fbpx

El Score Crediticio “Social”: Separando los Datos del Ruido

Si usted es de las personas que tiene muchos amigos en Facebook, significa, en cierta medida, que usted…

Si usted es de las personas que tiene muchos amigos en Facebook, significa, en cierta medida, que usted es popular en algunos círculos. Ahora, para algunas entidades otorgadoras de crédito usted también puede ser merecedor de un crédito.

DataCrédito nos explica en su página web que: “Un score de riesgo crediticio o score de crédito es un puntaje basado en un modelo estadístico que pronostica la probabilidad de cumplimiento de una persona en el pago de sus obligaciones.”

Tradicionalmente, la información de comportamiento financiero usada para determinar el score de las personas ha incluido características en cuanto a su experiencia crediticia, los productos de crédito que tiene o ha tenido, sus niveles de endeudamiento y utilización, sus hábitos de pago, entre otros. Pero esto podría estar próximo a cambiar…

Lenddo, Neo Finance, Affirm, ZestFinance y AvantCredit son algunas entre un creciente número de compañías otorgadoras de crédito que utilizan datos personales encontrados en redes sociales tales como Facebook, LinkedIn y Twitter para calificar el riesgo crediticio de los consumidores. Esta naciente grupo de empresas tiene la convicción de que el estatus social de un individuo, su reputación en línea y/o sus conexiones profesionales son factores claves que deben ser considerados al otorgar un crédito, particularmente para personas cuya historia crediticia es escasa o esta “manchada”, y que de otra forma pueden tener problemas obteniendo un préstamo.

La visión de estas empresas es explotar un defecto percibido en los criterios tradicionales de calificación basados en scores de crédito FICO, según los cuales una persona que ha dejado de cumplir con sus obligaciones y carece de experiencia crediticia sería considerada automáticamente una apuesta riesgosa y penalizada con tasas de interés más altas en sus préstamos. Peor aun, un préstamo podría se negado completamente, sin importar circunstancias mitigantes tales como una emergencia médica. Lenddo, Neo Finance y Affirm perciben sus ingresos principalmente a través de tarifas o comisiones por cada transacción. Sin embargo, es un misterio si este modelo de negocio perdurará en el tiempo.

Neo Finance, con base en Palo Alto, California, se especializa en personas que necesitan préstamo para automóvil con historiales crediticios negativos y quienes generalmente calificarían para créditos con altas tasas de interés de las entidades otorgadoras de crédito tradicionales.

Neo puede otorgar créditos con tasas de interés inferiores después de considerar información tal como historial laboral del solicitante y la calidad de sus conexiones en su perfil de LinkedIn para evaluar el potencial salarial futuro y la estabilidad laboral. Neo tiene un cuenta FICO, pero únicamente para detectar alertas, no para calcular el score de riesgo.

Lenddo, por su parte, lleva esta tendencia un paso más allá al utilizar las conexiones sociales del acreedor para ejercer presión en caso de que este incumpla sus obligaciones. Por ejemplo, la empresa informará a los amigos de Facebook de sus clientes si no han pagado, y el score de Lenddo de sus amigos se verá afectado si el cliente no paga su crédito. Lenddo calcula su propio score de crédito de 1 a 1000 luego de inspeccionar cientos de bases de datos y redes sociales buscando variables como la ubicación del solicitante y el número de conexiones. Affirm, con base en San Francisco, y liderada por el co-fundador de PayPal, Max Levchin, hace fácil para sus clientes el pago de bienes y servicios utilizando su Smartphone y le otorga 30 días para ponerse a paz y salvo con sus obligaciones sin costos adicionales.

Algunas empresas están utilizando datos recopilados en redes sociales para evaluar el riesgo crediticio de un solicitante en países donde los scores de crédito de consumo estandarizados no están disponibles, y en donde los créditos se otorgan basados en la reputación.

Lenddo otorga pequeños créditos a personas en países en vía de desarrollo, incluido Colombia (www.lenddo.com.co), para ayudar a mejorar su calidad de vida luego de analizar el perfil en línea de los solicitantes. Para explicar el racional detrás de su modelo de negocio, la página web de la compañía cita al banquero de Wall Street Jhon Pierpont “J.P.” Morgan, quien alguna vez dijo que el carácter es más importante al evaluar el potencial de crédito, que el dinero o la propiedad.

