La vida en 3D: El uso de datos alternativos permite tomar decisiones sobre riesgos crediticios
La vida en 3D: El uso de datos alternativos permite tomar decisiones sobre riesgos crediticios
Como seres humanos, percibimos el mundo en tercera dimensión. Nos ayuda a analizar todo lo que hacemos, desde interpretar las reacciones de la gente para poder responder adecuadamente hasta saber a qué altura debemos avanzar para no caer. Sin embargo, desde la perspectiva de una entidad crediticia, a menudo nos veremos obligados a determinar el riesgo crediticio en una sola dimensión, utilizando una puntuación de crédito tradicional. Y si no hay puntuación crediticia, lo más probable el asunto quede rezagado.
Así que, como financieras, ¿cómo podemos cambiar nuestra visión unidimensional de un posible cliente, ya sea una empresa o un particular, y visualizarla en 3D para evaluar el riesgo crediticio?
Los datos alternativos sirven para llenar los espacios en blanco.
Hoy en día, los datos alternativos permiten crear un enfoque más ágil en el proceso de toma de decisiones sobre el riesgo crediticio. Abre un mundo nuevo de información: la ubicación, la presencia en las redes sociales, el historial de mensajes de texto, los antecedentes laborales, la formación académica y las búsquedas en Internet, todo lo cual puede jugar un papel importante a la hora de adoptar un enfoque de datos alternativos para la toma de decisiones sobre el riesgo crediticio. Un enfoque que no depende de un informe crediticio tradicional.
Pensemos en tus clientes potenciales como una imagen en 3D que espera ser contemplada. ¿Cómo se verán estos rostros y, en última instancia, cómo se determinará si se les debes otorgar un préstamo?
Aprueba mi crédito: Haz crecer tu negocio usando datos alternativos
Los datos alternativos tienen el poder de ayudar a hacer crecer y expandir tu negocio. ¿Cómo? Te permiten obtener un conocimiento más profundo de los clientes potenciales y existentes. El uso de los tipos adecuados de datos alternativos ofrece una imagen más completa y precisa del riesgo crediticio. En este sentido, imagina que estás construyendo una visión tridimensional de una persona. Puede que actualmente dependas de los métodos tradicionales para crear una visión unilateral de alguien, y aunque esto puede ser un indicador sólido del riesgo crediticio, a menudo hay mucho más que considerar, especialmente si no se dispone de un score crediticio tradicional. Entonces, ¿cómo puedes utilizar datos alternativos para impulsar el crecimiento del negocio?
1. Di que sí más a menudo
Un aspecto que puede beneficiarse del uso de datos alternativos es la toma de decisiones para los consumidores invisibles, con poco historial crediticio o que no están bancarizados.
Este grupo, que a menudo supone un reto para las entidades crediticias, incluye a los consumidores no bancarizados o subbancarizados que buscan una oportunidad para obtener un crédito, pero que carecen de un puntaje de crédito tradicional o de un historial crediticio. Los datos alternativos se convierten en una puerta de entrada a los servicios financieros y los incorporan al ecosistema crediticio.
Las micro y pequeñas empresas son también otro cliente a tener en cuenta. Las MIPYMES pueden tener dificultades para acceder al crédito: los trámites, el papeleo y la comprobación de antecedentes pueden ser tediosos y lentos, lo que significa que no consiguen acceder a los fondos con rapidez, algo que muchas pequeñas
empresas necesitan desesperadamente. Algunas MIPYMES optan incluso por desistir por completo al proceso de crédito tradicional. Pero los datos alternativos pueden ayudar a superar estas barreras y ayudar a los emprendedores a acceder al crédito mediante la creación de un perfil más preciso y completo con una respuesta más rápida.
