La evaluación crediticia heredada no funciona para las mipymes. Como columna vertebral de las sociedades de todo el mundo, contribuyen a las economías locales y nacionales y a mantener los medios de subsistencia. Las MIPYME representan 90% de las empresas, entre 60 y 70% del empleo y 50% del PIB mundial.
A pesar de ello, las MIPYME se enfrentan a dificultades para obtener préstamos de instituciones financieras que utilizan un enfoque convencional de la solvencia crediticia. Estas dificultades incluyen la falta de datos financieros y operativos, lagunas normativas y una capacidad ineficaz de gestión del riesgo por parte de la institución financiera. Además, la evaluación crediticia convencional también se considera ineficiente y costosa para la tramitación de préstamos, especialmente cuando se trata de préstamos de bajo valor.
Para resolver estos problemas, pueden utilizarse diversos tipos de información de terceros proveedores de datos, conocidos como "datos alternativos" o "datos modernos", para determinar la solvencia financiera, la voluntad de reembolso y la solvencia de las unidades productivas.
Estos datos proporcionan información adicional que permite tener una visión holística del solicitante para tomar la decisión de concederle un préstamo. Hay varias formas de aplicar los datos modernos, y los casos de uso dependen fundamentalmente de los objetivos de la entidad financiera. Por ejemplo, los prestamistas pueden querer
La variedad de conjuntos de datos modernos en el mercado cambia constantemente, lo que dificulta su análisis y la selección de los que son realmente útiles. Cuatro criterios útiles para determinar el valor de las fuentes de datos son:
En este artículo, examinaremos 7 fuentes de datos modernas, describiremos cómo se aplican al análisis del crédito en las microempresas y qué ventajas e inconvenientes pueden ofrecer.
Las redes sociales son populares entre las PYME como herramientas para promocionarse entre el público y captar nuevos clientes.
Plataformas como LinkedIn y Facebook recopilan perfiles, reportan información sobre las empresas, sus iniciativas más recientes, así como las interacciones con sus clientes. Estos datos se utilizan para generar modelos que estiman el valor de una empresa.
Ventajas
Las redes sociales ofrecen un gran volumen de información debido a la gran cantidad de datos resultantes de la actividad en las cuentas.
Algunos casos de éxito en préstamos al consumo, como el de Vkontakte para la calificación crediticia, que mejora la predicción de reembolsos en 18%.
Puede utilizarse como indicador para identificar la capacidad de pago deduciendo comportamientos de compra y consumo.
Desventajas
Las barreras tecnológicas y de cumplimiento pueden dificultar el acceso a estos datos.
No hay casos de uso en el préstamo a microempresas, por lo que no existen registros sobre mejores prácticas ni normas.
El uso de los datos sociales podría estar fragmentado y requeriría modelos complejos y, eventualmente, con distintos proveedores.
Eventos como los ocurridos en el caso Cambridge Analytica; donde a raíz de este escándalo hubo multas y cambios regulatorios en el uso de los datos de la red, disminuyendo significativamente la funcionalidad, el poder predictivo y en general la disminución de la relevancia para los casos de uso de evaluación crediticia.
La psicometría se basa en el hecho de que las personas tienen una disposición de personalidad duradera que predice en parte lo que harán. Hay una ciencia detrás de la personalidad y de cómo se mide la personalidad y lo que puede predecir (Nettle, 2020).
En el contexto de la evaluación del crédito, pueden utilizarse pruebas o evaluaciones psicométricas para conocer la voluntad y la capacidad de pago de una persona. Centrarse en la voluntad de pago permite determinar si el solicitante tiene propensión a honrar sus deudas.
Ventajas
Como fuente de datos, la psicometría tiene la cobertura más amplia, esto se debe a que todas las personas tienen una personalidad que puede ser evaluada (Nettle, 2020).
Múltiples casos de éxito en préstamos a particulares y MIPYME sin historial crediticio y del sector informal (Mondato, 2023)
Se demostró la viabilidad con un poder predictivo mejorado (Arráiz, Bruhn, Ruiz, & Stucchi, 2018)
La evaluación puede aplicarse directamente al solicitante para garantizar datos específicos del individuo.
Es la única fuente que contribuye al análisis de la voluntad de reembolso.
Desventajas
Los datos recogidos son únicos y dependen de las capacidades y conocimientos de cada proveedor.
Puede haber fricciones en el proceso si la evaluación es desagradable o demasiado larga.
Esta fuente no proporciona información financiera para el análisis de la capacidad de pago.
