pasos, en ALTO hemos creado diversos scores que ayudan a priorizar los casos que se reciben día a día.  De esta forma, nuestros abogados han logrado tomar decisiones rápidas, con el fin de conocer específicamente en qué casos legales deben enfocar sus esfuerzos para que al final de toda su gestión se obtengan resultados positivos, logrando así que nuestros clientes puedan recuperar el patrimonio perdido y los culpables sean condenados por sus acciones.