Autor  Rodrigo Rocha Ajuria  - Advisory & Business Head | Latam de Begini

email: rodrigo.rocha@begini.co

LinkedIn: https://www.linkedin.com/in/rochaajuria/

www.begini.co

El uso de datos alternativos se está volviendo 'mainstream'

Nuevos jugadores como proveedores de fuentes de datos alternativos, Fintech, prestamistas alternativos y nuevos usuarios de datos (p.e. agencias/firmas de analítica de datos, marketplaces, generadores de leads, entre otros) se unen diariamente al ecosistema de reporte de crédito (The World Bank Group, 2022). En especial los proveedores de datos alternativos rápidamente están surgiendo como un nuevo tipo de proveedores de servicios de reporte de crédito o centrales de información ya que dichas organizaciones cuentan en general con buenas capacidades analíticas en sus fuentes de datos no tradicionales que pueden ser usadas en casos de uso de riesgo de crédito como por ejemplo construcción de modelos de crédito y generación de puntajes.

En las últimas dos décadas, se han propuesto muchos modelos de calificación crediticia para individuos y negocios basados en Machine Learning (ML) y un conjunto consistente de predictores, o, índices financieros derivados de datos contables (por ejemplo, índice actual, rendimiento de activos (ROA), índice de deuda a capital, etc.).

A pesar de su poder predictivo, los índices financieros tienen limitaciones. Es difícil para los prestadores de servicios financieros, obtener datos del estado financiero de los micronegocios. Además, puede haber otros factores más allá de los datos financieros que pueden influir en el comportamiento de incumplimiento de los pequeños negocios, como su disposición y capacidad para pagar el préstamo (Putra, Bikash, Redi, & Bozzon, 2020)

Por esta razón, algunos estudios han comenzado a incluir predictores 'no financieros' que incorporan conocimientos sobre comercialización, ventaja tecnológica, calidad de gestión, edad, tamaño, tipo de industria y área geográfica. Si bien mejoran la precisión de la calificación crediticia, estos datos son difíciles de obtener, ya que los prestadores deben gestionar una encuesta en el sitio o tener una relación histórica lo suficientemente larga con los prestatarios para recopilar los datos (Angilella, 2015).

Otra tendencia digna a ser mencionada tiene que ver con que los microempresarios y los individuos en general cada vez son más conscientes del valor que tienen sus datos y desean elegir cuando y como estos datos pueden ser aprovechados para ayudarles a cumplir con sus objetivos tanto personales como comerciales. En el contexto de la inclusión financiera en las economías populares comunitarias en Colombia, se busca que exista 'democratización del crédito' y eso se puede lograr a través de la 'democratización de los datos' de manera que hay una tendencia de los microempresarios a cada vez estar más interesados en tener el poder como consumidores de decidir quienes tendrán acceso a sus datos y como serán usados sus datos para tener acceso a productos financieros más significativos para ellos

¿Cómo evaluar las fuentes de datos?

Existen desafíos en el ejercicio del descubrimiento y la evaluación de datos que incluyen una serie de barreras operativas y técnicas (Exabel, 2022), dentro de los principales tiene que ver con la Calidad de estos datos, es decir, deducir los que verdaderamente son de utilidad. Muchos de estos datos no pueden ser evaluados sino hasta contar con datos de prueba proporcionados por centrales de información, agregadores de datos o Fintech; por lo que se deberían tener en cuenta los siguientes criterios.

• Disponibilidad: Los datos alternativos deben ser de fácil acceso y en la cantidad y vigencia adecuada. Es decir, se deben contar con suficientes datos actualizados y que existan prácticas que los actualicen con frecuencia.

• Cobertura: Una fuente de datos alternativa debe tener una cobertura amplia del segmento o población a analizar y que sea consistente. Por ejemplo, si hablamos de datos de servicios públicos sería si la población cuenta con datos de cierto servicio público con determinada compañía, si se habla de datos de dispositivo móvil con Android, la cobertura podría ser la penetración de este tipo de sistema operativo dentro del total de la población a ser evaluada.

• Especificidad: La fuente debe proporcionar información específica sobre el individuo a ser evaluado. Para el caso de los micronegocios deberá ser específica sobre su actividad económica

• Ortogonalidad: Idealmente, los datos alternativos deberían complementar los datos de los burós de crédito tradicionales. Estadísticamente es deseable que exista una baja correlación entre modelos de score tradicionales en comparación con los de los alternativos. Esto se debe a que si ambos modelos tuvieran una correlación alta y similar poder predictivo entonces el modelo alternativo sería redundante.

Los datos alternativos pueden aportar a la cobertura

Uno de los principales beneficios de los datos psicométricos proviene del fundamento que estos se obtienen a partir de la personalidad y todos los individuos tienen una personalidad, por tal razón, tienen una disponibilidad y cobertura muy cercana a 100%.

Colombia presenta una penetración de apps de servicios financieros y bancarios del 46.5%[1]. Esto denota que las personas están adquiriendo habilidades de uso de servicios financieros móviles. Sin embargo, solo el 4.7% de los usuarios mayores de 15 años tienen una cuenta bancaria móvil[2]. El constante uso de las apps en los dispositivos móviles permite que la cobertura de las poblaciones crezca; de la misma manera el uso de las super apps ha cambiado la forma en que pensamos sobre las interacciones entre los usuarios y el comercio. Entonces no sorprende que también se esté redefiniendo la forma en que se hace la banca. (Roa, Correa-Bahnsen, & Rodríguez-Rey, 2021).

El 89% de los usuarios colombianos ingresan a internet a través de Android y el 10% por iOS[3]; este último ha aumentado 3.5% en el 2022 vs 2021. Debido a que las economías populares son una población en la base de la pirámide, se espera que la cobertura total de Android para esa segmento sea de más del 95%.

La empresa de tecnología financiera, Begini, es un proveedor de información sobre el carácter y el comportamiento a partir de evaluaciones psicométricas y de dispositivos móviles. Con una oficina en Colombia, están trabajando con originadores de crédito en América Latina para llegar a más personas a través de la creación y el análisis de datos propios. Esto está resultando exitoso en regiones donde los servicios bancarios tradicionales no llegan a una cantidad suficiente de la población.