Utilizamos tecnologías como las cookies para almacenar y/o acceder a la información del dispositivo. Lo hacemos para mejorar la experiencia de navegación y para mostrar anuncios personalizados. El consentimiento a estas tecnologías nos permitirá procesar datos como el comportamiento de navegación o los ID's únicos en este sitio. No consentir o retirar el consentimiento, puede afectar negativamente a ciertas características y funciones.
El almacenamiento o acceso técnico es estrictamente necesario para el propósito legítimo de permitir el uso de un servicio específico explícitamente solicitado por el abonado o usuario, o con el único propósito de llevar a cabo la transmisión de una comunicación a través de una red de comunicaciones electrónicas.
El almacenamiento o acceso técnico es necesario para la finalidad legítima de almacenar preferencias no solicitadas por el abonado o usuario.
El almacenamiento o acceso técnico que es utilizado exclusivamente con fines estadísticos.
El almacenamiento o acceso técnico que se utiliza exclusivamente con fines estadísticos anónimos. Sin un requerimiento, el cumplimiento voluntario por parte de tu proveedor de servicios de Internet, o los registros adicionales de un tercero, la información almacenada o recuperada sólo para este propósito no se puede utilizar para identificarte.
El almacenamiento o acceso técnico es necesario para crear perfiles de usuario para enviar publicidad, o para rastrear al usuario en un sitio web o en varios sitios web con fines de marketing similares.
3 Responses
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”.
Sin duda la inteligencia artificial y el Machine Learning va a revolucionar ese sector. Dará lugar una gestión de riesgo más eficaz, automatizada, mucho más rápida y fiable. Sin embargo, la revolución del sector creo que llegará con Blockchain.
El machine learning es una disciplina dentro de la inteligencia artificial en la que se crean sistemas que aprenden automáticamente. El sistema identifica patrones complejos en millones de datos, revisa los datos existentes y es capaz de predecir comportamientos futuros. Todo ello sin intervención humana alguna.
Aplicado a la la concesión de créditos y préstamos es claro que su uso mejorará y ayudará a gestionar mejor la gestión del riesgo del cliente. No sólo para la banca o la Fin-Tech que conceda el préstamo, sino también para sus clientes que, ante un cambio de su situación laboral por ejemplo, pueden ver cómo el pago de la cuota supone más de un 50% de su disponible mensual y suponer un quebranto para su situación financiera y también para la del banco. Predecir el impago debe provocar que ocurran cosas para evitar que se llegue a esa situación incómoda para todas las partes.