Calificación crediticia alternativa: exploración de grandes datos para obtener información del consumidor

• Escrito por:
• Nombre del autor

  Visión cuántica
• 10 de Octubre de 2022

Resumen de información

Cada vez más empresas utilizan la puntuación de crédito alternativa porque beneficia a los consumidores y a los prestamistas. La inteligencia artificial (IA), específicamente el aprendizaje automático (ML), se puede utilizar para evaluar la solvencia de las personas que no tienen acceso a los productos bancarios tradicionales. Este método busca fuentes de datos alternativas como transacciones financieras, tráfico web, dispositivos móviles y registros públicos. Al observar otros puntos de datos, la calificación crediticia alternativa tiene el potencial de aumentar la inclusión financiera e impulsar el crecimiento económico.

Contexto alternativo de calificación crediticia

El modelo de calificación crediticia tradicional es limitante e inaccesible para muchas personas. Según datos del Foro de CEO de África, alrededor del 57 por ciento de los africanos son “crédito invisible”, lo que significa que carecen de una cuenta bancaria o puntaje crediticio. Como resultado, tienen dificultades para obtener un préstamo o una tarjeta de crédito. Las personas que no tienen acceso a servicios financieros esenciales, como cuentas de ahorro, tarjetas de crédito o cheques personales, se consideran no bancarizadas (o subbancarizadas).

Según Forbes, estas personas no bancarizadas necesitan acceso a efectivo electrónico, una tarjeta de débito y la posibilidad de obtener dinero rápidamente. Sin embargo, los servicios bancarios tradicionales suelen excluir a este grupo. Además, el complejo papeleo y otros requisitos para los préstamos bancarios convencionales han hecho que los grupos vulnerables recurran a usureros y acreedores de día de pago que imponen altas tasas de interés.

La calificación crediticia alternativa puede ayudar a la población no bancarizada, especialmente en los países en desarrollo, al considerar medios de evaluación más informales (ya menudo más precisos). En particular, los sistemas de IA se pueden aplicar para escanear grandes volúmenes de información de diversas fuentes de datos, como facturas de servicios públicos, pagos de alquiler, registros de seguros, uso de redes sociales, historial de empleo, historial de viajes, transacciones de comercio electrónico y registros gubernamentales y de propiedad. . Además, estos sistemas automatizados pueden ayudar a identificar patrones recurrentes que se traducen en riesgo crediticio, incluida la incapacidad de pagar facturas o mantener un trabajo durante demasiado tiempo, o abrir demasiadas cuentas en plataformas de comercio electrónico. Estos controles se centran en el comportamiento de un prestatario e identifican puntos de datos que los métodos tradicionales podrían haber pasado por alto. 

Impacto disruptivo

Las tecnologías emergentes son un factor clave para acelerar la adopción de calificaciones crediticias alternativas. Una de esas tecnologías incluye aplicaciones de cadena de bloques debido a su capacidad para permitir que los clientes controlen sus datos y al mismo tiempo permitir que los proveedores de crédito verifiquen la información. Esta característica podría ayudar a las personas a sentirse más en control de cómo se almacena y comparte su información personal.

Los bancos también pueden usar Internet de las cosas (IoT) para obtener una imagen más detallada del riesgo crediticio en todos los dispositivos; esto incluye recopilar metadatos en tiempo real desde teléfonos móviles. Los proveedores de atención médica pueden contribuir con varios datos relacionados con la salud para fines de puntuación, como datos recopilados de dispositivos portátiles como frecuencia cardíaca, temperatura y cualquier registro de problemas de salud preexistentes. Si bien esta información no se aplica directamente a los seguros de vida y salud, puede informar las opciones de productos bancarios. Por ejemplo, una posible infección por COVID-19 podría indicar la necesidad de asistencia de emergencia para sobregiros o pequeñas y medianas empresas que tienen factores de riesgo más altos para el pago de préstamos y la interrupción del negocio. Mientras tanto, para el seguro de automóviles, algunas compañías utilizan datos telemáticos (GPS y sensores) en lugar de la calificación crediticia tradicional para evaluar qué candidatos tienen más probabilidades de ser responsables. 

Un punto de datos clave en la calificación crediticia alternativa es el contenido de las redes sociales. Estas redes contienen una cantidad impresionante de datos que pueden ser útiles para comprender la probabilidad de que una persona pague sus deudas. Esta información suele ser más precisa que lo que revelan los canales formales. Por ejemplo, los estados de cuenta corrientes, las publicaciones en línea y los tweets brindan información sobre los hábitos de gasto y la estabilidad económica de una persona, lo que puede ayudar a las empresas a tomar mejores decisiones. 

Implicaciones de la calificación crediticia alternativa

Las implicaciones más amplias de la calificación crediticia alternativa pueden incluir: 

• Más servicios de préstamo de crédito no tradicionales impulsados ​​por la banca abierta y la banca como servicio. Estos servicios pueden ayudar a los no bancarizados a solicitar préstamos de manera más eficiente.
• El uso cada vez mayor de IoT y dispositivos portátiles para evaluar el riesgo crediticio, en particular, datos de salud y hogares inteligentes.
• Startups que utilizan servicios de metadatos telefónicos para asesorar a personas no bancarizadas para ofrecer servicios de crédito.
• La biometría se utiliza cada vez más como datos alternativos de calificación crediticia, particularmente en el seguimiento de los hábitos de compra.
• Más gobiernos haciendo que el crédito no tradicional sea más accesible y útil. 
• Crecientes preocupaciones sobre posibles violaciones de la privacidad de los datos, particularmente para la recopilación de datos biométricos.

Preguntas a considerar

• ¿Cuáles son los desafíos potenciales en el uso de datos alternativos de calificación crediticia?
• ¿Qué otros puntos de datos potenciales se pueden incluir en la calificación crediticia alternativa?