Estimulados por una combinación de factores, los prestamistas buscan activamente incluir más y diferentes tipos de datos en los procesos de toma de decisiones. En particular, las consecuencias de los bloqueos de los últimos años han puesto de manifiesto los límites de los datos tradicionales.
Aunque los modelos exactos varían, las puntuaciones de crédito de las agencias tradicionales tienen en cuenta los últimos 5 a 7 años de historial de pago de créditos. Este sistema favorece a determinadas personas y, a su vez, excluye a muchas otras. Los datos tradicionales dejan a muchos prestamistas sin forma de evaluar a algunas personas, apartándolas de posibles buenos prestatarios.
Cada vez se incluyen más datos alternativos para que los prestamistas puedan "ver" a los clientes de archivos delgados o para mejorar la predictibilidad de los procesos actuales.
Los Datos Alternativos podrían incluir otros tipos de datos de transacciones, como el pago de facturas. O podrían incluir datos basados en el carácter, como evaluaciones psicométricas o datos de dispositivos. Los datos basados en el carácter buscan rasgos de carácter que tengan una correlación demostrada con la disposición a devolver un préstamo.
La explosión de datos y el aumento de las capacidades en IA y ML han abierto muchas oportunidades para que los procesos de calificación crediticia se beneficien. Muchos factores influyen en la probabilidad de que alguien devuelva un préstamo. El ML puede captar mejor las relaciones no lineales que son habituales en el riesgo crediticio.
Hay una demanda creciente para que los prestamistas muestren un cambio real en sus responsabilidades ASG. Para que los bancos y las instituciones financieras tengan éxito en materia de ASG, debe prestarse mucha más atención al aspecto social. Atender a una clientela diversa implica la necesidad de revisar la inclusión del crédito. El enfoque tradicional de ofrecer crédito deja a millones de personas fuera del sistema. El impacto de excluir a la gente del crédito es significativo. Lleva a la gente a utilizar alternativas inseguras o depredadoras.
La banca abierta es una oportunidad. Es un paso en el camino de devolver los datos a los prestatarios. La liberación de los datos puede aportar más información y abrir oportunidades a nuevos prestatarios.
La banca abierta ha democratizado los datos de las transacciones de millones de usuarios de todo el mundo. Hay muchas ganas de ver cómo pueden utilizarse estos datos para tomar decisiones crediticias.
Cuando llegó la pandemia, los prestamistas tuvieron que cambiar su forma de hacer negocios. Dos años después, los efectos económicos de COVID-19 siguen repercutiendo en todo el mundo. Los más vulnerables desde el punto de vista financiero no han hecho sino ver cómo su situación se volvía más precaria durante la pandemia de COVID-19.
Con un entorno crediticio menos estable, unido a un mercado de consumo más dispuesto a comparar precios, los prestamistas tendrán que considerar nuevas formas de evaluar la solvencia.
Aunque las entidades financieras quieren conceder préstamos, y se les incentiva a ello, deben plantearse nuevas formas de abordar la evaluación de riesgos. Simultáneamente, el cambio hacia lo digital, que ha ido progresando de forma constante durante muchos años, ha dado un salto de gigante. Este impulso hacia lo digital se traducirá en una mayor utilización de nuevos conjuntos de datos.
Analistas predicen una tendencia hacia la nube en lugar del despliegue in situ, con una CAGR prevista del 18,3% durante la próxima década. La implantación en la nube es más económica y requiere menos inversión en conocimientos técnicos.
Más que un obstáculo, una normativa clara puede ser una herramienta de ayuda. Al informar a los clientes de las políticas de privacidad y ser transparentes sobre cómo se utilizan sus datos, las nuevas herramientas de evaluación crediticia pueden permitir a los consumidores aprovechar sus datos en su propio beneficio.
Aunque la normativa sobre privacidad varía en función de la región, los prestamistas pueden empezar por tener en cuenta los requisitos del GDPR, reconocido como uno de los más completos del planeta en la actualidad.
En el pasado, las solicitudes de compra y financiación eran procesos distintos y separados. El acceso a los datos y los avances en el análisis en tiempo real permiten que la comprobación del crédito se realice sobre la marcha, como parte del proceso de pago. Los prestamistas pueden acceder ahora a nuevos segmentos de consumidores con un coste marginal mínimo.
Muchos mecanismos de evaluación del crédito, como las puntuaciones tradicionales de las agencias, se basan en datos de terceros. Consideran datos creados a partir de otras transacciones o actividades y luego construyen modelos para asociar estos datos con la probabilidad de devolver un préstamo.
Puede haber un elemento de volatilidad con los datos de terceros, ya que se ven afectados por otras fuerzas que pueden cambiar rápidamente y dejar expuestos a los prestamistas.
Los datos de origen para créditos se crean con un propósito. Esto significa datos creados con el propósito inherente de indicar la voluntad de devolver un préstamo. Los datos crediticios basados en el carácter, como las encuestas psicométricas, son un ejemplo de datos de origen. Se desarrollan con el propósito inherente de crear datos que sean indicativos de la solvencia crediticia.
Los usuarios finales esperan más de su experiencia como clientes y están dispuestos a comparar precios. La fidelidad de los clientes está en declive; los consumidores están en juego.
La naturaleza cambiante de la forma en que los consumidores utilizan el crédito, en particular el auge de los proveedores de BNPL, significa que muchas deudas quedan "ocultas" en las puntuaciones de crédito tradicionales. Mientras los reguladores estudian cómo hacer frente a este cambio, los prestamistas pueden reforzar su proceso diversificando los datos que tienen en cuenta.
Foto de Blake Wisz en Unsplash
Tecnología SaaS que proporciona puntuaciones de crédito de datos alternativos para bancos, microfinanzas, prestamistas digitales, neobancos, BNPL y financiación de activos.