En una era donde existe una explosión de información en Internet, un fenómeno relacionado con “Big Data”, incorporar datos sociales para propósitos de calificación de crédito es, tal vez, inevitable. Pero saber exactamente cuales piezas de información serán útiles y cuales no, tomará tiempo.


El Comienzo de una Nueva Era

En los años 50, el ingeniero Bill Fair y el matemático Earl Isaac, ambos empleados en el Stanford Research Institute en Menlo Park, California, llegaron a creer que aplicando matemáticas y estadística avanzadas para analizar procesos operacionales de negocio complejos le permitiría a una compañía tomar mejores decisiones. En 1956, con USD$ 400 cada uno, fundaron Fair, Isaac & Co. y desarrollaron el sistema de calificación crediticia FICO, el cual se convirtió en la base del modelo de crédito-riesgo de la industria. Fair e Isaac creían que la operación de una compañía contenía una mina de oro de información que podía ser analizada, de forma que las decisiones pudieran ser metódicas y basadas en datos, y no solo por instinto y consenso.

Simultáneamente, otra revolución comenzó a tomar forma. IBM, bajo el mando de su presidente Thomas Watson Jr. introdujo el IBM 701, su primer computador tipo mainframe, disponible comercialmente, y construido en masa. A medida que los computadores se volvieron más ubicuos, las organizaciones comenzaron a computarizar sus operaciones de negocios. Por primera vez, más organizaciones fueron capaces de capturar y almacenar electrónicamente información acerca de clientes, tal como compras, en una escala masiva. La decisión de Watson de comprometer la visión de IBM, de máquinas de negocio a computadores, sería el detonante de la revolución de la tecnología de la información en los negocios y el comienzo de la gestión de decisiones en las grandes corporaciones.

Hoy en día, un movimiento tectónico similar está teniendo lugar en la tecnología y los datos. Los computadores se han vuelto más pequeños y más rápidos, el almacenamiento de datos se está volviendo más económico y la computación en la nube permite el acceso a la información desde cualquier parte. Los datos digitales de consumidores nunca habían sido así de voluminosos: 2.8 trillones de gigabytes fueron creados, replicados y consumidos en 2012 según IDC. Se espera que esta cifra se doble cada dos años hasta 2020 a medida que las personas alrededor del mundo comparten información en redes sociales y otros canales, a través de millones de dispositivos conectados.

Pero así como FICO en su infancia, las organizaciones están hasta ahora asimilando que tipo de datos sociales se podrán convertir en predictores de comportamiento crediticio en el tiempo. Existe una correlación entre comentarios racistas en Facebook y riesgo crediticio? El fundador de Neo Navin Bathija comentó en una entrevista en The Economist el 9 de Febrero de 2013 que cree que en un año existirá suficiente información disponible para establecer si existe algún vínculo. En el mismo artículo, sin embargo, el fundador de ZestFinance y antiguo CIO de Google, Douglas Merril, dice que las personas que escriben exclusivamente en minúsculas, o mayúsculas, tienen mayor probabilidad de ser “mala paga”. ZestFinance utiliza algoritmos tipo Google para evaluar el riesgo crediticio de una persona analizando miles de variables crediticias potenciales.

Mientras tanto, FICO y las redes sociales tienen diferencias distintivas: FICO utiliza principalmente datos cuantitativos. De acuerdo a la compañía, 35% de la calificación FICO está basada en la historia crediticia, 30% en la cantidad debida, 15% de la antigüedad de la historia crediticia, y 10% por nuevos créditos y tipos de crédito utilizados. La calificación sube o baja de acuerdo con el comportamiento del consumidor. Pero utilizar el historial crediticio de una persona para predecir el comportamiento futuro hace sentido; correlacionar el número de amigos en Facebook a la capacidad de pago de obligaciones es otro asunto muy diferente. Solo porque se tiene muchos amigos en Facebook no significa que se tiene un alto estatus en la comunidad.

Donde los datos sociales son más útiles es cuando son aplicados a personas con poca o ninguna historia crediticia. “Es una fuente de datos adicional valiosa que puede ser predictiva del comportamiento de alguien”, dice Eric Bradlow, co-director del Wharton Customer Analytics Initiative y profesor de mercadeo. “Va a ser especialmente valioso cuando los datos sobre un individuo son escasos”.  Observar nuevas variables es una práctica estándar al construir modelos predictivos de crédito. “Se buscan constantemente nuevas variables que añadan poder predictivo a la calificación” anota.

