Del historial crediticio a la operativa financiera real: el impacto del Open Banking en la analítica de riesgo
Por Pere Joan Ventura, Analytics Specialist en ubimia®
Durante décadas, los modelos de scoring han estado basados principalmente en una fuente de información: el historial crediticio del solicitante.
Este enfoque ha permitido estimar el riesgo con bastante eficacia cuando el cliente tiene una trayectoria financiera conocida. Sin embargo, presenta una limitación evidente: el historial crediticio refleja cómo una persona se ha comportado frente al crédito en el pasado, pero no siempre describe con precisión su situación financiera actual.
Este problema se hace especialmente visible en la evaluación de clientes nuevos. Cuando el solicitante no tiene relación previa con la entidad o su historial es limitado, la información disponible para estimar su riesgo se reduce de forma considerable. Hoy el Open Banking nos sitúa en un escenario diferente al permitir incorporar la operativa financiera real del usuario como fuente de información en los procesos de originación.
Los datos transaccionales en la analítica de riesgo
Conviene aclarar algo importante: los datos transaccionales no son nuevos en la analítica de riesgo. Las entidades financieras llevan años utilizándolos en modelos comportamentales aplicados a clientes existentes.
En ese contexto, el análisis de los movimientos bancarios permite observar cómo evoluciona el comportamiento financiero del cliente y detectar cambios que pueden anticipar un deterioro en su capacidad de pago.
Esta información es especialmente valiosa porque refleja algo fundamental: cómo gestiona realmente su dinero una persona en su vida diaria.
Lo que introduce el Open Banking es la posibilidad de aplicar ese mismo tipo de análisis también en la evaluación de clientes que todavía no tienen relación con la entidad.
Con el consentimiento del usuario, una entidad puede acceder a la información transaccional de sus cuentas en otras instituciones y analizarla como parte del proceso de originación.
A partir de esos movimientos es posible derivar variables relacionadas con aspectos como:
- estabilidad y regularidad de los ingresos
- estructura de los gastos recurrentes
- compromisos financieros existentes
- variabilidad en los flujos de caja
- capacidad de ahorro o margen financiero
Desde el punto de vista analítico, este tipo de señales permite entender mucho mejor la situación financiera actual del solicitante.
Mejor estimación de la capacidad de pago
Para los equipos de riesgo, disponer de esta información tiene una consecuencia muy concreta: permite estimar con mayor precisión la capacidad real de pago del solicitante.
Esto es especialmente relevante en originación, donde tradicionalmente muchas decisiones se han tomado con una visión parcial.
Cuando se entiende mejor la estructura de ingresos y gastos de una persona, es posible ajustar mucho más la decisión de crédito. No solo en términos de aprobar o rechazar una solicitud, sino también en un aspecto que, a menudo, es igual o más importante: determinar el límite de crédito adecuado.
Asignar límites demasiado altos introduce riesgo innecesario desde el primer momento. Asignarlos demasiado bajos puede limitar el valor del cliente y la competitividad de la oferta.
El análisis de datos transaccionales permite acercarse más a ese punto de equilibrio, ajustando el crédito concedido a la capacidad financiera real del solicitante.
Una ventaja competitiva que evolucionará
Hoy en día todavía existe una ventaja competitiva para las entidades que incorporan Open Banking en sus procesos de originación, simplemente porque disponen de más información para tomar decisiones.
Sin embargo, es razonable pensar que esta situación evolucionará. A medida que el Open Banking se generalice y más entidades trabajen con fuentes de datos similares, la diferencia competitiva difícilmente estará solo en tener acceso a la información.
Probablemente estará en qué se hace con ella.
Los datos transaccionales, por sí solos, no generan valor analítico. Son secuencias de movimientos que deben ser interpretadas, categorizadas y transformadas en variables que permitan estimar el riesgo y la capacidad de pago del solicitante.
En ese proceso intervienen múltiples decisiones analíticas: cómo se construyen las variables, qué señales se consideran relevantes, cómo se calibran los modelos y cómo se integran esas estimaciones en los procesos de decisión de crédito.
Dos entidades pueden trabajar con datos muy similares y, sin embargo, llegar a conclusiones muy distintas sobre el riesgo de un mismo solicitante.
Por eso, cuando el acceso a los datos se generalice, la ventaja competitiva probablemente estará menos en tener los datos y más en la capacidad de convertirlos en decisiones de negocio bien calibradas.
Y ahí es donde la analítica seguirá marcando la diferencia.
Si estás valorando incorporar Open Banking en tu proceso de admisión:
