Inteligencia de Crédito
Modelos que llegan a la decisión.
Construimos, validamos, implementamos y monitoreamos modelos analíticos para resolver problemas reales de crédito.
Unimos especialistas en Riesgo, Data Science y el Motor de Decisión para que la analítica pase de una validación técnica a una estrategia productiva, trazable y capaz de evolucionar.
01El objetivo
El objetivo no es construir un modelo. Es mejorar una decisión.
Un modelo genera valor cuando mejora una decisión concreta: a quién aprobar, qué límite asignar, qué riesgo anticipar, qué tratamiento aplicar o cuándo intervenir. Por eso partimos de la pregunta de Riesgo y de las restricciones reales del negocio antes de elegir datos, variables o algoritmos.
- 1Problema de créditoQué decisión queremos mejorar
- 2Datos y señalesQué información puede explicarla
- 3ModeladoQué método discrimina y se mantiene estable
- 4EstrategiaCómo entra el resultado en políticas y decisiones
- 5ProducciónCómo se ejecuta con control y trazabilidad
- 6EvoluciónCómo monitoreamos y ajustamos con resultados reales
Del dato al modelo. Del modelo a la estrategia. De la estrategia a la decisión.
02Cuatro formas de acompañar el ciclo del modelo
Del diseño analítico al monitoreo en producción.
Estrategia y diseño analítico
Trabajamos con Riesgo para traducir una prioridad del negocio en un problema analítico bien definido. Antes de modelar, acordamos población, objetivo, horizonte de desempeño, fuentes disponibles, restricciones operativas y criterio de éxito.
- Definición del problema y variable objetivo
- Diseño de muestra y ventanas de observación/desempeño
- Selección de fuentes y señales
- Criterios de éxito alineados con la estrategia de crédito
Construcción y validación de modelos
Desarrollamos modelos de originación, comportamiento y cobranza utilizando la metodología que mejor responda al problema, los datos y los requisitos de explicabilidad y gobierno de la institución. Podemos combinar información tradicional con fuentes alternativas cuando aportan poder discriminante real.
- Regresión logística, XGBoost y redes neuronales, según el caso
- Gini y AUC-ROC
- KS y lift por decil
- Calibración de probabilidad de default
- Validación fuera de muestra y documentación técnica
Gobernanza y documentación
Diseñamos el marco para que cada modelo tenga dueño, propósito, versión, evidencia y criterios claros de aprobación y uso. La documentación se prepara para que el modelo pueda ser revisado por Riesgo, Data Science, auditoría, comités internos y, cuando corresponda, supervisión regulatoria.
- Inventario y ficha técnica por modelo
- Protocolo de validación independiente
- Registro de versiones, cambios y resultados
- Evidencia metodológica para auditoría y gobierno interno
Monitoreo y evolución en producción
Un modelo no termina cuando entra en producción. Definimos el seguimiento de estabilidad, discriminación y calibración para detectar cuándo el comportamiento de la población cambia y cuándo corresponde recalibrar, reentrenar o revisar la estrategia.
- Population Stability Index (PSI)
- Gini de producción vs. desarrollo
- Drift de variables predictoras
- Calibración y desempeño observado
- Protocolos de alerta, recalibración y reentrenamiento
03Del modelo a la decisión
El modelo no tiene que quedar fuera de la estrategia.
Cuando el alcance incluye implementación, llevamos el modelo al punto donde realmente genera valor: la decisión productiva. Puede ser un modelo desarrollado por Addalitica, por el equipo del cliente o por un tercero. Lo importante es que pueda convivir con los datos, políticas, segmentaciones y restricciones que determinan la decisión final.
Dentro del Motor de Decisión, el resultado del modelo puede combinarse con reglas, matrices, datos externos, políticas, otros modelos y condiciones de negocio. La entidad conserva el control sobre cómo y cuándo utilizarlo.
El entregable no tiene por qué terminar en un score. Puede terminar cuando ese score participa correctamente de una decisión real.
04Criterio
Crédito antes que algoritmos.
