¿Por qué la categorización de datos es fundamental para las decisiones crediticias?

En el contexto de la calificación crediticia, no es obligatorio categorizar los datos para obtener resultados que guíen la toma de decisiones. De hecho, se puede utilizar un enfoque basado en variables puramente financieras y calculado a partir de datos no categorizados para crear una calificación crediticia. Por ejemplo, informarán sobre señales como la evolución del saldo bancario, la volatilidad de los gastos, el número de días de sobregiro, etc.

Sin embargo, este enfoque puramente financiero tiene sus límites. Por ejemplo, cada mes, la suma de las entradas y gastos de los consumidores suele ser igual o cercana a cero. Sin embargo, esto no siempre significa que el presupuesto de la persona sea limitado. Simplemente se puede ahorrar una cantidad no gastada y, sin categorización, es difícil distinguir entre consumo y ahorro. Por último, la interpretación puramente financiera de los datos de la banca abierta limita la precisión de los perfiles de riesgo, ya que no permitirá comprender en detalle el comportamiento bancario del candidato a préstamo. Su razonamiento seguirá siendo puramente contable.

Para ir más allá en el análisis de riesgos, la categorización interviene entonces para dar sentido a los flujos financieros. En Algoan, aprovechamos los datos de la banca abierta para ofrecer uno de los análisis de riesgo más potentes del mercado. Gracias a esta categorización de los datos de banca abierta, nuestros modelos de predicción del riesgo crediticio se basan en variables más predictivas y han aprendido a crear perfiles de riesgo más precisos.

Nuestros algoritmos permiten asignar cada transacción bancaria a una de nuestras 90 categorías, con una precisión de casi el 99%. Esta granularidad de categorías permite validar 3 criterios principales específicos para las decisiones crediticias y su automatización:

• La solvencia del candidato prestatario (asequibilidad):
  La categorización permite identificar ingresos y gastos incompresibles (vivienda, préstamos, etc.) entre todas las transacciones bancarias. Esto permite proporcionar indicadores clave para el análisis de la solvencia: ingresos, ratio de deuda, gastos de manutención, etc.
• Identificación de eventos crediticios importantes (señales de alerta):
  La categorización permite detectar a los solicitantes que ya se encuentran en una situación de impago de las reclamaciones o de estrés financiero y, por lo tanto, evitar situaciones de sobreendeudamiento.
  
• Propensión a reembolsar (solvencia crediticia):
  La categorización alimenta las variables de nuestra calificación crediticia, que estima la probabilidad de que un solicitante reembolse sus condiciones crediticias.

Por lo tanto, nuestra categorización permite tomar una decisión crediticia bancaria 100% abierta, de acuerdo con las directrices de la AU-005 de la CNIL, que enumera los elementos que se pueden utilizar en el contexto de la decisión crediticia.

La confiabilidad y la complementariedad de estos indicadores permiten a las instituciones financieras reducir a la mitad su riesgo crediticio en comparación con los métodos tradicionales de categorización y calificación. Se puede decir que ¡una nueva era para las decisiones crediticias!

En nuestro próximo boletín, volveremos al método que desarrollamos para crear algoritmos para categorizar y enriquecer los datos de la banca abierta basados en el aprendizaje automático, suscríbase a nuestro boletín en LinkedIn !