Cada vez más, los prestamistas están recurriendo a datos alternativos para informar las decisiones de suscripción.
Durante años, el crédito se ha otorgado utilizando puntajes de crédito formalizados como FICO.
Sin embargo, muchos consumidores son rechazados, lo que deja desatendidos a grupos demográficos completos, a pesar de que muchos pueden pagar el crédito que buscan. Los conjuntos de datos alternativos brindan una imagen completa del individuo, lo que mejora la inclusión.
Provenir, un proveedor de herramientas de decisión de IA, organizó una Seminario web con Fintech Nexus, que exploró las posibilidades de datos alternativos para otorgar crédito a los desatendidos. El moderador Todd Anderson comenzó la sesión agradeciendo a Provenir por organizar el seminario web y presentar a los oradores.
¿Qué son los datos alternativos?
El seminario web comenzó con una definición de datos alternativos con respecto a la toma de decisiones crediticias.
“Son todos los datos que no están directamente relacionados con el comportamiento crediticio del consumidor”, dijo Mia Huntington, jefa de préstamos BNPL/POS en US Bank.
Erin Allard, gerente general de Prism Data, amplió y afirmó: “Creo que se trata de qué son estos datos. Si los datos alternativos son este tipo de cubo masivo, eso es cualquier cosa que no sea el tipo de calificación crediticia o informes crediticios utilizados históricamente e institucionalmente.
“Si estamos hablando de cosas que son hechos financieros reales, cosas como, ¿cuánto gana un consumidor? ¿Qué tan estable es ese ingreso? ¿Cómo gastan su dinero? ¿Cómo ahorran? Eso se siente mucho más fundamental para la forma en que los consumidores toman decisiones financieras”.
Explicó que cuando se habla con el consumidor promedio, su cuenta corriente es donde pasan gran parte de su vida financiera. Aquí, el consumidor recibe su cheque de pago, puede usar su tarjeta de débito y pagar facturas.
Cuando un consumidor decide si puede pagar algo y endeudarse, dijo, es más probable que considere las entradas y salidas de su vida diaria en lugar de los elementos técnicos de la decisión crediticia.
“(Alternative Data) es mucho más una compleción de los datos que hablan de la vida del consumidor”.
Capacidad para mejorar la inclusión financiera
Durante años, muchos consumidores han permanecido excluidos del acceso al crédito debido a su incapacidad para generar un puntaje crediticio adecuado. Los puntajes crediticios tradicionales han sido criticados por permanecer demasiado rígidos e incapaces de dar cuenta de los matices del estilo de vida y las circunstancias de los consumidores modernos.
"Al combinar esos datos alternativos, a menudo puede abordar los tratamientos a un nivel mucho más granular, llegando directamente a lo que hace su cliente individual y pudiendo ver patrones en todo el segmento", dijo Kathy Stares, vicepresidenta ejecutiva. de las Américas en Provenir.
“Puede utilizar el poder de los datos alternativos, que a menudo tienen un historial mucho más largo. Para que pueda ver patrones que quizás no haya podido ver antes, lo que puede ayudar a informar. Conoces toda la cartera de riesgos”.
“Te encuentras con el cliente donde se encuentra y le brindas una oferta personalizada, lo que a menudo aumenta la adopción”.
“Mirando ese mercado desatendido, puedes tomar datos. Y con ese historial y patrón de comportamiento y otros conjuntos de datos, puede tomar decisiones que cumplan con los umbrales de riesgo tanto de crédito como de fraude a medida que incorpora clientes a los que tradicionalmente no podría llegar y ofrecerles instrumentos financieros que no podían usar en el pasado”.
Explicó que este aspecto granular y la larga historia mitigan con éxito el fraude al contratar nuevos consumidores. La vista de datos en tiempo real incorporada en muchos modelos de toma de decisiones que utilizan datos alternativos brinda al prestamista información que puede identificar el fraude rápidamente.
Fintechs al frente, pero los bancos se están poniendo al día
La implementación de IA y aprendizaje automático ha sido fundamental en la capacidad de las instituciones financieras para extraer y utilizar estos datos. Estas herramientas, que a veces se eliminan de una gran cantidad de datos sin procesar, les han dado a los prestamistas la capacidad de evaluar rápidamente la solvencia de los consumidores desatendidos.
