El almacén de datos en préstamos ayuda a decidir si rehacer un scorecard

En la reunión mensual del comité de riesgos, la persona que dirige el área de riesgo crediticio tiene delante el informe de resultados. El Gini de las aprobaciones del trimestre anterior bajó y alguien propone reconstruir el modelo. La política, las reglas y el score están a la vista. El informe se elaboró relacionando los incumplimientos de este mes con las tablas actuales de préstamos y clientes. Por eso, la cifra de desempeño y la información que la acompaña corresponden a momentos distintos del proceso crediticio. Antes de aprobar la reconstrucción, ¿qué se está midiendo en realidad: un modelo más débil o un informe que usa información que no estaba disponible cuando se tomó la decisión?

Use los datos disponibles al tomar la decisión

Un Gini más bajo puede reflejar un menor desempeño del score, un cambio en la composición de la cartera o una diferencia entre los datos usados para decidir y los usados en el análisis. El conjunto de datos Default of Credit Card Clients incluye 30,000 titulares de tarjetas en Taiwán en 2005. El score se ajustó solo con la información disponible al cierre de junio y se evaluó frente a los incumplimientos de octubre. Después, se aplicó el mismo score, sin cambios, a los registros de esos mismos clientes tal como estaban al cierre de septiembre.

Datos de junio: Gini del score 0.387, clientes señalados que incumplieron 54.3%, incumplidores detectados 28.2%. Registro de septiembre: Gini del score 0.484, clientes señalados que incumplieron 69.4%, incumplidores detectados 32.5%.
Resultados del score y de la regla con los datos disponibles al decidir y con registros posteriores

Con el registro posterior, el score pareció tener mejor desempeño y la regla pareció detectar a más clientes incumplidores. No cambiaron los clientes, el score ni la regla. Solo cambió la información usada en el análisis. Estos resultados muestran cómo el momento de los datos puede afectar una medición en un conjunto público de datos de tarjetas de crédito y con un score. Para establecer expectativas sobre la cartera, hay que analizar los datos de cada prestamista.

Vincular los incumplimientos con los registros actuales de préstamos y clientes parece razonable, porque esos datos están disponibles. Pero el informe evalúa así una decisión anterior con información que llegó después. Eso hace que el modelo parezca mejor de lo que era cuando la entidad lo utilizó. El coeficiente de Gini debe interpretarse a la luz de la información que estaba disponible al momento de tomar la decisión.

Distinga el desempeño del score de la composición de la cartera

Aun con los datos correctos al momento de decidir, un Gini más bajo en la cartera puede deberse a un menor desempeño del score o a un cambio en la composición de la cartera. El score ordena peor a algunos segmentos que a otros, así que un cambio en la composición puede reducir el Gini agregado.

En la misma prueba, el score ordenó peor a los clientes más jóvenes y a quienes tenían límites de crédito más altos que a otros grupos. Cuando aumentó la proporción de clientes con límites más altos, el Gini agregado bajó y también se redujo la tasa de incumplimiento de la cartera.

Límite alto (%)GiniTasa de incumplimiento
52%0.38722.1%
68%0.37620.1%
76%0.36619.1%
84%0.35318.1%

El score no cambió. La cartera se volvió más segura, pero la medida agregada bajó porque aumentó la proporción de clientes de un segmento que el score ordenaba peor. El Gini de la cartera refleja tanto el desempeño del score como la composición de los clientes que ingresan. Revise ambos factores antes de proponer una reconstrucción.

Relacione cada decisión con sus resultados posteriores

Una política establece lo que el prestamista pretende hacer. Para saber si las reglas funcionaron, relacione cada resultado con la decisión que lo originó y use la información disponible en ese momento.

Conserve cada decisión junto con sus datos de entrada, score, regla y versión de la estrategia. Guarde cada fuente tal como se recibió y mantenga versiones fechadas cuando cambien los registros de clientes o préstamos. Las instantáneas de decisiones y eventos permiten analizar lo que se sabía en ese momento, en lugar de usar un registro corregido después.

Los contactos de cobranza, las promesas de pago y los resultados de los pagos también forman parte de ese historial. Estos datos permiten vincular la decisión con lo ocurrido en la cuenta, como explica esta revisión de herramientas de recuperación de deuda y canales de comunicación.

Un almacén de datos reúne registros de distintas fuentes y resultados para analizarlos. Ese historial permite que el equipo de riesgos determine si el cambio en los resultados se debió a la decisión, a información posterior o a una composición distinta de clientes.

Integre estas comprobaciones en un flujo de decisión

Cree reglas de crédito, fraude o cobros y ejecútelas en decisiones en tiempo real.

Conserve el historial de decisiones en las capas del almacén

Las capas conservan la decisión, las versiones posteriores de cada registro y el resultado, con la información tal como estaba en cada momento.

