Tendencias en Finanzas. Si tiene muchos amigos en Facebook, eso significa que es popular en ciertos círculos. Ahora, algunos acreedores creen que, a causa de eso, tal vez usted también merezca obtener crédito. Lenddo, Neo Finance y Affirm forman parte de un número creciente de empresas de crédito que usan datos personales sacados de webs de redes sociales como Facebook, LinkedIn y Twitter para evaluar el riesgo de crédito del consumidor, según un reportaje del 1 de abril del Wall Street Journal. Creen que la situación social de la persona, su reputación online y o/conexiones profesionales son factores a tener en cuenta a la hora de conceder crédito, principalmente para alguien con un historial de crédito irregular o escaso y quien, de otra manera, tendría dificultad en conseguir un préstamo.

 

 Esas empresas emergentes esperan explorar una deficiencia notoria en los criterios tradicionales de préstamos basados en la puntuación de  crédito FICO, en que las personas que dejaron de hacer un pago cualquiera o que no tienen historial de préstamo serían consideradas de forma  automática apuestas arriesgadas y penalizadas con tasas más altas. O podrían ser rechazadas por completo sin importar las circunstancias  atenuantes como, por ejemplo, una emergencia médica o haber llegado recientemente al país. Lenddo, Neo Finance y Affirm ganan dinero,  principalmente, con tasas o comisiones cobradas en cada transacción. Nadie sabe, sin embargo, si ese tipo de negocio tiene futuro.

 Veamos el caso de Neo Finance de Palo Alto, en California. Su público objetivo son los prestatarios con historial de crédito reciente y que serían  candidatos correctos a préstamos con tasas de interés elevadas por parte de los acreedores tradicionales. Neo ofrece préstamos a tasas de interés  más bajas después de analizar informaciones como el historial de empleo del candidato y la calidad de los contactos de su perfil en LinkedIn, cotejando así el potencial de ganancias futuras y la estabilidad en el empleo de la persona. Toma en cuenta la puntuación FICO, pero sólo para enterarse de posibles sospechas. Neo no usa esos datos para calcular el riesgo, informa el artículo.

Lenddo, de Hong Kong, va más allá y usa los contactos sociales del deudor para presionarlo si él deja de hacer un pago, informa el artículo citado. Por ejemplo, la empresa informará a sus amigos de Facebook si él deja de hacer un pago. Así, la puntuación de esas personas en Lenddo se verá perjudicada si el cliente no paga lo que debe. La empresa calcula su puntuación de crédito de 1 a 1.000 después de evaluar 100 bancos de datos y redes sociales en busca de informaciones como la localización del candidato y el número de contacto que él tiene. Affirm, empresa emergente de San Francisco, gestionada por Max Levchin, uno de los fundadores de PayPal, facilita el pago de bienes y servicios a través del smartphone —con dos toques en la pantalla— y da al cliente 30 días para saldar sus cuentas sin cobro de multa.

Algunas empresas usan los datos obtenidos en las redes sociales para evaluar el riesgo de crédito de un prestatario en países en que las puntuaciones estandarizadas de crédito al consumidor tal vez no estén disponibles, y en que los préstamos son concedidos según la reputación del individuo. Lenddo hace pequeños préstamos a prestatarios de países en desarrollo para ayudar a mejorar la calidad de vida de esas personas después de averiguar los perfiles online de los candidatos. Para explicar el raciocinio detrás de ese modelo de negocio, la web de la empresa cita al banquero de Wall Street, John Pierpoint, conocido como “JP”, Morgan, que cierta vez dijo que el carácter es más importante para evaluar el merecimiento del crédito que el dinero o las propiedades.

En una era en que las informaciones personales abundan en Internet, un fenómeno conocido como “Big Data”, tal vez sea inevitable que los datos sociales de la persona sean tomados en cuenta a efectos de puntuación de crédito. Pero qué informaciones exactamente serán útiles, y cuáles no lo serán, es algo que sólo el tiempo dirá. “Tendremos que esperar muchos años para entender qué medidas son realmente válidas”, dice Peter Fader, director adjunto del Proyecto de Analítica de Wharton y profesor de Marketing de la institución [Wharton Customer Analytics Initiative]. “Es una tierra sin ley […] como en los primeros tiempos de FICO”.

 Comienza otra era de tecnología

 En los años 50, el ingeniero Bill Fair y el matemático Earl Isaac, ambos trabajadores del Instituto de Investigaciones de Stanford en Menlo Park,      en California, creyeron que si aplicaban matemática y estadística avanzadas al análisis de procesos empresariales complejos, eso permitiría a una    empresa tomar decisiones de mejor calidad. En 1956, con US$ 400 cada uno, fundaron Fair, Isaac & Co. y desarrollaron el sistema de puntuación  de crédito FICO, que se convirtió en la piedra fundamental del modelo de riesgo de crédito en decenas de industrias. Ellos creían que las  operaciones de una empresa contenían un tesoro de informaciones que podían ser exploradas y analizadas, de tal manera que las decisiones serían “orientadas de forma metódica y por medio de datos, y no sólo guiadas por el instinto y por el consenso”, según se lee en Deciding Factor, un libro escrito por el ex consejero delegado Larry Rosenberger, John Nash, vicepresidente de estrategia corporativa, y por la periodista Ann Graham. El método Fair, Isaac fue rebautizado como FICO en 2009.