Un estudio de TransUnion1 sobre financieras y entidades de crédito que utilizan datos alternativos reveló que:
utiliza datos alternativos para evaluar a los consumidores con poco o ningún historial
El El El 87% 64% mejora la evaluación del riesgo entre los consumidores no bancarizados mediante el uso de datos alternativos
67% evalúa a los consumidores no preferentes mediante datos alternativos
Al utilizar datos alternativos, estas instituciones de crédito están creando un panorama más completo de la solvencia de un grupo más amplio de consumidores. De hecho, el 71% de los encuestados está de acuerdo en que los datos alternativos les proporcionan una visión más completa del riesgo crediticio de los consumidores.
2. Sin dudas
Mejora la precisión y aumenta la confianza en el precio del crédito. Los datos alternativos pueden disipar las dudas que anteriormente provocaban la descalificación de clientes o a sobrevalorar una oferta para cubrir riesgos desconocidos. Los datos alternativos crean nuevas oportunidades para las entidades de crédito al ampliar su base de clientes, pero también es una oportunidad para mejorar su comprensión de sus clientes existentes al complementar su visión actual. La ingesta de datos adicionales a tu modelo mejora el detalle de tu perfil 3D: gira, amplía, reduce y mira desde una perspectiva diferente.
Los datos alternativos abren la puerta a nuevas posibilidades con precios y ofertas de productos personalizados, además de la oportunidad de realizar ventas adicionales en el momento preciso. Imaginemos que estamos remodelando una casa y nos basamos únicamente en dibujos y planos en 1D: nos dan una idea bastante buena, pero no nos permiten visualizar fácilmente el producto terminado (o hacer cambios) como lo hace un render en 3D.
Confiar en una perspectiva unidimensional para determinar el riesgo crediticio de un cliente es algo parecido: un score crediticio tradicional y estático no puede ofrecer la misma agilidad que proporciona una visión más holística. Cuando logramos que un cliente sienta que hemos creado especialmente productos y servicios para atender sus necesidades, habremos establecido la lealtad, algo que puede ser difícil de conseguir en la sociedad actual en la que todo es instantáneo. El resultado son nuevas oportunidades de préstamo, mejores experiencias de los clientes y tasas más bajas y competitivas.
Las entidades crediticias que utilizan datos alternativos experimentaron un:
de aumento en la aceptación de ofertas1
de mejora en la fijación de precios1
Pero esto no es todo. El valor de los datos alternativos es ilimitado. Descubre nuevas oportunidades de mercado, incurre en menores costos de transacción e identifica y previene el fraude. ¿Te preocupa el retorno de inversión que supone la implementación de una estrategia de datos alternativos? Despreocúpate El 64% de las financieras experimentaron1 beneficios tangibles en un año.
Explorando la topografía: Utilización de datos
alternativos a lo largo del ciclo de vida del crédito
Analicemos cómo los datos alternativos pueden aportar valor a lo largo del ciclo de vida del crédito al cliente:
1. Incorporación/Verificación de identidad
Los datos alternativos pueden utilizarse en el proceso de incorporación para simplificar la experiencia del cliente y crear una oferta más adecuada que no dependa únicamente de un informe de crédito. Además, los datos alternativos desempeñan un papel clave en la disminución del fraude. La región latinoamericana, al igual que el resto del mundo, registró un fuerte aumento de fraudes durante 2020, donde México enfrentó un aumento del 40%, Argentina un 170%, Colombia un 34% y Chile un 35% de intentos de fraude2 durante el primer trimestre de 2020. Las fuentes de datos alternativas, como una dirección de correo electrónico, la titularidad del teléfono y las fotos, entre otras, se pueden utilizar para verificar la identidad y, a su vez, prevenir fraudes. Según se informa, las instituciones de crédito en línea pueden mejorar sus índices de detección de fraudes hasta en un 92%3 al momento de la solicitud, lo que les permite reducir las pérdidas por fraude.
