Ideas clave de la charla con el experto Jason Mikula: «Mantenerse al día con el cambiante panorama de los datos»

El mes pasado, tuve la oportunidad de presentar la primera entrega de la serie «Expert Talks» de Taktile, en la que se analizó cómo los líderes del sector se mantienen al día con el panorama de los datos, que cambia rápidamente.

Me acompañaron los expertos en la materia Jonathan Gurwitz, jefe de crédito de Plaid; Manpreet Dhot, director de riesgos de Pipe; y Kevin Moss, asesor y consultor independiente, quien anteriormente ocupó cargos relacionados con el riesgo y el crédito en SoFi y Wells Fargo.

Si tuviera que resumir la conversación en un solo tema general, diría que el ritmo de cambio al que se enfrentan las organizaciones hoy en día es más rápido que nunca. Los días de una estrategia de datos del tipo «configúralo y olvídalo», sin importar el caso de uso específico, ya quedaron atrás. Y aunque nuestra discusión no se centró principalmente en la inteligencia artificial, las oportunidades de aprovechar la IA para lograr eficiencia a través de la automatización y dar sentido a los datos no estructurados son evidentes. Por otro lado, la IA plantea riesgos, entre ellos los relacionados con la explicabilidad y el sesgo, y, en manos de personas malintencionadas, es probable que aumente la amenaza de estafas y fraudes a la que se enfrentan las organizaciones financieras.

Estas son algunas de las ideas clave que surgieron de nuestra discusión:

Cualquiera que haya trabajado en el sector de los préstamos al consumo en Estados Unidos estará muy familiarizado con las principales agencias de crédito: Equifax, Experian y TransUnion. Estas agencias, también conocidas como agencias de informes crediticios (CRA), son fuentes muy valiosas de datos estructurados sobre el cumplimiento de los consumidores con respecto a sus obligaciones de deuda.

Sin embargo, los datos de la CRA tienen limitaciones. Por definición, son retrospectivos y reflejan únicamente el desempeño pasado del consumidor. Además, se trata de un indicador rezagado; los acreedores suelen reportar los datos mensualmente, por lo que si un consumidor enfrenta problemas financieros —como la pérdida de su empleo—, es posible que esto no aparezca de inmediato en los registros de la agencia. Los datos de las CRA tampoco reflejan una visión completa del balance financiero de un consumidor, ya que solo muestran lo que debe, sin información sobre ingresos o activos, que a menudo son esenciales para la evaluación crediticia. Además, pueden omitir ciertas deudas, como los préstamos de día de pago o los préstamos sobre el título de propiedad, así como mecanismos de endeudamiento más recientes, como los planes de «compra ahora, paga después» o los adelantos en efectivo.

Los datos de transacciones de cuentas bancarias, con el permiso del consumidor, pueden servir como complemento a los datos tradicionales de las agencias de crédito para abordar algunos de estos desafíos. Por ejemplo, los consumidores que se inician en el crédito pueden tener un «expediente escaso» o «sin expediente» en los registros tradicionales de las agencias, lo que dificulta su calificación crediticia con precisión. Los datos de transacciones de cuentas bancarias ofrecen una perspectiva alternativa sobre cómo los consumidores administran sus finanzas y un mecanismo para evaluar su solvencia. De hecho, los datos de transacciones pueden revelar la solvencia de un solicitante de formas que los datos de las agencias de crédito tradicionales no pueden. Por ejemplo, esos planes de “compra ahora, paga después” o los adelantos en efectivo a través de aplicaciones, que por lo general no aparecen en los datos de las agencias de crédito, sí figuran en los datos de transacciones de las cuentas bancarias de los consumidores.

Los datos proporcionados por la banca abierta también pueden ayudar a las entidades crediticias a mejorar la experiencia del usuario al reducir las fricciones en puntos clave del proceso de conversión. En lugar de métodos obsoletos como el uso de microtransacciones, cheques anulados para la verificación de cuentas bancarias o pedir a los usuarios que suban recibos de sueldo o formularios de impuestos para verificar los ingresos, los consumidores pueden otorgar de manera segura permiso para compartir datos directamente desde su cuenta bancaria o su proveedor de nómina. Este enfoque es más fluido y preciso para cumplir con estos requisitos.

Ante una lista aparentemente interminable de nuevos proveedores de datos sin procesar y empaquetados, muchas organizaciones tienen dificultades para identificar, integrar y evaluar nuevas fuentes de datos. El primer paso debe ser definir qué problema o desafío pretende ayudar a resolver la fuente de datos y elaborar un caso de negocio en torno a ese caso de uso. Definir una hipótesis y acercarse a un nuevo proveedor de datos con una mentalidad de «probar y aprender» puede ser de gran ayuda para determinar qué se considera un éxito en un caso de uso específico.

