Crédito con ‘c’ mayúscula
Supongamos que necesito un crédito y acudo a una de las fintech (empresa tecnológica de servicios financieros) especializada en préstamos. En la solicitud lo primero que me pregunta es el nombre. Escribo: “jose garcia montalvo”. A los pocos minutos de acabar la solicitud llega el resultado. Denegado. ¿Cómo puede ser? Nunca he dejado de pagar ni una factura. El motivo podría ser el sistema de calificación crediticia utilizado por esa empresa de internet. En algunos casos utilizan la capitalización de las primeras letras del nombre y apellidos como señal de la calidad crediticia de los clientes. Según sus modelos si se escribe todo el nombre en mayúsculas, o en minúsculas, la probabilidad de impago es superior que si se capitaliza correctamente cada palabra. Es la diferencia entre un persona pulcra y confiable y una a la que todo le da lo mismo.
Esta es una paradoja del mundo digital en el sector financiero. Las nuevas empresas tecnológicas dedicadas a prestar servicios financieros están atacando toda la cadena de valor de los bancos tradicionales pero tienen poca información sobre, por ejemplo, los potenciales clientes y deben utilizar criterios intrincados para calcular la probabilidad de impago de los solicitantes de crédito. Por el contrario, las entidades financieras tradicionales tienen una cantidad ingente de información sobre los solicitantes de crédito y pueden construir modelos muy sofisticados para calibrar la calidad crediticia de los solicitantes de créditos. Es un poco el mundo al revés: los bancos tradicionales tienen todos los datos mientras las tecnológicas financieras cuentan con una cantidad limitada de información y, normalmente, deben basarse en los datos, y comportamientos derivados, de lo que el solicitante expone en su solicitud. Un estudio realizado recientemente con datos de Prosper.com, basado en el análisis textual de las razones de la solicitud del crédito, concluye que los solicitantes que utilizan palabras como “Dios”, “promesa”, “pagaré”, “gracias” y “hospital” (tengo un familiar en el hospital) tienen mayor probabilidad de no pagar el crédito. Por el contrario los términos “libre de deuda”, “bajo tipo de interés”, “después de impuestos”, “mínimo pago” o “graduado” están correlacionados con una baja probabilidad de impago.
Sin embargo, las fórmulas más habituales para determinar la concesión de créditos en financieras digitales se basan en una actualización del viejo criterio de JP Morgan. En una comparecencia parlamentaria en 1912 un abogado le preguntó a J.P. Morgan si la riqueza de un hombre era el factor más importante para prestarle dinero. Morgan respondió con total seguridad: “No señor. El factor más importante es su reputación… un hombre en quien no confío, no obtendría dinero de mí ni con toda la riqueza de la cristiandad”. Por ese motivo las empresas de créditos por internet, y a falta de más información, utilizan la reputación digital. Veamos algunos ejemplos. Neo Finance utiliza el número y la calidad de las conexiones en LinkedIn del solicitante con los trabajadores de su empresa para predecir la estabilidad en el empleo y los ingresos futuros. Asimismo, utiliza los contactos del solicitante con ejecutivos de otras empresas para calcular la probabilidad de que, si perdiera el empleo, obtuviera otro en poco tiempo. Lenddo utiliza el número de seguidores en Facebook, las características de los mis- mos, su nivel educativo, su empleador y el historial crediticio de sus amigos (extraído de sus propios comentarios en la red). A partir de los datos de su red social, y la localización geográfica, calcula la probabilidad de que deje de pagar el crédito teniendo en cuenta que si alguno de sus amigos de Facebook deja de pagar esto afecta negativamente a su probabilidad de conseguir un crédito. Kreditech también utiliza Facebook. En este caso los demandantes cuyos amigos parecen tener mejores trabajos o viven en mejores barrios tienen mayor probabilidad de obtener un crédito. La empresa señala que su algoritmo de machine learning tiene un tiempo medio de resolución de una solicitud de 8 segundos y pasan menos de seis minutos hasta recibir el dinero.
Estas estrategias de medición de la reputación digital son interesantes y seguro que tienen cierta capacidad predictiva pero no pueden competir hoy por hoy con la calidad de la información de la que disponen los bancos tradicionales. Mientras que en los medios de pago la penetración de las fin
tech es ya muy elevada, en la concesión de créditos todavía es muy limitada. Los datos, la materia prima de las empresas digitales, son en este caso los grandes aliados de la banca tradicional. Sin embargo esta ventaja podría ser temporal. Existen claros peligros. En primer lugar la nueva directiva europea de pagos abiertos (PSD2) podría acabar obligando a los bancos a compartir parte de su información. Además, para los clientes de los que los bancos tradicionales disponen de poca información (por ejemplo, los jóvenes) estos nuevos procedimientos pueden ser más eficaces que la denegación por falta de información. Finalmente, los grandes gigantes de internet como Amazon o Google, también ansían comerse este mercado. Amazon Lending, la facilidad crediticia de Amazon para comercios, ofrece créditos entre 1.000 y 750.000 dólares, a pagar en un año a partir de las ventas de la compañía que los solicita. Para la concesión utiliza algoritmos basados en el historial de ventas de los solicitantes. No sería descabellado suponer que las compras que hacen los particulares en Amazon, o las búsquedas que realizan en Google, puedan ser buenos predictores de su probabilidad de impago. Pero por ahora, y por si las moscas, no se olvide de capitalizar su nombre.