2. Suscripción/decisión
ILa incorporación de puntos de datos alternativos en un modelo de riesgo crediticio puede ayudar a mejorar el proceso de suscripción y posibilitar una toma de decisiones más sólida ya que no se limita la manera de determinar el riesgo. La precisión mejora, y los datos alternativos apoyan estrategias de precios más puntuales. Podrás promover la mejora de la cartera desde dos ángulos: reducción de
los impagos y productos más competitivos. De hecho, los datos alternativos ofrecen resultados de modelización superiores. Los modelos de riesgo crediticio califican con mayor precisión al 90% de los solicitantes que habrían dado una respuesta negativa o de historial reducido utilizando únicamente datos tradicionales.4 Y, en América Latina, donde casi el 56% de los responsables de las decisiones en materia de tecnología financiera consideran que la inclusión financiera es la mayor oportunidad para 2022, encontrar una manera de predecir con precisión el riesgo crediticio es un paso fundamental para el éxito.5
3. Upsell/cross-sell
Los datos alternativos pueden identificar los acontecimientos de la vida que desencadenan nuevas necesidades financieras, como la compra de una propiedad, el nacimiento de un hijo o el ingreso a la universidad, entre otros. Los datos también pueden mostrar los pagos que realiza un cliente a otras instituciones de crédito, cambios en el comportamiento de consumo, un aumento de ingresos o el pago puntual de servicios públicos, identificando oportunidades para nuevos productos y servicios.
Esta información se puede utilizar para conocer mejor a los clientes y brindarles ofertas específicas de upsell y cross-sell, lo que permite ofrecer los productos adecuados en el momento oportuno, creando así una experiencia personalizada y valiosa para el cliente.
Visión en 3D: Cómo superar los retos comunes de los datos alternativos
64% de las financieras que no utilizan datos alternativos, menciona que el desarrollo o la prueba de nuevos modelos es un reto1 de las financieras carecen de conocimientos internos en datos alternativos1 46% El
Casi la mitad de las instituciones de crédito mencionan la falta de conocimientos internos como un desafío clave para implementar una estrategia de datos alternativos. Una solución que acelera su ejecución es contratar a un socio con experiencia. Este socio debe ofrecer una variedad de capacidades de datos alternativos para cubrir este vacío de conocimiento interno. Sin embargo, debes elegir bien a tu socio; debe contar con un historial comprobado de uso de datos alternativos en los modelos de toma de decisiones de riesgo crediticio. Trabajar con un socio que complemente las fortalezas del equipo puede impulsar significativamente los resultados al llenar los vacíos en tu imagen 3D.
El uso eficaz de los modelos de riesgo no se limita a los datos alternativos. Muchas financieras tienen dificultades para desarrollar, probar y aplicar modelos de riesgo crediticio. Algunos de los principales retos que impiden un fácil despliegue de los modelos son los retrasos en la recodificación de los mismos, causados por una tecnología que sólo es compatible con determinados lenguajes, y la lenta integración de los datos. Una encuesta de Rexer sobre la ciencia de datos reveló que sólo el 13% de las empresas6 "casi siempre" implementa correctamente los modelos de análisis.
Muchas empresas han recurrido a las soluciones de decisión SaaS para resolver estos problemas. Por ejemplo, la solución adecuada será compatible con cualquier lenguaje de modelado, lo que permitirá a tu equipo desplegar rápidamente modelos avanzados de predicción y aprendizaje automático. La solución también debe hacer que la integración de datos alternativos sea rápida y sencilla, para que se puedan probar nuevos tipos de datos en tiempo real.
47% de las financieras considera que el acceso a fuentes de datos externas es un reto1
Dado que las entidades de crédito se han basado sistemáticamente en tipos de datos tradicionales, resulta lógico que muchas de ellas se sientan intimidadas por la perspectiva de integrar nuevas fuentes de datos, sobre todo porque el tipo de datos necesarios puede variar en función de cada situación.
Por ejemplo, para un consumidor sin historial de crédito, el uso de los pagos del alquiler puede ser predictivo. Y para otro consumidor, consultar la información de la billetera móvil puede ser útil para aquellos clientes que no suelen utilizar una tarjeta.
