Hace un tiempo me desempeñaba como consultor de riesgo crediticio para uno de los retailers chilenos más importantes. En una de las reuniones el director de riesgos me dijo: “en Argentina sí que tienen que saber de riesgo crediticio, acá es más fácil el tema”.
Esa frase resonó en mi cabeza en reiteradas ocasiones hasta que finalmente tuve la oportunidad de pasar “al otro lado del mostrador” y comprobar por mis propios medios, que la misma era casi perfecta. El casi refiere a que no me corresponde decir a mí si sé más o menos que ellos, pero que acá es más difícil no hay ninguna duda.
A modo de referencia, podemos analizar el informe del BCRA al cierre de junio 2019 sobre irregularidad del crédito al sector privado, donde se observa el nivel de deterioro que están atravesando las carteras de créditos de consumo.
Es de esperar que este empeoramiento no sea pasajero, ni se haya detenido, ya que nos encontramos en un contexto de marcada incertidumbre política y económica, donde el impacto en la economía real aún se desconoce y es de esperar que suceda un nuevo sacudón en el trabajo formal.
Justamente en este escenario es donde el conocimiento cabal del impacto y la criticidad que tienen determinadas decisiones en el negocio de créditos de consumo nos permitirá enfrentar las situaciones más adversas.
Ese conocimiento no se desprende sólo de la experiencia previa, sino y cada día con mayor énfasis, del análisis que nos brindan nuestros propios datos y la velocidad con la que lo proveen.
En el mundo actual de la revolución del “Big Data” el auténtico motor de la transformación digital es aprender a “aprender de los datos”. El viejo scoring dejó de ser un tema exclusivo de riesgos y se convirtió en el eje transversal de cualquier fintech.
Desde mi rol actual acepté el reto y dejé de lado la idea tradicional de concebir los datos como un costo, para pasar a incorporarlos como un gran activo estratégico. Esto también es posible gracias a la ayuda de nuestra plataforma de BI (Business Intelligence) que nos informa cómo están nuestros principales indicadores, su evolución y nos brinda alertas a considerar. Evita los procesos engorrosos de cruces de información y cierres de mes, ahorrando costos y posibles errores por manipulación humana, naturales en todo proceso manual.
Otorga precisión y entendimiento de cómo estamos respecto al mercado, cómo incide la última decisión que tomamos y qué esperamos obtener frente a cambios en nuestro dinámico y exigente contexto.
A su vez, logramos integrar esos datos para que el machine learning se transforme en una realidad que nos permite construir modelos predictivos que nos ayudan a minimizar los riesgos de morosidad al máximo, conocer los perfiles crediticios y proyectar cómo se pueden llegar a comportar en el futuro.
La disrupción tecnológica ha llegado para quedarse y se continuará intensificando cada día más. No podemos obstinarnos en mantener estrategias válidas en el pasado, ineficaces en el presente y obsoletas en el futuro, ya que esto supone la mejor receta para conseguir una lenta pero inexorable desaparición. Somos parte de una gran revolución y no podemos quedarnos como espectadores.
(*) CRO de Credicuotas.
Fuente: http://www.telam.com.ar/notas/201909/391128-como-potenciar-las-decisiones-en-contextos-adversos.html