Muchas empresas han recurrido a las soluciones de decisión SaaS para resolver estos problemas. Por ejemplo, la solución adecuada será compatible con cualquier lenguaje de modelado, lo que permitirá a tu equipo desplegar rápidamente modelos avanzados de predicción y aprendizaje automático. La solución también debe hacer que la integración de datos alternativos sea rápida y sencilla, para que se puedan probar nuevos tipos de datos en tiempo real.
47% de las financieras considera que el acceso a fuentes de datos externas es un reto 1 El
Dado que las entidades de crédito se han basado sistemáticamente en tipos de datos tradicionales, resulta lógico que muchas de ellas se sientan intimidadas por la perspectiva de integrar nuevas fuentes de datos, sobre todo porque el tipo de datos necesarios puede variar en función de cada situación. Por ejemplo, para un consumidor sin historial de crédito, el uso de los pagos del alquiler puede ser predictivo. Y para otro consumidor, consultar la información de la billetera móvil puede ser útil para aquellos clientes que no suelen utilizar una tarjeta. Algunos estudios han definido 4 las siguientes características que debe reunir una buena fuente de datos: 1. Cobertura – Una cobertura consistente y amplia dentro de un mercado específico permite una recopilación de datos fácilmente viable. Por ejemplo, ¿qué porcentaje de adultos utiliza un teléfono móvil en una región? 2. Especificidad – Los datos detallados de un prestatario pueden crear una imagen completa, como los pagos puntuales y la morosidad durante un periodo de tiempo determinado 3. Exactitud y puntualidad – Es fundamental disponer de datos precisos y actualizados frecuentemente. Hay que actualizarlos constantemente.
Made with FlippingBook Digital Publishing Software