No partimos de una técnica que necesitamos vender. Partimos de la decisión que la institución necesita mejorar. La metodología se selecciona según la muestra disponible, el comportamiento que se quiere predecir, la estabilidad requerida, la capacidad de explicación y las condiciones de producción.
El mejor modelo no es necesariamente el más complejo. Es el que discrimina bien, se mantiene estable, puede gobernarse y funciona dentro de la operación para la que fue diseñado.
05Nuevas señales
Cuando los datos tradicionales no alcanzan, buscamos nuevas señales.
En muchos segmentos de América Latina, la falta de historial formal no equivale a falta de capacidad de pago. Por eso evaluamos fuentes y señales adicionales cuando pueden mejorar la discriminación del modelo sin relajar la política de riesgo.
Comportamiento
Psicometría y señales de interacción para perfiles con poca historia financiera.
Actividad económica
Factura electrónica, servicios públicos y fuentes que representen ingresos y actividad.
Documentos
Document Intelligence y balances convertidos en variables utilizables.
Contexto
Señales geográficas y económicas cuando hay datos locales suficientes para modelarlas.
Huella digital
Variables de interacción o fuentes digitales cuando resultan pertinentes y legítimas.
Datos propios
Historia transaccional, comportamiento interno y resultados previos.
06Más allá de predecir
Predecir, decidir y optimizar.
Los modelos predictivos estiman qué puede ocurrir. La estrategia define qué hacer con esa predicción. Y, cuando el problema lo requiere, la optimización matemática puede buscar la mejor combinación factible de decisiones dentro de restricciones de riesgo, capital y negocio.
07¿Por qué Addalitica?
Riesgo, Data Science y decisión en el mismo ciclo.
Riesgo y Data Science en la misma conversación
Nuestro equipo conecta objetivos de cartera, apetito de riesgo y políticas con variables, muestras, métricas y metodologías analíticas. Reducimos la distancia entre quien define la estrategia y quien construye el modelo.
La analítica conoce dónde va a vivir
Diseñamos pensando en la decisión productiva: qué datos estarán disponibles, qué latencia es viable, cómo se explicará el resultado y qué política utilizará el score.
Realidad latinoamericana, modelo por modelo
Trabajamos con las características reales de cada mercado y segmento: informalidad, thin-file, fuentes locales, microempresarios, personas y empresas. No asumimos que una señal funciona igual en todas las poblaciones.
Independencia analítica
Podemos trabajar con modelos construidos por Addalitica, por la institución o por terceros. La estrategia no queda condicionada a un único proveedor de datos, algoritmo o modelo.
08Modelos para distintas decisiones de crédito
Un modelo por decisión, no un modelo para todo.
Originación
Scoring de admisión, probabilidad de default, capacidad de pago, segmentación y apoyo a la definición de condiciones.
Comportamiento y cartera
Modelos para anticipar deterioro, revisar límites, priorizar campañas y definir tratamientos sobre clientes existentes.
Cobranza
Modelos de autocura, migración, recuperación y priorización para decidir dónde concentrar esfuerzo y qué tratamiento aplicar.
Segmentos con poca historia
Diseño de señales y modelos para microempresarios, trabajadores independientes y personas thin-file cuando la información tradicional es insuficiente.
09Para equipos con necesidades diferentes
El acompañamiento se adapta a la capacidad instalada.
Bancos, cooperativas y microfinancieras
Para instituciones con equipos de Riesgo y Data Science establecidos, aportamos especialización crediticia, validación independiente, nuevas fuentes, gobernanza, implementación y acompañamiento en problemas donde se necesita profundidad adicional.
Fintech y originadores digitales
Para equipos que necesitan construir o fortalecer su capacidad analítica, desarrollamos modelos con criterios de validación, documentación, monitoreo e integración que permitan crecer sin perder control sobre la decisión.
10El valor de cada decisión
¿Qué decisión necesita mejorar?
Aprobación, límites, pricing, comportamiento, cobranza, inclusión financiera o nuevas señales de riesgo: partimos del problema de crédito y definimos qué combinación de analítica, gobierno y tecnología puede generar valor.