¿Por qué deberían mejorarse los datos de Open Banking con el aprendizaje automático?

Parte 1: Actividad de la cuenta bancaria

A la hora de tomar decisiones crediticias, los datos de Open Banking se consideran los más fiables.

El acceso a los datos de Open Banking es difícil de falsificar porque proceden directamente del banco y están sujetos a un proceso de autenticación bancario, necesario para su agregación.
En resumen, los datos de Open Banking están protegidos tanto por la normativa (DSP2) como por la tecnología que permite acceder a ellos.

Sin embargo, el acceso directo a los datos bancarios no es garantía de su calidad.

Los hábitos de consumo han cambiado y los datos bancarios de los ciudadanos están repartidos entre varias entidades financieras.
Ya no se habla de un banco principal: la gran mayoría de los consumidores tiene varias cuentas bancarias. Los sueldos pueden pagarse desde una cuenta, mientras que las facturas pueden pagarse desde otra.

Esto hace que sea más fácil para los consumidores ocultar información financiera que les "avergüence" compartiendo una cuenta bancaria "neutral" en lugar de todas sus cuentas a la hora de solicitar un crédito.

Por lo tanto, como prestamista, es importante adaptar e identificar estos diferentes perfiles para tenerlos debidamente en cuenta en el análisis de riesgos.

En Algoan, el equipo de Data Science ha desarrollado una puntuación de actividad para mejorar nuestras herramientas de apoyo a la toma de decisiones crediticias basadas en datos de Open Banking.

Esto permite a los prestamistas identificar las cuentas cuya actividad parece anormal o insuficiente para tomar una decisión de crédito. Y todo ello sin tener que aplicar ellos mismos complejas reglas de negocio para validar la pertinencia de las cuentas sincronizadas.

Por ejemplo, una cuenta en la que sólo se realizan transferencias internas puede ser considerada sana por una puntuación de comportamiento, debido al flujo de caja estable de la cuenta y a su presupuesto equilibrado.
Sin embargo, su actividad no será suficiente para tomar una decisión crediticia fiable. En ese caso, deberá solicitarse la agregación de otra cuenta.

¿Cómo funciona la Puntuación de Actividad?

Esta puntuación de actividad se basa en una combinación de estrictas normas de exclusión e indicadores para evaluar la actividad de las cuentas bancarias.

Las reglas estrictas permiten apartar directamente los perfiles cuya inactividad es más evidente. Si se activa una de estas reglas (por ejemplo, no se identifican transacciones salientes en las cuentas), la puntuación de actividad sugiere un "No ir" inmediato.

Sin embargo, si no se activan las normas estrictas, un segundo nivel de evaluación toma automáticamente el relevo. Los algoritmos de detección del tipo de pago (pago con tarjeta, domiciliación bancaria, etc.), la categorización (nómina, reembolso de préstamos, compras, etc.) y la regularidad se utilizan para calcular un conjunto de indicadores basados en los tres pilares siguientes:

• Actividad de la cuenta: número de transacciones, profundidad del historial, etc;
• Ingresos: salario, prestaciones sociales u otros ingresos regulares ;
• Gastos: pagos con tarjeta, alquiler, recibos domiciliados de electricidad, telecomunicaciones, etc.

Estos indicadores son ponderados por nuestros algoritmos para obtener una puntuación entre 0 y 100, que puede interpretarse del siguiente modo:

• Menos de 20: actividad insuficiente ;
• Entre 20 y 50 años: actividad limitada ;
• A partir de 50: actividad normal y cuentas activas.

En la actualidad, observamos entre un 5 y un 10% de usuarios con una puntuación de actividad inferior a 20 (actividad insuficiente).

Esta interpretación detallada ha sido posible gracias al análisis de millones de registros de datos bancarios, realizado desde 2018 por nuestros algoritmos de análisis y enriquecimiento de datos de Open Banking. Gracias a la identificación precisa de los distintos perfiles de Open Banking, podemos ofrecer un análisis fiable de la actividad bancaria del solicitante. Este análisis complementa una puntuación de comportamiento, que evalúa la probabilidad de impago del prestatario en función de su comportamiento financiero. Esta combinación permite detectar a los individuos con mayor riesgo para el prestamista.

Con la llegada de Open Finance, el acceso adicional a las cuentas de ahorro y a los datos de inversión de los individuos mejorará sin duda aún más el rendimiento y la fiabilidad de las decisiones de crédito. En este contexto, en el que se pueden cruzar varias fuentes de datos financieros, el fraude -ya comprometido por Open Banking- será aún más difícil de poner en práctica, ¡y eso es bueno para nosotros!