Huellas Digitales y el Futuro del Scoring de Crédito en LATAM
Descubre cómo las huellas digitales están transformando el scoring de crédito en LATAM, impulsando la inclusión financiera.
Las organizaciones de crédito tradicionales de evaluación del riesgo de crédito se basan en información financiera sobre el prestatario potencial.
Sin embargo, este enfoque no satisface las necesidades de los mercados emergentes. Incluidos los países de Latinoamérica.
Lea por qué es así y cómo puede ayudar la propuesta del modelo credit scoring enriquecido con datos alternativos.
¿Por qué el credit scoring tradicional no funciona en los países de LATAM?
México y otros países latinoamericanos se caracterizan por ciertos rasgos que hacen ineficaces los tradicionales modelos de credit scoring.
Éstos son los principales:
1. Escasa cobertura por parte de las agencias de crédito. De acuerdo con el Banco Mundial, 122 millones de habitantes de Latinoamérica no tienen acceso a servicios bancarios.
La peor situación se vive en México, donde el 45% de la población no tiene cuentas bancarias.
En consecuencia, las instituciones financieras carecen de información para el análisis de riesgo crediticio de la forma tradicional.
2. Empleo informal y estructura variable de la renta. Según estadísticas del Banco Internacional de Desarrollo, en Latinoamérica, el 55% de los residentes tienen un empleo informal.
Al mismo tiempo, los ingresos oficiales son uno de los requisitos obligatorios de los bancos tradicionales. Esta es otra razón por la que la mayoría de la población adulta de la región de LATAM no puede esperar recibir un préstamo.
3. Problemas de KYC y verificación de identidad en las zonas rurales. Entre ellas, el acceso limitado a documentos oficiales, la frecuente falta de una dirección formal, los altos índices de delincuencia, todo ello.
Desgraciadamente, los métodos tradicionales de credit scoring no bastan para resolver estos problemas. Los prestamistas no pueden prescindir de los servicios de proveedores de datos alternativos en LATAM.
Las huellas digitales como nueva mina de oro de datos
La ciencia de los datos está a punto de revolucionar la concesión de préstamos a los latinoamericanos.
Se trata de datos alternativos, de los que se considera que los más informativos son las huellas digitales de los solicitantes.
Este término se refiere a toda la información que queda libremente disponible en la web como resultado de la interacción de los usuarios.
Expliquemos con un ejemplo concreto.
Para la región de LATAM es pertinente recopilar y analizar esas huellas digitales de los prestatarios potenciales:
- Actividad de MercadoLibre
- Registro de WhatsApp
- Dominios de correo electrónico Telcel
Este enfoque genera el puntaje de crédito digital en países con bajos niveles de inclusión financiera. De este modo, más personas tienen acceso al crédito y los prestamistas pueden ampliar considerablemente su base de clientes.
Una gran ventaja es que el nivel de cobertura de los operadores móviles en Latinoamérica es bastante alto. Gracias a ello, el prestamista puede obtener información sobre casi todos los solicitantes.
Para confirmar nuestras palabras, recurramos a las estadísticas oficiales:
- En Latinoamérica, el 72% de la población utiliza teléfonos móviles y el 65% Internet móvil.
Se prevé que estas cifras aumenten:
- En México, 15 millones de personas conéctese a MercadoLibre para comprar en línea todos los meses.
- WhatsApp es la plataforma de mensajería más demandada en Latinoamérica. En algunos países, como Brasil y Chile, más del 90% de la población la utiliza.
- Telcel es otro líder regional. Tiene el 64% de los abonados inalámbricos de México.
Tres formas de enriquecer el credit scoring
El sistema de scoring RiskSeal utiliza una amplia gama de variables que pueden mejorar la precisión de los modelos de credit scoring.
Estas pueden recopilarse de tres formas:
1. Búsqueda de cuentas por correo electrónico. Con este método, puede detectar cuentas registradas a una dirección de correo en redes sociales y en otras plataformas.
También es posible averiguar información sobre el dominio, establecer el hecho de que la dirección está en la lista negra, comprobar la edad, la actividad y el tipo de buzón.
2. Búsqueda por número de teléfono. El número de teléfono también permite acceder a un gran número de variables.
Por ejemplo, este método puede utilizarse para identificar números desechables y las tarjetas SIM virtuales, encontrar cuentas en línea vinculadas y verificar la entrada en bases de datos de alto riesgo.
Otra ventaja es la posibilidad de comparar el código del operador con los datos de residencia de la solicitud de crédito y la geolocalización establecida.
3. Búsqueda por IP. Esta comprobación permite establecer el tipo de conexión y fijar la geolocalización del usuario.
Este método también puede utilizarse para identificar una verdadera señal de alarma para el prestamista: el uso de un anonimizador.