En la misma época, otra revolución inesperada comenzó a adquirir forma. IBM, bajo la presidencia de Thomas Watson Jr. introdujo el IBM 701, el primer ordenador mainframe de gran escala fabricado en serie. A medida que los ordenadores se hicieron más ubicuos, las empresas informatizaron sus operaciones. Por primera vez, un número mayor de empresas era capaz de capturar de forma electrónica y almacenar datos sobre sus clientes. Ellas podían saber ahora, a gran escala, por ejemplo, qué compras hicieron. Eso llevó a una explosión en la capacidad de computación y en la prospección de datos. La decisión de Watson de “someter la visión de máquina empresarial de IBM a los ordenadores daría el pistoletazo de salida a la revolución de la tecnología de la información en los negocios y señalaría el comienzo de la gestión de decisiones en empresas de gran tamaño”, explican Rosenberg, Nash y Graham.

Hoy, una transformación de semejante envergadura está ocurriendo en el área de la tecnología y de datos. Los ordenadores se volvieron más pequeños y poderosos, el almacenaje de datos es más barato y la computación en la nube hace que la información sea accesible en cualquier lugar. Los datos digitales del consumidor nunca fueron tan numerosos: 2,8 gigabytes fueron creados, replicados o consumidos en 2012, según la empresa de investigaciones IDC. Ese número debería duplicarse cada dos años hasta 2020, en la medida en que las personas de todo el mundo comparten informaciones en las redes sociales y en otras partes a través de millones de aparatos conectados. “En los años 50 y 60, hubo un cambio colosal de paradigma. De pronto, el ordenador se convirtió en un lugar común”, dice Robert Stine, profesor de Estadística de Wharton y que hace investigaciones en el área de puntuación de crédito. “Ahora, observamos un nuevo salto en el tipo de datos [accesibles] y en la tecnología disponible para su manipulación”.

Pero a semejanza de la puntuación FICO en los primeros tiempos, las empresas están intentando descubrir qué datos sociales se volverán predictivos del comportamiento relacionado con el crédito con el paso del tiempo. ¿Colgar comentarios racistas en Facebook compromete la capacidad crediticia de la persona? Navin Bathija, fundador de Neo, dijo a The Economist el 9 de febrero, que en un año habría datos suficientes para determinar si existe un posible vínculo. En el mismo artículo, sin embargo, Douglas Merrill, fundador de ZestFinance y ex director de informaciones de Google, dijo que las personas que teclean solamente en letras minúsculas, o mayúsculas, tendrían una tendencia mayor al impago, manteniéndose inalteradas el resto de condiciones. ZestFinance usa algoritmos de búsqueda semejantes a los de Google para evaluar el riesgo de crédito de una persona analizando miles de posibles variables de crédito. Los métodos tradicionales de suscripción examinan sólo algunas pocas variables, informó la empresa.

Pero FICO y los datos sociales tienen una diferencia específica: el primero usa principalmente datos cuantitativos. Según la empresa, un 35% de la puntuación del crédito de FICO se basa en el historial de crédito del consumidor, un 30% en el montante debido, un 15% en la extensión del historial de crédito y un 10% en el crédito nuevo y tipos de crédito usados. La puntuación sube y baja según el comportamiento del consumidor. Stine dice que la puntuación también podría ser customizada para adecuarse a las necesidades de las diferentes industrias. Pero usar el historial de pago de una persona para prever el comportamiento futuro tiene sentido; correlacionar el número de amigos de Facebook con la capacidad crediticia del individuo es otra historia. “Sólo porque el sujeto tenga una cantidad de amigos eso no significa que él ocupe una posición destacada en la comunidad”, observa Stine, resaltando que un criminal no es necesariamente una persona sin amigos.

Los datos sociales son más útiles cuando son aplicados a personas con poco o ningún historial de crédito. “Se trata de    una fuente adicional y valiosa de datos que puede muy bien prever el comportamiento de alguien”, dice Eric Bradlow,  director adjunto del Proyecto de Analítica del Cliente de Wharton [Wharton Customer Analytics Initiative] y profesor de  Marketing de la institución. “Será algo de gran valor cuando no se tienen muchos datos sobre el individuo”. De cualquier  manera, el análisis de nuevas variables es una práctica estándar en la construcción de modelos predictivos de crédito.  “Hay una búsqueda constante de variables que añadan valor predictivo a su puntuación”, dice él.

Muchos acreedores ya usan datos cualitativos junto con puntuaciones de FICO. Por ejemplo, cuando se trata de personas con poca o ninguna experiencia con crédito —como los recién graduados— las empresas intentarán encontrar personas parecidas al candidato al préstamo para pronosticar el tipo de comportamiento de pago. “Si el individuo fuera parecido a otra persona cuyas características coinciden, tendré una idea de cómo serán sus características de pago“, dice Stine. Pero el candidato recibirá una propuesta de crédito bajo condiciones más severas hasta que pruebe su capacidad crediticia. Él recibirá, por ejemplo, una tarjeta de crédito con límite menor y tasas de interés más elevadas. Con tal de que los datos obtenidos en las redes sociales sean usados para complementar a FICO, que dio pruebas de que funciona desde hace 60 años, las empresas de crédito podrán salir más fácilmente de sus dificultades. “FICO es realmente un parámetro muy bueno”, dice Fader. “El método ya pasó por varias situaciones numerosas veces”. Sería una locura descartarla totalmente y confiar sólo en los datos obtenidos en los medios sociales sin una montaña de evidencias que confirmen la fuerte correlación con el comportamiento de pago. “¿Dejar fuera la puntuación de FICO y reinventar la rueda? No me gusta mucho esa idea”, añade Fader. “No apostaría mucho por eso”.

C0ntinuará…

 

Fuente:http://www.wharton.universia.net/index.cfm?fa=viewArticle&id=2376&language=spanish