La banca abierta permite a las instituciones financieras acceder a los datos de las transacciones bancarias y no bancarias de sus clientes a través de API. Esta tendencia está evolucionando rápidamente en todo el mundo.
Existen diferentes modelos en los que las IF pueden desarrollar nuevos productos basados en datos a los que normalmente no tienen acceso, pero que las IF y los minoristas con operaciones financieras comparten ahora a través de API.
Ventajas
Industria en crecimiento con nuevos agregadores de datos que generan nuevos acuerdos con instituciones financieras y no financieras para compartir datos.
Las normativas de los distintos países están impulsando la implantación de la banca abierta.
Los casos muestran un aumento de la precisión de predicción entre 10%-20% cuando se combinan con modelos tradicionales (Birch, Cummins, & Shin, 2018), (Equifax, 2019)
Desventajas
Cobertura limitada porque el acceso a los datos depende de acuerdos entre proveedores de datos y agregadores.
Algunos segmentos de microempresas siguen haciendo un uso intensivo de efectivo, por lo que pueden disponer de poca información operativa.
No resuelve el problema de la cobertura de las microempresas sin historial de crédito en los centros de información.
El microempresario puede decidir compartir datos sólo de determinadas instituciones a su conveniencia. Esto puede sesgar intencionadamente el análisis.
A través del registro del número de teléfono del cliente, es posible conocer y evaluar el comportamiento que el solicitante ha tenido con su línea telefónica.
Los datos accesibles podrían ser prepago/postpago, uso de datos, geolocalización, historial de recargas, patrones de llamadas y SMS (entre otros).
Ventajas
Los pilotos han obtenido puntuaciones crediticias precisas (Dietrich, De Souza y Guerreiro, 2020).
Especialmente útil para generar estrategias de recogida.
Fuente complementaria para enriquecer los datos para la detección del fraude.
Desventajas
Dificultades para establecer acuerdos con los operadores de telecomunicaciones.
Disponibilidad limitada debido a la normativa local sobre protección de datos y privacidad.
Disponibilidad cada vez menor, ya que los segmentos más bajos y la población más joven suelen optar por alternativas más baratas a las llamadas telefónicas (por ejemplo, llamadas y mensajes de voz de WhatsApp).
La cobertura sólo está disponible para los usuarios y microempresas que utilizan un operador específico.
Se refiere a los datos rastreables de un dispositivo móvil, a los que se accede a través de una App instalada con el permiso del usuario.
Los datos accesibles pueden ser la ubicación, la ubicación gruesa, la información personal, el uso y los patrones de mensajería, la biblioteca multimedia, el calendario, los contactos, la actividad en otras aplicaciones, el historial de búsqueda, etc.
Ventajas
Los usuarios adoptan cada vez más las aplicaciones bancarias, lo que implica una amplia disponibilidad.
Tiempo de respuesta inmediato.
Elevada adopción de dispositivos smartphone.
La huella digital de los teléfonos inteligentes también puede utilizarse para el análisis del comportamiento y el proxy de personalidad.
Mayor capacidad de los proveedores para desarrollar SDK de dispositivos.
Desventajas
Memoria del dispositivo. Algunos segmentos de la población son propensos a borrar aplicaciones por falta de memoria en sus dispositivos.
Dificultades en la especificidad de la información ya que la actividad del dispositivo no está segregada entre el uso empresarial y el uso personal del usuario del dispositivo.
El vendedor necesita conocimientos de economía conductual para interpretar los datos y desarrollar modelos realmente utilizables para los préstamos.
El uso de datos de correo electrónico se ha generalizado porque la introducción de un correo electrónico forma parte de los datos mínimos exigidos a los solicitantes de crédito. Este mecanismo permite evaluar la coherencia de los datos del usuario.
Ventajas
Ofrece un gran volumen de información debido a la gran cantidad de datos resultantes de la actividad en las cuentas.
Permite detectar el fraude (Centro para la Inclusión Financiera de Acción e Instituto de Finanzas Internacionales, 2018).
Desventajas
Dificultades en la especificidad de la información, no todas las microempresas tienen una cuenta de empresa, a veces se utiliza la cuenta personal del microempresario.
Depende de un gran volumen de datos, por lo que aumenta el esfuerzo tecnológico.
No existen casos concretos de utilización del riesgo de crédito para las microempresas.
Algunos casos de uso piloto, pero para la prevención del fraude principalmente.
