Los bancos, las cajas de ahorro, las cooperativas de crédito o las aseguradoras utilizan los modelos predictivos desarrollados por Experian para detectar si eres un pagador excelente o si por lo contrario hay riesgo de impago. La compañía tecnológica está especializada desde hace más de 20 años en servicios y soluciones de prevención del riesgo crediticio, prevención del fraude y desarrollo de estrategias de recobro.
“Imagina que una micropyme entra en un banco a pedir un préstamo. La entidad nos da el CIF de la compañía y nosotros le devolvemos la probabilidad de impago” señala Ricardo García, Iberia Analytics Director de Experian, en una entrevista con MERCA2.
Por una parte, obtienen información con el Buró de Crédito, una base de datos con información sobre de las entidades financieras sobre aquellos que impagan y que depende de las aportaciones de los bancos. Experian solo pueden ver las incidencias de los clientes y después hacer modelos estadísticos para predecir.
Es entonces cuando aplican tecnologías como el Big Data y técnicas avanzadas de Machine Learning, ya que mejoran la capacidad de predecir el riesgo de impago en un 30%. Según sus cifras, el 82% de los directivos del sector bancario son conscientes de la relevancia de los datos y la analítica avanzada para los negocios, por ello están aumentando sus inversiones, para poder generar modelos predictivos que les permitan mejorar sus resultados de forma sistemática.
VALOR AÑADIDO
Gracias a ellos, la cantidad de data se convierte en insights de valor añadido para la toma de decisiones de negocio y la configuración de su estrategia empresarial. En concreto, las técnicas avanzadas de Machine Learning aumentan la discriminación entre buenos y malos pagadores, mejoran la prevención de fraude, y permiten una mayor personalización de productos.
Los modelos estadísticos avanzados de evaluación del riesgo de impago consiguen minimizar pérdidas, ya que predicen de forma más ajustada qué clientes tienen una mayor probabilidad de ser peores pagadores. E identifican mejor a aquellos pagadores “excelentes” entre la población de buenos pagadores.
Adicionalmente, previenen mejor el fraude para así tomar medidas al respecto. Y permite personalizar la oferta, con mayor probabilidad de acertar, y de forma más eficiente.
El de Experian explica que para predecir el riesgo de impago en nuevos clientes se tienen en cuenta características sociodemográficas, financieras (como nivel de renta) y su comportamiento de pago histórico. En su opinión, “evaluar la capacidad de pago de un consumidor es de importancia crítica cuando se trata de encontrar el producto o servicio idóneo”.
El comportamiento de pago del español “ha mejorado en los últimos años al igual que la economía”, pero a nivel individual o de empresas depende de sus características. El nivel de ingresos es una variable importante y presenta correlación con la edad. Lo mismo ocurre con la economía, como ha mejorado la tendencia mejora.
FRAUDE O RIESGO
En palabras de García, no es lo mismo fraude que riesgo de crédito. Los modelos se desarrollan para riesgos de impago, pero por razones de solvencia no es específico para predecir fraude.
“Un cliente puede tener intención de pago, pero no pagar por estar desempleado”. Su modelo está para detectar solvencia, aunque también detecta fraude. “Somos líderes en creación de modelos de fraude específicos”.
Por ejemplo, aquellas ciudades donde el ingreso medio es más alto hay más tendencia a pagar mejor. Lo mismo ocurre con la edad, un nivel de ingresos más alto suele ir acompañado por una edad más madura, pero varia de sector a sector.
En el caso de aparecer como persona con riesgo de impago, Experian ofrece un dato objetivo a la entidad financiera y es ella la que toma la decisión dependiendo del apetito al riesgo que tenga. La tecnología “juega un papel crítico en el procesamiento de datos”, concluye.
