A través de machine learning hay fintechs que están cambiando la forma de ver el riesgo. Y con su modelo están logrando llegar a más usuarios.
Los reflectores del sistema financiero han cambiado de dirección. Si hace unos años las entidades financieras tradicionales acaparaban todos los roles protagónicos, hoy cada vez más fintechs están atrapando los focos, los titulares, las inversiones y la atención que las ha convertido poco a poco en protagonistas del mercado.
En el caso de las fintechs cuyo portafolio incluye la originación de créditos, como es el caso de Zinobe, la capacidad de entender, analizar, medir y proyectar el riesgo, al mejor estilo de un doble de acción, ha sido la clave que les ha permitido poner sus nombres en cartelera y no solamente en los créditos al final de la función.
Lea también: ColombiaTech: el despegue de las compañías tech en el país
Mientras las entidades tradicionales han seguido su libreto y se han mantenido en buena medida en los límites de su papel, las fintechs que ofrecen créditos han entendido que repensar la forma cómo se evalúa el riesgo puede ser un buen negocio, pero sobretodo, es una manera contundente de impulsar la inclusión financiera en el país, llegando a segmentos de usuarios desatendidos porque históricamente han parecido demasiados riesgosos.
En ese sentido, lo que tradicionalmente se ha percibido como “asumir mayores riesgos”, en mi caso y para nosotros en Zinobe se ha convertido en un ejercicio de “perfilar mejor a los usuarios”, creando representaciones más robustas, precisas y justas que nos permiten aprobar a más personas, que de otra forma no tendrían una oportunidad de jugar en el sistema financiero.
Hacerlo implica desarrollar modelos de evaluación de riesgo y de aprobación más flexibles, para lo cual nosotros y otras fintechs alrededor del mundo hemos tomados dos avenidas que se recorren en paralelo a través del uso de tecnología:
- Conexiones a fuentes de datos alternativas. Cada vez hay más información sobre todos nosotros almacenadas en distintos dispositivos y bases de datos, la cual puede ser usada para hacer una representación más justa de los usuarios y con ella ampliar el espectro de usuarios sujetos de crédito.
Cruzar estas bases de datos de forma ética y responsable nos ha permitido alimentar y afinar los modelos flexibles de evaluación y aprobación, que pueden armar una historia más completa de cada usuario aumentando sus probabilidades de ser aprobado por los algoritmos de cada modelo.
Lea también: Copérnico y las fintech: el nuevo universo financiero
- Implementación de machine learning. Porque además de ampliar el espectro de sujetos de crédito, es crucial tener modelos que aprendan constantemente sobre el comportamiento de esos usuarios una vez tienen un crédito en sus manos.
Entender estos patrones de comportamiento es clave en la medida en la que ellos también van a alimentar los modelos de riesgo predictivos, que a su vez están afinando los modelos flexibles de evaluación y aprobación que le abren las puertas del crédito a más personas.
De esta manera, no solamente se evalúa a un usuario teniendo en cuenta su situación y su propia experiencia, sino también en perspectiva de la experiencia de otros usuarios con los cuales comparte características similares.
En el caso de Zinobe, esta visión nos ha permitido llegar a segmentos de población desatendidos por el sistema financiero, como personas que no tienen experiencia crediticia, personas con reportes negativos ante centrales de riesgo y personas con puntajes de crédito tradicionalmente considerados como demasiado riesgosos.
Como muestra, según un reporte de Datacrédito-Experian, en 2019 las entidades financieras tradicionales concentraron el 76 % de sus créditos de consumo en personas con puntajes mayores a 694, cuya situación frente al sistema financiero es positiva y estable (el máximo puntaje es 950).
Lea también: Los créditos ya son 100 % en línea ¿qué viene ahora?
En contraste, Zinobe, una de esas fintechs que comenzó como doble de riesgo y poco a poco se ha convertido en protagonista del mercado, entregó el 76 % de sus créditos a personas con puntajes por debajo de 694, muchas de las cuales tal vez no estarían jugando hoy en el sistema financiero de no ser por esta nueva forma de ver, entender y asumir el riesgo.
En general, hacer el esfuerzo por construir representaciones más justas, ecuánimes y conscientes de los usuarios y de los distintos segmentos de usuarios, tiene el potencial de impulsar la inclusión financiera en Colombia a través de mayor acceso al crédito.
Pero además, es un principio que bien podríamos aplicar para construir una sociedad más incluyente, haciendo nosotros mismos en nuestro día a día el ejercicio de representar con mayor precisión y justicia a las personas que nos rodean y a las situaciones que enfrentamos. Al final, todo es cuestión de perspectiva.
Contacto:
LinkedIn: Tarek El Sherif
*El autor es cofundador y CEO de Zinobe, fintech colombiana enfocada en impulsar la inclusión financiera en el país, ampliando el acceso a servicios financieros 100 % digitales.
Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes Colombia.