BBVA Open4U - ¿Necesitas un préstamo? Tu única posibilidad es convencer a un algoritmo

¿Necesitas un préstamo? Tu única posibilidad es convencer a un algoritmo

Datos personales y públicos de redes sociales como Facebook o LinkedIn, estudios universitarios, potencial profesional futuro… Hoy en día existen startups como earnest, Zestfinance, Affirm o Upstart que usan algoritmos para crear modelos de evaluación de riesgo con variables distintas.
BBVAOpen4U
|
01 Sep. 2015

Parece ciencia ficción, pero ya ha llegado ese día en el que la concesión de un préstamo en algunas entidades crediticias depende más de la educación o la personalidad de un cliente, que de su calificación financiera. Hoy en día existen varias startups con soluciones que permiten disminuir, gracias a algoritmos, los niveles de morosidad de bancos y empresas de concesión de préstamos o prestar dinero con menos riesgo con otros modelos de evaluación.

En el mundo hiperconectado en el que vivimos, además de personas y ciudadanos somos usuarios. Dejamos un rastro digital en redes sociales y otro tipo de fuentes de información con nuestros hábitos de consumo y de gasto, comportamiento personal… Algunas organizaciones cuyo negocio es prestar dinero encuentran en esos datos la seguridad que necesitan para conceder un crédito, incluso con más confianza que la que ofrece un capital o una nómina.

Algunas de estas startups son:

1. earnest

La carta de presentación de esta empresa crediticia es atractiva: “No hay detalles complicados ocultos en la letra pequeña”. earnest utiliza tecnología y datos para alejarse de modelo tradicional de concesión de préstamos en EEUU: puedes acceder a créditos en buenas condiciones si tu ratio crediticio es bueno. En earnest el funcionamiento es distinto: no sólo es importante una buena calificación financiera, también lo son aspectos como la educación, el historial laboral o cuál es su situación financiera en el momento de solicitar préstamo.

En EEUU, un joven recién llegado al mercado laboral seguramente no tenga un historial crediticio potente, pero su proyección educativa y profesional es tan buena que merece la confianza en la concesión de un préstamo. Así, es más interesante la responsabilidad financiera que el historial crediticio. earnest crea un perfil individual de cada solicitante mediante el uso de algoritmos y análisis predictivo que evalúan responsabilidad y potencial. Estamos ante un modelo basado en un software.

De la creación de ese perfil participa el cliente: proporciona información y datos sobre su educación, empleo, ingresos, deudas, hábitos financieros y de consumo. Esa documentación se verifica de forma exhaustiva por parte de earnest, que concede préstamos a los clientes financieramente responsables. Cualquier aspecto personal en esa concesión tiene importancia.

2. Zestfinance

Zestfinance fue fundada por Douglas Merril, profesional que entre 2003 y 2005 fue CIO (Chief Information Officer) y Vicepresidente de Ingeniería de Google. Su equipo está formado por antiguos miembros del gran buscador y Capital One, muchos de ellos matemáticos e ingenieros en computación. Zestfinance utiliza todo la experiencia adquirida en Google en el campo del aprendizaje automático para aplicar los datos a los créditos de forma eficiente.

Zestfinance evalúa numerosas variables del usuario para reducir el riesgo de fraude o impago y establecer una relación comercial con el cliente a largo plazo. La compañía presume de una mejora de ese ratio del 40%, lo que permite mayor disponibilidad de crédito, mejores intereses y seguridad de cobro para los prestamistas o entidades bancarias que son sus clientes finales. Eso se consigue con algoritmos de machine learning y análisis predictivo

En la actualidad, la mayoría de prestamistas usan dos técnicas para la evaluación de riesgos: por un lado la regresión logística, que permite la predicción de una variables a partir de otras, y por otro los árboles de decisión. Según Zestfinance, los dos modelos tienen limitaciones, por ejemplo en el uso de variables (sólo entre 10 y 15 en el modelo de regresión logística). Ese uso escaso de variables provoca el aumento de errores en el modelo.

Zestfinance dispone de una solución que combina el aprendizaje automático, la gestión de grandes volúmenes de datos y la experiencia acumulada de su equipo en gestión crediticia. Su modelo de toma de decisiones ejecuta decenas de peticiones de préstamo en paralelo con buenos resultados.

3. Affirm

Affirm es la última startup lanzada por Max Levchin, el co-fundador de PayPal, un sistema de concesión de préstamos cómodos y a largo plazo para comprar artículos como electrodomésticos o colchones en tiendas minoristas sin tener que abonar los intereses asociados, por ejemplo, a las tarjetas de crédito. Affirm impone un modelo de pago en tres, seis o 12 meses.

En un artículo en Quartz, Levchin aseguraba que la idea de Affirm es que los clientes puedan comprar en comercios minoristas sin tener que usar una tarjeta asociada a grandes intereses. Eso va en línea con lo que los usuarios más jóvenes reclaman: formas de pago digitales y modernas, alejadas de los viejos sistemas como la tarjeta de crédito.

¿Qué sistema de evaluación utiliza Affirm para conceder créditos? Esta startup ha abandonado los métodos más utilizados como la calificación FICO y usan las redes sociales como Facebook y LinkedIn para evaluar sus hábitos de consumo y de gasto, su responsabilidad financiera, su potencial profesional… Son datos personales y públicos que sirven para crear un perfil más preciso del cliente y disminuir el riesgo de impago en un préstamo. 

4. Upstart

Upstart también introduce cambios en el modelo tradicional basado en la calificación FICO. Esta startup utiliza ese índice, al igual que el historial crediticio o los ingresos profesionales. Pero también usa elementos adicionales para crear un perfil del cliente: estudios universitarios, áreas de formación educativa y la realización de exámenes para la elaboración de modelos predictivos que evalúan la predisposición del cliente a pagar. 

El modelo de Upstart simula más de 50.000 escenarios posibles con cada cliente, a partir del cual se asigna un interés determinado a cada préstamo. Si hay más posibilidades de impago, se imponen más intereses. En 2014, Upstart prestó más de 100 millones de dólares en créditos.

Síguenos en @BBVAAPIMarket