Algunos estudios han definido4 las siguientes características que debe reunir una buena fuente de datos:
1. Cobertura – Una cobertura consistente y amplia dentro de un mercado específico permite una recopilación de datos fácilmente viable. Por ejemplo, ¿qué porcentaje de adultos utiliza un teléfono móvil en una región?
2. Especificidad – Los datos detallados de un prestatario pueden crear una imagen completa, como los pagos puntuales y la morosidad durante un periodo de tiempo determinado
3. Exactitud y puntualidad – Es fundamental disponer de datos precisos y actualizados frecuentemente. Hay que actualizarlos constantemente.
4. Predictivos – Los datos deben contener información relevante para el comportamiento que se pretende predecir. Por ejemplo, los datos de pago de servicios públicos pueden ser predictivos del comportamiento de pago.
5. Cumplimiento – Los datos deben cumplir con las regulaciones locales de crédito al consumo, por ejemplo, los datos que se consideran de conformidad en México pueden ser diferentes de los datos que se pueden utilizar para predecir el riesgo de crédito en Brasil.
¿Cómo se pueden encontrar y utilizar fuentes de datos alternativos?
Opción 1: Proveedor por proveedor
Trabaja directamente con un proveedor de datos. A la hora de buscar uno, es importante seleccionar una empresa que cumpla los criterios expuestos en los cinco puntos anteriores.
Unas cuantas preguntas pueden ayudarte a analizar a los posibles socios:
• ¿Se pueden integrar las fuentes de datos dentro del sistema existente?
• ¿Cuánto cuestan los datos?
• ¿El conjunto de datos alternativos proporcionará un buen retorno de inversión?
• ¿Cuánto tiempo se requiere para integrar los datos en su sistema?
• ¿Qué regiones abarca?
• ¿Los datos cumplen con los requisitos regulatorios y de cumplimiento?
• ¿Cuántos tipos de datos ofrece?
Cuando hayas encontrado un socio, deberás firmar un contrato y entender el proceso de integración. Otras preguntas pueden ser qué tipo de cambios tecnológicos y de procesos son necesarios, qué recursos internos se necesitan y cuál es la curva de aprendizaje para la implementación y el análisis.
Opción 2: Acercarse al mercado
Utiliza un centro de datos. A través de un marketplace de datos como el de Provenir, las financieras pueden acelerar y mejorar la precisión de las decisiones de riesgo seleccionando numerosas fuentes de datos en el ecosistema crediticio para satisfacer las necesidades individuales. Al elegir un centro de datos, asegúrate de seleccionar un proveedor que pueda respaldar tu estrategia de datos alternativos, tanto ahora como a futuro.
Algunas preguntas que puedes hacer son:
• ¿Los datos cumplen con los requisitos regulatorios y de cumplimiento?
• ¿Tienen socios en todas las regiones?
• ¿Qué tipos de datos alternativos están disponibles?
• ¿Es fácil integrar los datos en mis procesos de toma de decisiones?
• ¿Necesitaré el apoyo de un proveedor para agregar fuentes de datos a mi base?
• ¿Tendré que actualizar las integraciones?
• ¿Agregan nuevos proveedores al marketplace?
Una vez que hayas elegido tu solución de mercado de datos, seleccionarás tus fuentes de datos y las conectarás a tu solución de toma de decisiones. Con Provenir encontrarás todo esto, tu feed de datos en tiempo real y personalizable. Puedes elegir los datos para construir tu visión 3D de los clientes, todo a través de un único marketplace y API.
Descubre un panorama más amplio: Análisis de posibles tipos de datos alternativos
Ya sea por la edad, la experiencia o el uso de las redes sociales, las personas presentan todo tipo de perfiles. Su diversidad es lo que las convierte en fuertes candidatas para ser tus clientes. La combinación de diferentes puntos de datos variará para todos los clientes y tener un proceso de riesgo crediticio dinámico es fundamental.
Hay muchos datos alternativos de donde elegir para crear una visión completa en 3D de las personas y su entorno. Los múltiples tipos de datos pueden reforzar el proceso de decisión sobre riesgos, pero se requerirá una combinación diferente para diferentes aplicaciones.
