sábado. 26.09.2020

MEJORA UN 30% LA PREVISIÓN DE IMPAGOS

El método que permitirá a los negocios detectar a los clientes morosos

El método que permitirá a los negocios detectar a los clientes morosos

El análisis de datos masivos y la predicción de patrones de comportamiento, mediante el Big Data y el Machine Learning, ayudará -en poco tiempo- a reducir la morosidad en los pequeños negocios. Todo ello gracias al almacenamiento de los datos del cliente.

El método que permitirá a los negocios detectar a los clientes morosos

Almacenar los datos puede ser clave para reducir la morosidad en un futuro próximo. El uso de tecnologías como el Big Data y el Machine Learning, que permiten analizar un gran volumen de datos y obtener patrones de comportamiento, pueden ayudar a identificar a los clientes que van a tardar en pagar o que, incluso, no van a realizar el pago. Según Experiam, compañía especializada en servicios crediticios y analítica avanzada, el uso de estas tecnologías permite mejorar un 30% la capacidad de predecir el riesgo de impago.

Se trata de una función que ya está siendo muy utilizada en el sector financiero. Sin embargo, su aplicación no es exclusiva de entidades bancarias y fintechs -startups dedicadas a las finanzas-. Ricardo García, director de analítica en España y Portugal de Experiam, aseguró que “se puede utilizar el Big Data y Machine Learning en cualquier otro contexto. Basta con almacenar los datos de los clientes y luego poner en práctica los conocimientos estadísticos para obtener los patrones”.

De esta forma, en un futuro -cercano- , en sectores como el comercio, la construcción o el de servicios se podría utilizar el Big Data y el Machine Learning para detectar el riesgo de morosidad de un cliente, antes de realizar el trabajo o servicio. “Estas tecnologías no son una moda y van a seguir utilizándose. Nosotros ya estamos viendo de primera mano su penetración en el mercado y, en poco tiempo, conforme los negocios se vayan digitalizando -y por lo tanto, teniendo más datos-, su uso y aplicación irá a más” explicó García.

Precisamente, una de las razones por las que el Big Data y el Machine Learning no son, por el momento, herramientas muy extendidas entre los pequeños negocios es por la fata de datos y de informaciones que se necesitan para desarrollar las predicciones. Aunque eso no quita que algunos pequeños negocios apuesten por invertir en ellas. “Solemos trabajar con fintechs, pues les interesa especialmente conocer y analizar el riesgo de impago de sus clientes” apuntó García.

No obstante, el tener una base de datos no es del todo imprescindible para utilizar estas tecnologías. “Se pueden predecir patrones sin base de datos propia, pero el proceso es más complicado. Porque, aparte de invertir en el proceso de detección de comportamientos y patrones, también habría que comprar una base de datos a terceras empresas”.

¿Cómo se detectan los impagos?

Para el director de analítica de Experiam, el Big Data y el Machine Learning tienen “dos componentes” que son clave para reducir la morosidad en un negocio. Por un lado, permiten el almacenamiento de datos masivos. Por otro, “se pueden explotar esos datos, a través de algoritmos y estadísticas, para predecir la gestión de los riesgos”. Esto es, como si el dueño de un negocio se acordase a la perfección de todas y cada una de las transacciones que ha realizado a lo largo de sus años, y pudiera identificar, en base a las características de un nuevo cliente, si éste va a ser un buen o un mal pagador.

Así, según García, “un negocio que tuviese una gran cantidad de datos sobre sus clientes y, a su vez, supiera si esos clientes han sido morosos o no en algún momento, podría, a través del análisis de estos datos, crear un patrón estadístico que le permitiera averiguar la probabilidad de impago de un nuevo cliente". En otras palabras, se comparan los comportamientos y las probabilidades que hay de impago en cada caso, en función de los clientes anteriores.

Normalmente, los comportamientos en los que se suelen basar las analíticas son: el número de veces que el cliente no ha pagado, si ha tenido la cuenta en descubierto o si son recurrentes estas situaciones, Asimismo, cada negocio actúa diferente cuando conoce el riesgo de impago de un futuro y posible cliente: “hay algunas que se basan en el resultado para apoyar la decisión y hay otras que deciden simplemente a través del porcentaje. Depende mucho del modelo estadísticos desarrollado y del perfil del negocio” añadió García.

Sin embargo, el Director de analítica consideró que el Big Data y el Machine Learning están llamados a ser “un apoyo para tomar una decisión final. Éstos no van a sustituir el juicio, ni la experiencia del dueño de un negocio.  Los modelos que se crean aún no son perfectos y tienen sesgos”,

Los autónomos a revisión del Big Data

El Big Data y el Machine Learning serán en un futuro herramientas que puedan utilizar los negocios en su día a día para detectar a clientes morosos. Pero, por el momento, son las tecnologías que usa el banco para analizar a los autónomos y saber si pueden o no concederles la financiación que les piden. Ricardo García, director de analítica en España y Portugal de Experiam, detalló que las entidades bancarias están analizando estos tres componentes antes de conceder o no la financiación solicitada:

  1. Las características sociodemográficas: la renta, la edad, dónde vive, etc.
  2. Los datos financieros como, por ejemplo, la cuenta de pérdidas y ganancias de su negocio.
  3. Buen pagador: si en los últimos años el autónomo ha sido un buen pagador.  Para García, éste es el componente decisivo.

El método que permitirá a los negocios detectar a los clientes morosos