Jaime Fernández
Consultor Fintech y Blockchain de Finnovating. Linkedin.
13/09/2018
El Machine Learning, la tecnología que está en boca de todos, se basa en el aprendizaje automático por parte de sistemas o dispositivos que mediante los datos recogidos son capaces de aportar respuestas cuyo grado de precisión aumenta a medida que el inflow de datos es mayor.
No obstante, no se trata únicamente de cantidad, sino también de calidad de los datos. Los datos que se utilicen para definir los algoritmos deben ser de valor, y tener un sentido para aportar respuestas más exactas, reduciendo la probabilidad de error al mínimo.
La relevancia que tiene el Machine Learning en el sector financiero es capital, impactando cualquier área de negocio, tal y como están demostrando actualmente las FinTech. Desde los analistas de inversión, analistas de riesgos, o el departamento de Customer Service pueden apalancarse en esta tecnología para mejorar su funcionalidad, ya bien sea en términos de costes, de agilidad o precisión.
Entonces, ¿Cómo puede transformar el Machine Learning la concesión de créditos y préstamos? En este caso, esta tecnología juega un papel sumamente importante en la gestión del riesgo, mediante el análisis del perfil del cliente que solicita el crédito. Para conocer el riesgo de impago de cada potencial cliente, el algoritmo creado, y que se pretende mejorar mediante Machine Learning, no se sirve únicamente de datos financieros, sino también de datos comportamentales que se pueden extraer, por ejemplo, de redes sociales o de valoraciones de otras personas en plataformas colaborativas (por ejemplo, valoraciones extraídas de Blablacar, Airbnb o People). Esto mismo es lo que está haciendo la startup española de Credit-Scoring, Traity.
Gracias a una mayor precisión del riesgo de impago obtenida por estos algoritmos que recogen datos no solo financieros, las empresas financieras que se encuentran en la vertical de Lending podrán reducir sus pérdidas por impago. Cuenta más información se tenga menor será la asimetría de información entre entidad y cliente, pudiendo personalizar el precio del préstamo según el cliente. Este problema es explicado por la “teoría del mercado de los limones”.