Poker Table con Grupo Incofisa. “Fintech y Big Data : Nuevos modelos de scoring”

Las Fintech siguen revolucionando las finanzas. Su capacidad de utilizar nuevos conjuntos de datos y herramientas de evaluación para medir el riesgo crediticio de los nuevos clientes, es una forma de ver cómo la tecnología ayuda y permite cambiar la forma de hacer el análisis de riesgo de crédito.

En el último encuentro digital organizado por Finnovating, el pasado 28 de octubre, tuvo la oportunidad de realizar una mesa de debate con el Grupo Incofisa, el grupo de empresas españolas especializadas en el sector de investigación y análisis de riesgos, junto a representantes de compañías como Axi Card, la startup que está disrrumpiendo en el sector de las tarjetas de crédito; y Ebury, una de las mayores scaleups a nivel europeo.

La denominada Poker Table, trataba los temas sobre la evolución de los modelos tradicionales de los riesgos de crédito y los nuevos modelos de scoring implementando el Big Data y la Inteligencia Artificial. De la mano de Luis Felipe Valero, Director de Negocios Estratégicos de Incofisa; María Sánchez, Risk Manager en Ebury y Juan Pablo Mecerreyes, Chief Operating Officer de Axi Card y Rodrigo García de la Cruz, CEO de Finnovating.

Las principales cuestiones que se plantean sobre la mesa son ¿Cómo se va a revolucionar a través de los datos y la tecnología el riesgo de crédito?, sobre todo en análisis de patrones de comportamiento. ¿Cómo están evolucionando los modelos de los riesgos de crédito?

Ante estas cuestiones, no se puede evitar protagonizar a la crisis generada por la pandemia, en la que la tecnología ha ayudado a muchas personas y empresas permitiéndoles actuar de forma remota y reducir costes. Y para los prestamistas, ha abierto el camino para recopilar grandes cantidades de información y analizar patrones de comportamiento.

“La crisis sanitaria que está causando esta pandemia está generando un fuerte impacto muy negativo en la actividad económica” asiente D. Luis Felipe Valero

Por lo que se ha hecho necesario impulsar más rápidamente modelos de scoring probabilísticos, con los que se tiene más en cuenta la estadística en la decisión de procesos de admisión, seguimientos y contratación de deuda.

 “Las comercializadoras cada vez le dan mas importancia a todo el tema del riesgo de crédito. Cualquier impagado hace daño” afirma María Sánchez.

Con ello, también afirma María Sánchez, que la previsión tanto para el cliente B2b como para el cliente B2c no es muy buena. “El cliente B2b se ha visto obligado a cerrar todo sus establecimientos y esto impacta directamente al sector de las utilities. Y al cliente B2c, porque cada vez protegen más a este tipo de cliente y de alguna forma dificultan el corte ante cualquier situación de impago”.

Esto hace que las utilities acudan cada vez más a recursos de modelos de scoring predictivos.

“Este año y los dos siguientes van a estar marcados por la importancia del riesgo de crédito” aviene María Sánchez.

Ante esta situación, Juan Pablo Mecerreyes defiende que la manera en la que está impactando esta pandemia, las empresas más flexibles salen más fuertes.

“Siempre que hay incertidumbre, aparecen oportunidades. Y quien aprovecha esas oportunidades son las empresas más flexibles” declara Juan P. Mecerreyes

¿Como están evolucionando los modelos de riesgo de crédito?

Ante estas cuestiones los expertos plantean ideas similares.

Juan Pablo Mecerreyes defiende que “las empresas tradicionales están empezando a incorporar sistemas de Big Data y Matching learning, que les enseñe a ver cómo combinar y hacer convivir su modelo tradicional con el nuevo modelo probabilístico que se necesita incorporar. Cómo predecir el comportamiento futuro del cliente y aportar calidad al dato que tienen”.

María Sánchez también destaca los modelos de scoring predictivo. “Gracias a la IA las entidades financieras tienen a su disposición información del cliente mucho más completa, necesaria a la hora de otorgar crédito y, gracias a esto, se pueden desarrollar patrones de comportamiento para predecir cómo el cliente se va a comportar a la hora de hacer frente a los pagos”.

Beneficios del modelo probabilístico frente al modelo tradicional

¿Cuáles son los beneficios que se han constatado comparando el modelo del riesgo tradicional con el probabilístico? ¿Cómo influye en el riesgo de impacto y los costes?

“Hemos visto cómo los clientes que están utilizando nuestra solución de scoring han bajado el coste de la recuperación de la deuda en torno  a un 60-70%” reconoce D. Luis Felipe Valero

María Sánchez asiente que “los modelos predictivos nos permiten tomar decisiones mucho mas rápidas, más precisas y más rentables”.

También afirma que aquello que no debería pasar es que el precio supere al margen comercial a la hora de consultar el riesgo del cliente para contratarlo o no. “Soluciones como las que ofrece Incofisa o con soluciones de modelos de scoring predictivo el problema se acabaría” concluye María Sánchez.

Para no perder detalle sobre ningún aspecto, puedes ver el encuentro completo aquí: https://www.youtube.com/watch?v=qTiYjX5fowI&t=1299s