Realizar una prueba de concepto mediante la evaluación de una muestra de los datos de un proveedor en un entorno de pruebas o fuera de producción puede ayudar a las organizaciones a comprender mejor si una fuente de datos determinada es adecuada para su caso de uso. La prueba de concepto debe diseñarse para imitar, en la medida de lo posible, el entorno de producción real, y los resultados de la prueba deben compararse con los supuestos y objetivos del caso de negocio.

Especialmente si una fuente de datos proporciona datos procesados, como características predefinidas, es fundamental comprender el origen y la confiabilidad de los datos subyacentes para poder ofrecer las explicaciones exigidas por la ley en caso de que se rechace a los solicitantes basándose en dichas fuentes de datos.

Las consideraciones técnicas también pueden suponer una limitación a la hora de incorporar y evaluar nuevas fuentes de datos. Es importante planificar con anticipación qué tipo de infraestructura técnica ya existe o se requerirá, así como los recursos de producto e ingeniería necesarios para integrar y aprovechar una nueva fuente de datos.

La forma en que la integración de una fuente de datos afecta el recorrido del cliente es un factor clave a la hora de evaluar su impacto general en la tasa de conversión y la rentabilidad. Por ejemplo, al integrarse con datos de agencias de crédito tradicionales y extraerlos, existen diversos enfoques sobre la cantidad y el tipo de información que se debe recabar del usuario para facilitar el acceso a dichos datos. Cuantos más campos de entrada haya (y cuanto más sensibles sean los datos), mayor será la probabilidad de que los usuarios abandonen el proceso. Otros tipos de integraciones de datos, como la banca abierta, pueden tener un impacto más significativo en la experiencia y el recorrido del usuario. Por lo general, en las integraciones de banca abierta, los usuarios deben completar una serie de pasos para otorgar explícitamente acceso a su cuenta y a tipos específicos de datos dentro de ella. Si bien la ventaja es el mayor poder explicativo de los datos que comparten los usuarios, puede haber un impacto negativo en la tasa de conversión.

Los riesgos legales y regulatorios también son factores clave a la hora de evaluar e incorporar nuevos proveedores de datos. En el ámbito del crédito al consumo en Estados Unidos, leyes como la Ley de Informes Crediticios Justos (FCRA) y la Ley de Igualdad de Oportunidades de Crédito (ECOA), así como sus reglamentos de aplicación, rigen qué tipos de datos pueden utilizar los prestamistas y otorgan ciertos derechos a los consumidores. La ECOA prohíbe la discriminación ilegal contra ciertos grupos protegidos, incluyendo aquellos que resultan de un impacto desigual. Los terceros externos, incluidos los proveedores de datos, deben ser supervisados y gestionados adecuadamente mediante un proceso conocido como gestión de riesgos de terceros, un área a la que los reguladores financieros han estado prestando mayor atención últimamente.

La seguridad de la información y la privacidad de los datos también son aspectos clave a tener en cuenta al incorporar nuevas fuentes de datos. Dependiendo de la fuente y el tipo de datos, las organizaciones pueden enfrentar restricciones en su capacidad para conservar o utilizar esos datos. Por ejemplo, la norma 1033 recientemente aprobada en EE. UU., que regula la banca abierta en el país, impone restricciones al llamado «uso secundario» de los datos de transacciones con permiso del consumidor, exige que los usuarios de datos obtengan el permiso de los usuarios para seguir accediendo a dichos datos anualmente y puede exigir a las organizaciones que eliminen los datos de los usuarios si estos revocan su permiso.

Toda empresa, ya sea financiera o no, se enfrenta a sus propias necesidades y retos específicos. Sin embargo, hay un reto común al que se enfrentan todas las empresas: el cambio. Ya se trate de fuentes de datos nuevas y cambiantes, de comportamientos de los clientes nuevos o desconocidos, o de un entorno legal y regulatorio en constante evolución, la capacidad de las organizaciones para adaptarse de manera rápida y eficaz a los cambios en su entorno operativo determinará quiénes serán los «ganadores» y quiénes los «perdedores».

Contar con la infraestructura tecnológica adecuada que brinde a las organizaciones la agilidad necesaria para adaptarse de manera más eficiente a los cambios en su entorno no es solo algo «que está bien tener», sino más bien un requisito imprescindible en la nueva normalidad actual, un mundo en constante cambio.