Muchas entidades crediticias ya están utilizando datos cualitativos de la mano de calificaciones FICO. Por ejemplo, cuando se trata de personas con poca o sin experiencia crediticia, como recién graduados, las compañías intentarán encontrar personas que sean similares a los solicitantes a préstamos para predecir el tipo de comportamiento de pago que se puede esperar. Robert Stine, profesor de estadística en Wharton quién investiga las calificaciones crediticias explica: “Si ud. es como otras personas que cumplen con ciertas características, se puede tener una idea de cuales serán sus características de pago”. Pero al solicitante probablemente obtendrá crédito bajo términos más exigentes, como tarjetas de crédito con límites de créditos inferiores y tases de interés más altas, hasta que ha demostrado que es de confiar.

Los Obstáculos de los Datos Sociales

Uno de los grandes retos al usar datos sociales para evaluación de crédito proviene de las leyes de protección al consumidor. En la mayoría de países existen leyes las cuales dictan que los oportunidades de crédito deben ser iguales sin importar raza, religión, género, estado marital, edad y otras características personales. La mayoría de esta información se puede extraer de una página de Facebook. Alguna compañías ya han generado controversia al examinar los perfiles sociales de candidatos laborales.

Otro aspecto polémico es el de la privacidad. En 2012, la agencia crediticia más grande de Alemania, Schufa, causo indignación luego de que varios medio de comunicación reportaron que planeaba recolectar datos de redes sociales para evaluar el riesgo crediticio de los consumidores. A raíz de este escándalo, Schufa desistió de continuar con la iniciativa. En EE.UU. las agencias de crédito están estrictamente reguladas y son muy cautelosas de cumplir con la ley al pie de la letra por lo que no parece probable que ninguna de las grandes agencias crediticias se involucren de momento con algo tan controversial como los datos sociales. Frank Eliason, jefe de medio sociales para Citibank, comentó recientemente en una entrevista a The Economist que el banco actualmente monitoreo las redes sociales con propósitos de mercadeo, pero que el uso de estas mismas para medir viabilidad crediticia puede ser un “juego peligroso”.

Adicionalmente existe una reticencia natural de las entidades financieras a cambiarse a una nueva métrica cuando FICO ha funcionado bien. Otras compañías han introducido  nuevos criterios de calificación en el pasado, incluyendo a los tres bureaus de crédito más importantes de EE.UU., sin embargo se han demorado en ganar terreno. La nuevas empresas de crédito que utilicen datos sociales pueden enfrentar los mismos obstáculos.

Otro problema con los datos sociales: A diferencia del historial crediticio, es fácil manipular el perfil de medios sociales. Hoy en día una persona puede comprar seguidores de Twitter con el objetivo de aumentar su calificación. En algún momento, se volverá ventajoso manipular este tipo de información. En este momento lo que se verá es un cara a cara entre personas con perfiles manipulados solicitando crédito y las entidades otorgadoras de crédito tratando de discernir entre clientes verdaderamente rentables.

Pero a pesar de los obstáculos, la era del Big Data ha llegado y el mercado se está adaptando. Experian, uno de los tres grandes bureaus de crédito de EE.UU., recientemente lanzó la calificación “Extended View” que incluye información de arriendos como parte del cálculo. La compañía, junto con TransUnion y Equifax, también modificaron su modelo retador a FICO llamado “VantageScore” para mejorar la evaluación de crédito. Por ejemplo, las deudas que iban a una agencia de cobranza solían ser un factor en la calificación crediticia. La nueva versión de VantageScore no tendrá en cuenta este factor mientras que la deuda sea saldada y balance sea cero. El sistema de calificación también considerará pagos a servicios públicos como parte del perfil crediticio del cliente. Por su parte, FICO ha expresado que está evaluando la posibilidad de incorporar datos alternativos en la calificación de personas con historias crediticias limitadas o inexistent

  1. Alejandro que buen articulo veo que te fascina el big data y sus posibles aplicaciones en una industria repleta de informacion bastante veraz como el sector financiero yo quise aplicar un modelo de scoring social a una entidad operadora de libranza http://www.libranzaexpress.com pero considero que mucha de la informacion de pefiles sociales no es tan confiable, por lo que su resultado o pweso especifico en el scoring se postula considerarla baja, espero que sigas tratando los temas de big data y del sector financiero

Deja un comentario