Desde Palma, trabajamos con equipos financieros de toda España que necesitan más que datos brutos.
Lo que hacemos y por qué importa
La mayoría de los equipos financieros tienen acceso a datos. El problema no suele ser la cantidad, sino saber qué señal merece atención y cuándo actuar. (Esa diferencia es donde trabajamos.) En Vokas Drendu desarrollamos entornos de analítica predictiva que ayudan a grupos de trabajo a identificar patrones relevantes antes de que se conviertan en problemas visibles.
Nuestro enfoque es grupal por diseño. No entregamos informes estáticos a un solo analista. Construimos espacios donde los equipos pueden explorar modelos juntos, cuestionar supuestos colectivamente y llegar a decisiones con más contexto compartido. Esto reduce los errores que nacen del trabajo en silos y acelera los ciclos de revisión internos.
Modelos adaptativos
Los modelos se ajustan a los datos propios de cada cliente, no a plantillas genéricas de sector.
Trabajo colaborativo
Sesiones estructuradas donde todo el equipo analiza los mismos datos al mismo tiempo.
Señales tempranas
Indicadores que emergen de los propios datos históricos del cliente, calibrados por frecuencia de error.
Cómo trabajamos en la práctica
Cada proyecto empieza con una revisión del flujo de datos existente. Antes de proponer ningún modelo, entendemos qué decisiones toma el equipo, con qué frecuencia y con qué información disponible. Eso determina qué tipo de analítica predictiva tiene sentido construir.
Itziar Bengoa
Directora de proyectos de analítica
Ferran Altés
Modelado predictivo
Núria Casademunt
Análisis e interpretaciónDiagnóstico de datos
Revisamos qué datos existen, con qué calidad y qué decisiones deberían estar informando actualmente.
Diseño del modelo
Construimos la arquitectura predictiva ajustada al horizonte temporal y la tolerancia al riesgo del equipo.
Sesiones de calibración
El equipo trabaja con los resultados en vivo, ajusta parámetros y entiende qué mueve cada indicador.
Seguimiento continuo
Los modelos se revisan periódicamente. Si los datos cambian de patrón, el modelo también se actualiza.