Encontrar los datos alternativos adecuados es la clave. Al combinarlos y crear un modelo de riesgo crediticio que maximice el ROI, puede orientarse a clientes potenciales, ampliar el crédito a nuevos prestatarios, crear nuevas oportunidades para los clientes actuales y proporcionar una experiencia de cliente mejorada gracias a la velocidad de comercialización y a la reducción del papeleo.
Y al mismo tiempo, obtendrás una reducción de costos, mayor competitividad y una disminución de los riesgos de fraude y de cartera.
A continuación, presentamos algunos tipos de datos alternativos que puedes considerar para tu proceso de decisiones de riesgo crediticio. Imagina que cada tipo de datos es como un ladrillo y que al organizarlos podrás crear distintos tipos de imágenes en 3D, sin olvidar que los tipos de datos variarán en función de las regiones y de las circunstancias de los clientes (o de tus productos).
Alternative Data Types:
Esta lista de fuentes de datos alternativos no es exhaustiva. Independientemente de las fuentes de datos que mejor se adapten a tu modelo de negocio, el objetivo es procesar los datos alternativos adecuados para construir el perfil crediticio correcto por persona o negocio y prestar sobre la base de una puntuación de riesgo crediticio ajustada sin sacrificar la velocidad o el riesgo financiero.
A continuación, se muestran algunas compañías que han tenido éxito con algunos de los datos alternativos mencionados:
• El micro prestamista Baubap, con sede en México, se enfoca en clientes sin historial de crédito. Utilizando una tecnología de suscripción propia para crear calificaciones crediticias de clientes a través de datos alternativos, los clientes sólo necesitan tener una credencial de elector mexicana vigente y un teléfono con OS Android. Esto les permite recibir un microcrédito aprobado de 500 a 5,000 pesos en cuestión de minutos.7
• La fintech estadounidense Petal es una compañía de tarjetas de crédito que ofrece productos para los consumidores que no están familiarizados con el crédito y que suelen ser ignorados por los grandes bancos. Petal analiza el historial bancario del consumidor y crea una puntuación de crédito alternativa llamada Cash Score, que mide la solvencia en función de los ingresos, los ahorros y el historial de gastos.8
• La fintech de Singapur Credolab trabaja con financieras de todo el mundo y ha constatado que, cuando trabaja con sus clientes en África, la mejor fuente de puntuación alternativa procede de los datos de las billeteras móviles, ya que muy pocos consumidores utilizan tarjetas de débito o de crédito. Estos datos alternativos también sirven para sustituir los datos de los ingresos, ayudando a calcular el valor predictivo para las decisiones de riesgo crediticio.9
• La empresa argentina Findo utiliza un algoritmo crediticio para analizar la aplicación, los ingresos, los contactos y otros datos del smartphone del cliente. De este modo, se crea una puntuación de crédito móvil que permite a la fintech evaluar el riesgo crediticio y ofrecer préstamos al instante.10
Construye una imagen más
amplia: Cómo emplear los datos alternativos de manera práctica
La transición de una visión de datos unidimensional o incluso bidimensional a una visión tridimensional completa de los clientes puede parecer una tarea compleja, pero en realidad no lo es. Utiliza los siguientes pasos prácticos para empezar a usarlos:
1. Prueba de concepto (POC, por sus siglas en inglés)
Define qué clientes y decisiones de crédito deseas predecir. ¿Te diriges a clientes no bancarizados, a pequeñas empresas que buscan préstamos a corto plazo o a consumidores jóvenes con un historial crediticio mínimo? Piensa en tus objetivos: ¿tratas de predecir qué clientes pagarán sus préstamos a tiempo o intentas determinar el valor de los préstamos para ser más competitivo? Utiliza esta información para desarrollar un proyecto de prueba de concepto.
