DESARROLLO MODELO DE ATENCIÓN Y RESOLUCIÓN AUTOMÁTICO DE SOLICITUDES DE CRÉDITO SEGMENTADOS NEGOCIOS, PYME Y MEDIANAS EMPRESAS: CASO APLICADO INSTITUCIÓN FINANCIERA.

Abstract

Frente a la necesidad de mantenerse vigente, el banco como institución financiera se ve obligado a mejorar sus sistemas e innovar en herramientas que la diferencien de la competencia. Siendo este un mercado altamente atomizado y de similares ofertas y alternativas, y al verse enfrentado a la necesidad de mantener altas tasas de interés por políticas internacionales de operación, se deben buscar nuevos caminos para aumentar la utilidad, esto ya sea entregando un servicio mejor y de menor costo , otorgando créditos a segmentos de clientes con menor riesgo y vetando segmentos de alto riesgo, minimizando costos operativos o atrayendo nuevos clientes para ocupar al máximo cualquier brecha ociosa operativa. Es en este contexto de búsqueda de mejoras que surge la inquietud por mejorar el actual sistema de evaluación y atención para otorgamiento de productos de crédito, esto mirando las operaciones de las áreas involucradas, el área comercial, el área de riesgos estandarizados y el área de políticas, todo siempre enfocado a los segmentos que presentan mayores pérdidas operativas, estos son los segmentos negocios, PYME 1 y PYME 2, que son los segmentos empresas más pequeños que atiende el banco y que deben tener un tratamiento distinto a las personas sin giro y las grandes empresas. Se realiza una evaluación de las áreas operativas involucradas y sus falencias llegando a la conclusión que el modelo automático de decisión puede ser mejorado en 6tópicos, primero debe incluir la evaluación de toda la información de que se disponga como tendencias de ventas, deudas y evaluar el balance, segundo debe entregar un resumen no solo de un producto, sino que debe entregar todos los productos más demandados, plazos y coberturas para con esto dar una baraja de opciones a la banca comercial permitiendo otorgar una mejor y pronta atención. Tercero con el fin de reducir los créditos impagos y estafas más comunes, el modelo debe recomendar un aval idóneo para la operación. Cuarto además aprovechando la información recopilada entregar un resumen del cliente y sus relacionados, este debe ser simple de comprender por el área comercial para la mejor atención como también debe ser entendible por riesgos quien en definitiva aprobaran la evaluación. Quinto debe ser un sistema ligero y ágil fácil de modificar y entendible por los analistas de riesgo quienes con su experiencia pueden modificar los ponderadores del mismo e ir mejorando las resoluciones. Se busca lograr un modelo sencillo, practico y efectivo de evaluación y pre-aprobación de créditos, que no requiera mayores datos solicitados al cliente, sino que aproveche las fuentes de información asequibles desde la red, como datos demográficos y financieros, y aproveche las fuentes de información internas de la institución financiera y externas desde empresas publicas y privadas que no están siendo utilizadas con los modelos vigentes. En cuanto al impacto estimado, considerando que las colocaciones evaluadas por riesgos tienen al menos 4 veces menos probabilidad de no pago o default que la evaluación realizada con facultad local en sucursal, según estadísticas propias de la institución financiera, y considerando también que solo un 35% de las colocaciones son evaluadas por riesgos, y que un modelo que recoja las consideraciones indicadas al menos en parte podría mejorar las evaluaciones en un 30% de las colocaciones posibles, se obtiene una posible baja en la mora España, como es llamada la tipología de mora superior a 90 días que indica la propensión de perdida total por no pago de una cartera, las cifras de ahorro calculado se estiman en7,695 millones de pesos al año solo considerando la reducción de default por créditos mal evaluados durante el primer semestre de funcionamiento, sin considerar que puede aumentar colocaciones al encontrar oportunidades y nichos de clientes antes no explotados y que al mejorar la atención posiblemente aumentará colocaciones. Se estima además que la integración de este modelo en las operaciones diarias del banco repercutirá en el aumento en la calidad de la atención ya que el área comercial dispondrá de más herramientas para entender al cliente, y para ofrecer una mayor cantidad de productos en calidad de pre-aprobados, tomando provecho de la comprensión del cliente y su posición financiera y generadora se pueden acceder a créditos que antes eran denegados por el modelo vigente que solo toma variables demográficas en su análisis. Esto además repercute en la notable reducción en tiempo de pre aprobación, ya que se entrega un set resumen con todos los productos banco más demandados, y no solo un producto como es con las campañas, y además anteriormente en el caso de que el cliente requiriera de otra solución crediticia esta debía ser nuevamente evaluada, lo que aumenta los plazos de resolución. Un área comercial más fuerte y con más herramientas nos permitirá crecer con el cliente, financiándolo para crecer y apoyándolo en situaciones que antes eran denegadas por no tener acceso al comportamiento de pago anterior. Y finalmente lograr esto utilizando las bases de datos propias y externas para generar valor, siendo la información el activo más importante de un banco, esta debe ser explotada y aprovechada, más si es un costo prácticamente hundido con grandes posibilidades.