Publicación: Propuesta metodológica para la creación e implementación en producción de un modelo de otorgamiento crediticio utilizando variables alternativas en una entidad financiera
Portada
Citas bibliográficas
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
El presente trabajo está enfocado en una Fintech de un banco importante colombiano el cual luego de la flexibilización de la ley colombiana para el otorgamiento de microcréditos decidió sacar al mercado un producto relacionado enfrentando dos retos principales: ¿Cómo calificar a las personas preguntándoles la menor cantidad de información posible (experiencia de usuario)? El segundo es: ¿Cómo consumir el modelo creado en un servicio de alto rendimiento que permita las consultas en línea y adaptándose a la arquitectura de software ya existente? En este trabajo se presenta una propuesta para la solución de ambos retos. Para el primer reto enfocado al modelo se creó un modelo basado en el uso de los usuarios en la aplicación sin la necesidad de preguntarles ninguna información adicional aparte de la otorgada en el momento del registro, para la creación del modelo se utilizó un algoritmo de gradiente descendente conocido como Xgboost y su adaptación a SageMaker. Como resultado se obtuvo una precisión de 65% frente al 63.46% del modelo que había desarrollado Lenddo, un proveedor contratado por la Fintech. Se llegó a la conclusión de que los modelos que utilizan variables alternativas para el otorgamiento no son una buena opción para ser usados como modelo principal de scoring sino como un complemento a los modelos tradicionales que sirva para aumentar la inclusión financiera. Se sugirió utilizar un modelo que se base en el incremento gradual de confianza y utilizar Lenddo únicamente como una fuente de captura de información alternativa para otros fines. En lo referente al sistema, Amazon SageMaker fue el ganador de un proceso que utilizando ingeniería de requisitos estableció las necesidades de la Fintech y posteriormente evaluó las distintas posibles soluciones a través de un análisis de 8 variables, SageMaker obtuvo la calificación más alta de los evaluados. El sistema fue implementado exitosamente y no sólo podrá ser usado para el consumo masivo del modelo de crédito sino para cualquier otro modelo que quiera implementar la Fintech en un futuro.