Los avances recientes en inteligencia artificial y aprendizaje automático, junto con la evolución de las tecnologías de procesamiento, acceso y almacenamiento de datos a gran escala, han alimentado el interés entre las instituciones financieras en nuevas fuentes de datos para la calificación crediticia.
Ejemplos de estas nuevas fuentes incluyen historiales de pago de facturas de servicios telefónicos, de servicios públicos y de transmisión; registros de transacciones de cuentas corrientes, de ahorro y del mercado monetario; e historiales de pago de alquiler. El motivo es doble:la búsqueda de ganancias, incluida la generación de nuevas cuentas, y la mejora del bienestar social ampliando el acceso al crédito a quienes carecen de puntajes crediticios tradicionales.
Una nueva investigación de la Universidad de Notre Dame muestra que ir repetidamente al supermercado puede ser todo lo que se necesita para demostrar la solvencia.
El artículo titulado "Using Grocery Data for Credit Decisions" se publicará próximamente en Management Science. de Joonhyuk Yang, profesor asistente de marketing en la Facultad de Negocios de Mendoza de Notre Dame, junto con Jung Youn Lee de la Universidad Rice y Eric T. Anderson de la Universidad Northwestern. Un documento de trabajo está disponible en la Revista Electrónica SSRN .
El equipo se asoció con un conglomerado multinacional que opera en múltiples países en desarrollo que dependen del efectivo en Asia y África. El patrocinador de los datos posee un emisor de tarjetas de crédito y una cadena de supermercados a gran escala, lo que permitió a los investigadores fusionar datos de los dos dominios y observar el comportamiento de 30.089 consumidores.
Comenzaron transformando los datos sin procesar en un conjunto de datos más efectivo y eliminaron las señales de riesgo crediticio de los datos de los supermercados.
"Nuestro enfoque fue motivado por nuestra conversación con el gerente del patrocinador de datos, quien dijo:'Para trabajar con estos enormes conjuntos de datos, se necesita una estrategia para resumir los datos clave en variables significativas. Un enfoque ingenuo de simplemente tirar todos Es poco probable que nuestros datos sobre este problema sin ninguna estructura funcionen'", afirmó Yang.
"Esta observación resuena con otro comentario hecho por un gerente de uno de los principales bancos de EE. UU. con quien hablamos. El gerente mencionó que el principal obstáculo para utilizar datos granulares de consumidores a gran escala en la concesión de préstamos no es la falta de de acceso a dichos datos, sino más bien una falta de conocimiento sobre cómo aprovecharlos eficientemente."
Los hábitos repetidos de compra de comestibles apuntan a señales de riesgo crediticio.
Comprar cigarrillos o bebidas energéticas se asocia con una mayor probabilidad de no realizar pagos con tarjeta de crédito o de incumplir sus pagos, mientras que comprar alimentos "buenos" o saludables, como leche fresca o aderezos con vinagre, está relacionado con pagar constantemente las facturas de tarjetas de crédito a tiempo.
"Guiados por una extensa literatura sobre hábitos, construimos variables que miden el nivel de consistencia, o la falta de ella, en qué y cómo compran los clientes", dijo Yang. "Los datos sobre comestibles se prestan particularmente bien para medir los rasgos generales del consumidor porque los comestibles son necesidades no duraderas, por lo que los consumidores toman decisiones frecuentes y repetidas".
Lo que compra un individuo puede ayudar a explicar qué tipo de pagador es, incluso después de controlar varias variables sociodemográficas y puntajes crediticios.
"Al utilizar las calificaciones de las encuestas a nivel de artículos, encontramos evidencia que sugiere que comprar alimentos más saludables pero menos convenientes predice comportamientos de pago responsables", dijo Yang. "También vemos una correlación positiva y sólida entre la coherencia en varias dimensiones de las compras de comestibles y el pago oportuno de las facturas de las tarjetas de crédito".
Los titulares de tarjetas que constantemente pagan sus facturas a tiempo tienen más probabilidades de comprar el mismo día de la semana, gastar cantidades similares a lo largo de los meses y comprar las mismas marcas y categorías de productos.
A través de una simulación de procesos hipotéticos de calificación crediticia y toma de decisiones, el equipo demuestra que los datos de los supermercados pueden ofrecer señales informativas de riesgo crediticio, lo que conduce a mejores resultados crediticios para personas solventes y a una mayor rentabilidad para los prestamistas.
Por ejemplo, la incorporación de datos de comestibles mejora sustancialmente la precisión predictiva predeterminada para las personas sin puntaje crediticio, lo que resulta en una mejora que oscila entre 3,11 y 7,66 puntos porcentuales.
El estudio también caracteriza las condiciones bajo las cuales el uso de datos de comestibles no agrega valor incremental, lo que puede arrojar luz sobre cuándo se podría incentivar a los prestamistas a recopilar, adquirir y aprovechar datos alternativos.
"Específicamente, encontramos que el beneficio incremental de los datos de comestibles disminuye drásticamente a medida que las puntuaciones de crédito tradicionales o el historial crediticio específico de la relación están disponibles", dijo Yang. "Estos hallazgos resaltan el potencial de las instituciones financieras para utilizar datos de comestibles para otorgar crédito a personas que carecen de puntajes crediticios tradicionales, al tiempo que demuestran las limitaciones de esta nueva fuente de datos".
Los hallazgos tienen implicaciones administrativas directas para los prestamistas, ya que el uso de datos de comestibles para la calificación crediticia presenta una oportunidad de acceder a un mercado vasto y sin explotar. Los prestamistas pueden ampliar su base de clientes y mejorar su rentabilidad otorgando crédito a consumidores que actualmente no cuentan con los servicios o servicios insuficientes del sistema crediticio tradicional.
Más información: Jung Youn Lee et al, Hábitos de compra y pago:uso de datos de comestibles para predecir pagos con tarjeta de crédito, Revista electrónica SSRN (2021). DOI:10.2139/ssrn.3868547
Información de la revista: Ciencia de la gestión
Proporcionado por la Universidad de Notre Dame