Nuestro motor de categorización ahora incluye más categorías y subcategorías detalladas para ayudar a los prestamistas a identificar los ingresos, patrones de gastos y comportamientos financieros potencialmente riesgosos.
A medida que la tecnología financiera avanza, los datos de los burós de crédito solos son insuficientes para proporcionar una visión completa del bienestar financiero de un individuo. En este contexto, el open finance se convierte en una herramienta clave para ampliar la visibilidad del comportamiento financiero diario de los usuarios gracias al acceso a los datos de transacciones.
Esta fuente de información incluye datos que no son tratados por los burós de crédito (ya que éstos se centran únicamente en el historial crediticio) como los gastos recurrentes, los pagos de facturas y otras transacciones diarias. Pero procesar y dar sentido a esta nueva fuente de datos e integrarla en los actuales modelos de suscripción es un reto para los prestamistas.
Para solucionar esto, hemos ampliado nuestro motor de categorización y taxonomía, impulsado por el procesamiento de lenguaje natural, para incluir una amplia gama de datos relacionados con el crédito y no relacionados con el crédito. Al obtener más información y claridad sobre las transacciones de los usuarios, los prestamistas pueden tomar decisiones de préstamo mejores y más informadas.
¿Qué novedades tiene?
Ahora ofrecemos más categorías y subcategorías detalladas que ayudan a los prestamistas a identificar fácilmente los ingresos, los patrones de gastos de los solicitantes de crédito y comportamientos financieros potencialmente riesgosos (como las apuestas) para crear modelos de riesgo crediticio más efectivos.
1. Adaptada para crédito y riesgo
Cada categoría está cuidadosamente elaborada para capturar las sutilezas únicas de la industria crediticia, proporcionando a los prestamistas la granularidad que necesitan para tomar decisiones basadas en datos. Entrenamos nuestros modelos para identificar categorías de préstamos, reembolsos y gastos potencialmente arriesgados. Actualmente, tenemos 15 categorías principales y 94 subcategorías detalladas en español y portuguese.
2. Predicciones de categoría de mayor calidad
Una lista de categorías concisa nos permite entregar una predicción para el campo de categoría con mayor precisión. Nuestros modelos logran una precisión del 85% al identificar la categoría correcta para cada transacción y nuestro motor reconoce y cubre correctamente el 90% de las transacciones.
3. Enriquece tus datos financieros
Podemos categorizar y clasificar datos de transacciones de cualquier fuente. Si ya tienes un conjunto de datos interno o externo, puedes conectar tus datos a nuestros motores y devolveremos las transacciones correctamente categorizadas y enriquecidas.
A continuación se muestran las 15 categorías principales de la nueva taxonomía y puedes encontrar la lista completa en nuestra documentación de API.
¿Cómo funciona?
Veamos en este ejemplo cual es la transacción original, sin procesar, y qué categorías y subcategorías se asignan utilizando la nueva taxonomía.
- Transacción bruta → REMUNERACIÓN/SALARIO — 157761.87 MXN
- Categoría → Ingresos y pagos
- Subcategoría → Salario
En este ejemplo, «Ingresos y pagos» es la categoría principal, y podemos elegir hasta siete subcategorías, lo que ayuda a las empresas a identificar a qué tipo de ingresos pertenece la transacción.
- Salario: Ingresos recibidos por empleo.
- Trabajo independiente: Ingresos ganados por trabajo independiente o autoempleo, incluyendo plataformas de economía colaborativas como Rappi o Uber.
- Jubilación: Ingresos recibidos de un plan de jubilación.
- Gobierno: Ingresos recibidos del gobierno, como la Seguridad Social o beneficios de desempleo (por ejemplo, el Programa Bolsa Familia en Brasil).
- Intereses: Intereses ganados en cuentas bancarias o inversiones.
- Alquiler: Ingresos recibidos por alquilar propiedades.
- Otro: Otras fuentes de ingresos que no se incluyen en las subcategorías anteriores, como los reembolsos de gastos empresariales o un programa de recompensas.
Los prestamistas obtienen más detalles y claridad sobre la transacción, lo que puede ayudarles a entender mejor el comportamiento financiero de sus usuarios y a tomar decisiones más informadas.
En los últimos meses, hemos trabajado junto con varios clientes de Belvo para experimentar y mejorar el producto. Según Aritz Amasane, Gerente de Riesgo Crediticio de Belvo:
La categorización es uno de los pilares principales para extraer valor del open finance. Las categorías dan sentido a las transacciones para retratar correctamente los perfiles financieros de los usuarios finales, una buena analogía sería los subtítulos para una película en un idioma extranjero.
Nuestra nueva taxonomía es la opción predeterminada de la industria para optimizar el valor de los datos de transacciones para préstamos. Prueba la nueva versión hoy y revoluciona la forma en que gestionas los riesgos.