Al fin y al cabo, los estafadores suelen intentar ocultar sus datos reales recurriendo a la conexión mediante TOR, VPN y a otros servicios similares.
Las variables que tienen un valor en LATAM
El mercado digital en Latinoamérica es bastante específico. Los mensajeros locales y las redes sociales son muy populares aquí.
Por lo tanto, vale la pena considerar las variables relevantes para la credit scoring en estos países.
- Tipo de dispositivo desde el que el usuario accede al sitio (PC, tableta, smartphone).
- El dispositivo móvil utiliza un sistema operativo (iOS/Android). Obsérvese que los usuarios de Android dominan en Latinoamérica: cerca del 85% de ellos en esta región.
- Dominio del proveedor de correo electrónico (@hotmail.com.mx vs @gmail.com).
- Tarifas (tarjetas SIM de prepago y planes de pospago).
- Actividad de IP en regiones con (altos niveles de fraude) (tarjetas SIM de prepago y planes de pospago).
- El canal que llevó al prestatario al sitio (hacer clic en un enlace publicitario o introducir una URL).
- Hora de contacto con el organismo de crédito.
- Las peculiaridades de la escritura de la dirección de correo electrónico (presencia de dígitos, nombre del cliente, los errores, las letras minúsculas).
- Prohibición de seguimiento (los estafadores pueden elegir este tipo de configuración para ocultar los datos reales).
Gracias al enriquecimiento de datos crediticios, estas variables permiten construir un perfil financiero completo del solicitante incluso sin un historial crediticio.
AUC como método de evaluación de modelos de credit scoring
Para saber hasta qué punto una organización de crédito ha aplicado bien el análisis de riesgo crediticio, es necesario evaluar el poder discriminatorio del modelo de credit scoring.
Para ello, es útil referirse al AUC (área bajo la curva). Demuestra la probabilidad de que el modelo distinga claramente entre buenos prestatarios y prestatarios propensos al impago.
Para eterminar este indicador se utiliza un gráfico:
Para interpretar el gráfico, recurramos al estudio “On the Rise of FinTechs – Credit Scoring using Digital Footprints”.
El AUC se expresa como un valor numérico de entre 0 y a 1. Cuanto mayor sea el valor, mayor será el poder predictivo del modelo.
Por ejemplo, un valor de 0,5 puede considerarse una predicción aleatoria. Mientras que 1 significa un resultado perfectamente exacto.
En el gráfico anterior, vemos un AUC = 0,65. Esto es normal para regiones con información insuficiente. Mientras que con datos suficientes, el valor deseado sube a 0,7 o más.
Cómo detectar impagos con datos alternativos
El mismo estudio menciona una correlación directa entre la calificación crediticia de un prestatario y la probabilidad de impago de un contrato de préstamo.
También se encontró una correlación entre el nivel de impago y las variables individuales.
Esto se muestra en el siguiente gráfico:
¿Qué conclusiones pueden extraerse?
- El conocimiento de la calificación crediticia a una persona puede sugerir el nivel probable de impago. Así es como están interconectados:
- los prestatarios con la calificación crediticia más alta muestran la menor probabilidad de impago (obsérvese los deciles en la esquina inferior izquierda del gráfico);
- los usuarios con calificaciones bajas tienen más probabilidades de impago (deciles en la esquina inferior derecha).
- Análisis de la huella digital permite determinar con mayor precisión el riesgo de impago. El gráfico muestra la relación entre determinadas combinaciones de las huellas digitales y el riesgo de impago.
En Latinoamérica, combinaciones como "Android + @hotmail.com.mx" se asocian a altas tasas de morosidad. Otros pares, sin embargo, indican una menor probabilidad de impagos.
- Las huellas digitales individuales también pueden ser informativas para un prestamista. Sin embargo, su valor informativo puede ser menor que el de las combinaciones de datos.
Así, el estudio demuestra la importancia de utilizar los datos alternativos en México y otros países de LATAM para mejorar la precisión de la evaluación del riesgo crediticio.
Introducción de RiskSeal en Latinoamérica
El sistema de scoring de RiskSeal proporciona a sus clientes de México y otros países latinoamericanos más de 400 puntos de datos para cada solicitante sin historial crediticio.
Con nuestra plataforma,obtienes un puntaje de crédito digital listo para usar y un perfil financiero completo del prestatario.
Esto es posible mediante el análisis de más de 200 servicios en línea globales y los locales.
El resultado será una gestión optimizada del riesgo, la toma de las decisiones sobre las solicitudes de préstamo con conocimiento de causa y la ampliación de la base de clientes.