Se trata de una fuente de datos de tipo G2B que se refiere a registros de actividades de microempresas. Los subconjuntos de datos pueden incluir facturas de servicios públicos, cotizaciones sanitarias, de pensiones y de riesgo, e información fiscal.
Suelen incluir información relacionada con los pagos (flujo de caja) e información no relacionada con el dinero.
Las tendencias de comportamiento generadas por el análisis de esta información pueden utilizarse para evaluar los ingresos y el estado financiero más reciente de una microempresa.
Ventajas
Durante la pandemia, varios países dispersaron ayudas económicas, subvenciones e incentivos para las microempresas, lo que generó grandes volúmenes de datos financieros.
En algunas regiones existen algunos agregadores y proveedores de datos abiertos que proporcionan estos datos.
Las bases de datos gubernamentales pueden utilizarse para enriquecer la política de riesgo operativo / fraude.
Desventajas
Los microempresarios de las economías emergentes suelen estar "al margen" de los programas fiscales, sanitarios y de pensiones del Estado.
Es frecuente encontrar incoherencias entre los titulares de las cuentas y la microempresa real que utiliza el servicio (por ejemplo, el comerciante paga el alquiler y todas las facturas de servicios públicos a nombre del propietario).
Dificultades para establecer acuerdos interinstitucionales (por ejemplo, servicios públicos y proveedores de datos).
Disponibilidad limitada debido a la normativa local sobre protección de datos y privacidad.
En el mundo actual, impulsado por los datos, tanto los propietarios de microempresas como los particulares reconocen cada vez más el valor de sus datos y buscan controlar cómo se utilizan para alcanzar objetivos personales y empresariales.
La inclusión financiera aspira a una "democratización del crédito", que puede lograrse mediante la "democratización de los datos", lo que refleja una tendencia creciente de los individuos a hacer valer el poder del consumidor para decidir quién accede a sus datos y cómo se aprovechan para obtener productos financieros más significativos.
Las fuentes de datos alternativas modernas ofrecen un poderoso medio para este fin, proporcionando información más allá de las métricas tradicionales para evaluar la solvencia. A pesar de sus ventajas potenciales, persisten retos como la disponibilidad de los datos, los problemas de privacidad y las barreras tecnológicas, por lo que la selección de la fuente de datos y el socio adecuados requiere una cuidadosa consideración para mejorar la inclusión financiera, mitigar los riesgos de crédito y empoderar a las microempresas y los individuos en sus trayectorias financieras.
Arráiz, I., Bruhn, M., Ruiz, C., & Stucchi, R. (2018). ¿Son las herramientas psicométricas un método de selección viable para los préstamos a pequeñas y medianas empresas? Serie Sector Privado, TN(5).
Birch, D., Cummins, W., & Shin, C. (2018). Cómo la banca abierta puede impulsar la innovación en los servicios financieros. Harvard Business Review, 96, 18-19.
Bocconi, S. B. (2015). Social glass: una plataforma para la analítica urbana y la toma de decisiones a través de datos sociales heterogéneos. En WWW2015Companion, WWW2015Compañero (pp. 175-178). Nueva York, NY: Association for Computing Machinery.
Centro para la Inclusión Financiera de Acción e Instituto de Finanzas Internacionales. (2018). Acelerar la inclusión financiera con nuevos datos. INTEGRACIÓN DE LA INCLUSIÓN FINANCIERA: SERIE DE BUENAS PRÁCTICAS, Cuarta parte.
Dietrich, L., De Souza, F., y Guerreiro, A. (2020). Desarrollo de puntuaciones de crédito con datos de telco utilizando ML y metodología ágil en Brasil, 4831. Foro Global 2020.
Equifax. (2019). Centro de conocimiento. Obtenido de Banca abierta y riesgo de crédito: ¿amigos o enemigos?: https://www.equifax.co.uk/resources/open-banking-credit-risk-friend-or-foe.html
Mondato. (15 de noviembre de 2023). mondato.com. Obtenido de Psicometría: ¿Qué hace que un prestatario sea fiable?: https://blog.mondato.com/psychometrics-reliable-borrower/
Nettle, D. (2020). Personalidad: Lo que te hace ser como eres. HighBridge.
Impulsar las microempresas y las PYME de todo el mundo apoyando el espíritu empresarial de las mujeres y los jóvenes y las cadenas de suministro resistentes: https://www.un.org/en/observances/micro-small-medium-businesses-day
Tecnología SaaS que proporciona puntuaciones de crédito de datos alternativos para bancos, microfinanzas, prestamistas digitales, neobancos, BNPL y financiación de activos.