2. Prepara tus modelos de riesgo e identifica a los socios de datos
Una vez que tu proyecto esté listo, tendrás que definir tu estrategia de riesgo crediticio e identificar a los socios de datos. En función de tu estrategia de negocios podrás elegir entre obtener primero el modelo o los datos. Ya sea que construyas internamente el modelo o recurras a un tercero, necesitarás obtener los datos para apoyarlo, mediante la contratación de múltiples socios de datos o a través de un marketplace.
3. Integra + Automatiza
Crea una solución de decisión automatizada para gestionar el procesamiento directo de las solicitudes de principio a fin. Los datos de los proveedores o del marketplace que hayas elegido se integrarán en estos flujos de trabajo. Con la tecnología adecuada, esto debería ser un proceso rápido y sencillo. Implementarás tus modelos de riesgo en estos procesos para ofrecer experiencias de usuario excepcionales y podrás almacenar los datos que necesitas para realizar un seguimiento completo de los KPI en todo el flujo de toma de decisiones.
4. Analiza
Para supervisar el desempeño de tus modelos de riesgo de datos alternativos, deberás analizar los datos en función de los KPI predeterminados de tu proyecto POC. Estos pueden incluir las tasas de aprobación, el precio promedio, la velocidad de decisión, la precisión del riesgo crediticio, las tasas de incumplimiento y mucho más. Con la información comercial, los modelos de aprendizaje automático y las herramientas de visualización directamente integradas en tu solución de toma de decisiones, podrás hacer un seguimiento de estas métricas en tiempo real.
5. Determina el retorno de la inversión
Cualquier fuente de datos conlleva un costo. Para determinar el éxito de tu proyecto de POC, debes evaluar si el aumento del costo que supone el uso de más datos se traduce en una mejora del comportamiento de la cartera. Los datos muestran que la mayoría de las financieras recuperan el costo de los datos alternativos en el primer año, por lo que puedes estar seguro de que invertir en una estrategia de datos alternativos valdrá la pena.
El panorama desde la Nube
Con Cloud Suite de Provenir tendrás acceso a datos nativos en la nube, toma de decisiones, análisis e información, todo en una sola plataforma. Crea rápidamente sofisticados flujos de trabajo de toma de decisiones, integra cualquier fuente de datos y obtén información de negocios en tiempo real. Nuestra interfaz de usuario sin código, que admite una amplia variedad de capacidades de IA y aprendizaje automático en todo el ciclo de vida del cliente, te permite realizar cambios rápidamente, lo que facilita el lanzamiento, el aprendizaje y la innovación, aportando la flexibilidad que necesitas para impulsar el crecimiento de tu negocio.
Descubre cómo nuestro Global Data Marketplace puede ayudarte a encontrar e integrar nuevos socios y fuentes de datos.
Potencia tu estrategia de datos
Fuentes
1 https://www.transunion.com/resources/transunion/doc/insights/research-reports/research-report-stateof-alternative-data.pdf
2 https://www.riskified.com/blog/how-covid-19-is-impacting-ecommerce-in-latam/
3 https://www.prweb.com/releases/how_fintechs_can_use_alternative_data_for_improved_predictive_ modeling/prweb18046239.htm
4 https://www.oliverwyman.com/content/dam/oliver-wyman/v2/publications/2017/may/Oliver_Wyman_ Alternative_Data.pdf
5 https://latamintersectpr.com/the-state-of-latam-fintech-report-latin-americanbankings-new-tangibles-revealed/?utm_medium=email&utm_source=rasa_ io&PostID=38676452&MessageRunDetailID=6575299162
6 https://www.rexeranalytics.com/data-science-survey
7 https://iupana.com/2021/05/24/latams-fintech-lenders-seek-new-models-amid-growingcompetition/
8 https://news.crunchbase.com/news/beyond-payday-loans-more-startups-and-vcs-bank-on-subprimelending-alternatives/
9 https://iupana.com/2021/05/24/latams-fintech-lenders-seek-new-models-amid-growingcompetition/?lang=en&utm_source=iupana&utm_medium=mail&utm_campaign=210913EN
10 https://www.iif.com/portals/0/Files/private/finewdata_cfi.pdf