Dypar(a) (Dynamic Credit Risk Parametric basado en un modelo de Inteligencia Artificial)

El proyecto Dypar(a) (Dynamic Credit Risk Parametric basado en un modelo de Inteligencia Artificial) ha sido financiado por la Diputación Foral de Bizkaia dentro del Programa 2i 2021 y cuenta con cofinanciación del Fondo Europeo de Desarrollo Regional (FEDER).

Los microcréditos son productos de alto riesgo de impago dirigidos a un estrato socioeconómico bajo o muy bajo. Son un producto habitual y una realidad en el mercado bancario latinoamericano y se encuentran en proceso de crecimiento en Europa. Sin embargo, las entidades bancarias españolas se encuentran con dos grandes retos:

  • No disponen de histórico de valoración en este producto. Se encuentran con la necesidad de incorporar un sistema de calificación de créditos dinámico y muy efectivo, que permita ser competitivo en un mercado con players consolidados como Cofidis, Bantor Atlantic, Creditea o 4finance (Vivus) y con propuestas muy optimizadas. Sin embargo, la banca dispone de un conocimiento de cliente muy profundo.
  • Tienen que cumplir la regulación relativa a la política prudencial. Los Bancos Centrales han regulado y endurecido los requerimientos de capital, aumentando las reservas en relación con la exposición al riesgo y gestión del mismo. El Credit Scoring permite ajustar el requerimiento.

El conocido como Credit Scoring es una expresión numérica basada en un análisis de nivel de los archivos de crédito de una persona, para representar la solvencia de un individuo. Este sistema de calificación de créditos que intenta automatizar la toma de decisiones en cuanto a conceder o no una determinada operación de riesgo, normalmente un crédito. La virtud de este sistema es la de acortar el tiempo de análisis además de simplificarlo, lo que contribuye a mejorar el nivel de servicios proporcionados a la clientela.

Este sistema va a permitir a la banca:

  • Obtener una valoración real time y automatizado desde diferentes fuentes de datos internos (en base a sus operaciones tradicionales) y externas (fuente externa de información), estructurados (data propio) y no estructurados (open data). De esta forma, podrán compensar la falta de dato histórico de operaciones de microcrédito.
  • Cumplir con la política prudencial de forma optimizada, al obtener un dato acreditable que les permita dar la menor cobertura como reservas relativas al riesgo de la operación.

En este contexto, Datu(a) ha desarrollado el proyecto Dypar(a), con el fin de desarrollar un producto propio basado en Inteligencia Artificial que prediga la probabilidad de riesgo de impago de un microcrédito, para poder incorporarlo a su cartera de productos. Se trata de un servicio tipo Plug-and-Play que se conecte vía API al proceso de validación que el banco realiza del potencial consumidor del microcrédito. La plataforma integra las diferentes fuentes de datos real time y devuelve el valor del Credit Scoring.