Los oradores coincidieron en que fintech había tomado la iniciativa en la implementación de la tecnología, con la creciente popularidad de BNPL como un excelente ejemplo de su éxito. Sin embargo, los bancos han comenzado a darse cuenta y están comenzando a igualar la innovación de las fintech para atender a los consumidores que tradicionalmente habrían rechazado.
“Así es como los clientes esperan interactuar. Así es como funciona la economía actual”, dijo Huntington. “Simplemente ya no creo que sea una opción para Banks decir que no. Así es tradicionalmente como siempre lo hemos hecho, y seguiremos haciéndolo de esa manera”.
Los bancos, con sus sistemas heredados, han tenido dificultades para incorporar la nueva tecnología, lo que requiere la implementación de amplias medidas para mantener los estándares de cumplimiento.
“No se equivoquen al respecto. Es muy complejo hacerlo bien y ponerlo en marcha, especialmente, como saben, las instituciones financieras más grandes y parte de nuestra infraestructura”, dijo Huntington.
“Es muy complejo empezar y hacerlo bien. Creo que se trata de construir esos modelos, ejecutarlos uno al lado del otro para decir que este era el resultado esperado... Creo que eso es una gran parte de lo que muchos bancos probablemente están pensando en este momento".
La explicabilidad es difícil pero esencial
El uso de la IA ha recibido críticas tanto de los reguladores como de los consumidores, a quienes les preocupa que la tecnología pueda contener sesgos heredados. El tema de la explicabilidad y la claridad en función de las cuales se toman las decisiones se ha vuelto cada vez más relevante cuando se trata de grandes conjuntos de datos alternativos.
Cumplir con los estándares de explicabilidad puede ser un desafío para las instituciones que desean construir modelos internos que informarán su proceso de suscripción.
“Entonces, cuando tiene un modelo de aprendizaje automático de IA, puede operar en tiempo real, puede informar en tiempo real, puede extraer información y puede para entrenar y tener explicabilidad en tiempo real”, dijo Stares.
“Si tiene la tecnología para incorporar los datos que no son FCR y tomarlos en su forma nativa, puede ingerir esos datos directamente en su toma de decisiones. Eso se puede usar para informar modelos, y su decisión es lo que mantendría el cumplimiento”.
Allard estuvo de acuerdo y afirmó que garantizar la documentación y la claridad al crear modelos de toma de decisiones es fundamental para este cumplimiento y podría volverse aún más importante en el futuro.
Si bien actualmente el acceso a los datos puede ser limitado, los mayores esfuerzos para desarrollar la banca abierta en los EE. UU. tienen el potencial de crear un acceso generalizado a datos alternativos.
“Con suerte, en el futuro, será menos complicado y mucho más fácil para un consumidor decir: 'Aquí están todas mis cuentas. Aquí es donde realizo operaciones bancarias, aquí es donde hago negocios y yo, como consumidor, elijo compartir mis datos'. Luego, corresponde a las personas que toman decisiones crediticias basadas en eso tener acceso a la tecnología adecuada para ajustarlo y usarlo”, dijo Allard.
“Mientras los datos estén disponibles, se trata de elegir la solución adecuada para aprovecharlos”.
Los tres oradores sintieron que la elección de la solución tecnológica es fundamental para el éxito de los datos alternativos para alcanzar el objetivo de una mayor inclusión.
El buró de crédito es hora de cambiar
Una de las preguntas finales del webinar se dirigió al Buró de Crédito.
El puntaje crediticio tradicional ha sido un método estandarizado para suscribir préstamos durante años. La innovación de Fintech en la toma de decisiones crediticias se ha convertido en una necesidad inmediata de formas alternativas de abrir el crédito a un público más amplio. La afluencia de datos alternativos podría informar el proceso de puntuación de la oficina de crédito, evitando la necesidad de tecnologías internas alternativas para instituciones individuales.
“No creo que haya una opción”, dijo Huntington. “Creo que tienen que cambiar el modelo y la forma en que se calcula este núcleo e incorporar algunos de estos datos”.
“La pregunta será a qué ritmo pueden innovar para asegurarse de que están utilizando los datos y las fuentes alternativas de datos de manera relevante”.
RELACIONADO:
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/