Fuentes, zona de entrada, bóveda, marts y área externa de consulta. Los cierres mensuales se verifican, aprueban, publican y congelan. Cada decisión vuelve como fuente junto con los datos que consultó.
Capas de un almacén de datos para préstamos, desde los registros de origen hasta las decisiones en producción

Las fuentes llegan primero a una zona de entrada y se conservan tal como se recibieron. En la bóveda, los hubs guardan cada clave de negocio desde su primera aparición, los links relacionan las claves y los satellites conservan cada versión. Así, cada valor recibido sigue disponible junto con la fecha de carga. Los marts siguen el diseño dimensional de Kimball: cada tabla de hechos define su nivel de detalle y no mezcla niveles. Las dimensiones conformadas permiten combinar en un informe hechos de tablas distintas. La bóveda conserva el historial y los marts dimensionales que se construyen a partir de ella se complementan. Un área externa de consulta puede publicar valores fijos para las decisiones en producción mientras se reconstruyen las tablas analíticas.

Mantenga un solo nivel de detalle por hecho. Una fila de decisión describe lo ocurrido en una decisión. Una fila de préstamo al cierre de mes muestra el estado de la cuenta en esa fecha. Una fila de cohorte agrupa préstamos por período de originación. Comparar una cohorte en los mismos meses en cartera permite hacer un análisis de cosechas válido.

Cierre cada corte de fin de mes solo después de comprobar que los saldos mantienen continuidad de un cierre al siguiente, que las cuentas no desaparecen y vuelven a aparecer, y que las monedas coinciden. Apruebe, publique y congele el cierre antes de usarlo para las cifras oficiales. Un archivo corregido se incorpora como una nueva carga. Si se detecta un error en un cierre publicado, rectifíquelo y vuelva a procesar los cierres posteriores en orden, aprobando cada uno. El historial queda disponible.

Use registros coherentes para decidir si reconstruir el score

Use los registros que corresponden a cada medición. Analice el incumplimiento en el primer pago y los días de atraso con los datos disponibles al decidir y las observaciones de resultados pertinentes. Consulte las provisiones en las instantáneas de cierre mensual. Mida las tasas de normalización durante un período definido y compare las cosechas en los mismos meses en cartera. Para calcular las provisiones, la IFRS 9 establece que la provisión se calcula inicialmente sobre las pérdidas crediticias esperadas en los próximos 12 meses. Si el riesgo crediticio aumenta significativamente desde que se registró el préstamo, el cálculo pasa a considerar las pérdidas durante toda su vida. Por eso, el prestamista debe conservar el riesgo crediticio observado al originar el préstamo. Los grandes bancos también están sujetos a los principios del Comité de Basilea para la agregación de datos de riesgo, que incluyen exactitud y oportunidad. Esos principios no son aplicables a todos los prestamistas.

Compare luego el Gini y las tasas de acierto de las reglas por segmento, y compruebe si cambió la composición de la cartera. El seguimiento del scorecard solo es útil si permite ver esas diferencias, en lugar de tomar una cifra general de la cartera como diagnóstico. Si los resultados con datos de la fecha de decisión siguen mostrando un desempeño inferior en segmentos comparables, vuelva a ejecutar la estrategia actual y la propuesta sobre decisiones anteriores. Una prueba champion challenger permite al equipo revisar qué decisiones cambiarían y comparar esas decisiones con los resultados observados.

Vuelva a desarrollar el score cuando la evidencia por segmento y correspondiente al momento de la decisión siga mostrando un menor desempeño, y el backtest respalde un cambio de estrategia. Si el movimiento refleja un cambio en la composición de la cartera, úselo para orientar la revisión de la política del segmento afectado o de su punto de corte, en lugar de volver a desarrollar el score. El comité necesita una justificación del cambio, respaldada por algo más que una cifra menor.

  1. Guarde todas las decisiones junto con los datos que utilizaron, su score, la regla que se activó y la versión de la estrategia vigente en ese momento.
  2. Conserve cada fuente tal como fue recibida. Cuando cambie un registro de cliente o de préstamo, agregue una versión con fecha y mantenga la anterior.
  3. Al cierre de cada mes, compruebe que los saldos concilien al pasar de un cierre al siguiente, que las cuentas no desaparezcan y reaparezcan, y que las monedas coincidan. Apruebe, publique y congele el snapshot. Registre las correcciones como nuevas cargas. Si detecta un error en un cierre publicado, rectifíquelo y vuelva a tomar los cierres posteriores en orden, con aprobación individual.
  4. Construya data marts separados, con una fila por decisión, observación de resultados, préstamo al cierre de mes y cohorte de originación. Mantenga las mismas definiciones de cliente, producto y segmento en todos ellos.
  5. Use los datos disponibles en el momento de la decisión y los registros pertinentes de cierres mensuales congelados para comparar los resultados. Así, el análisis se basa en el registro histórico.
  6. Compare el Gini y las tasas de acierto de las reglas por segmento y luego compruebe si cambió la composición de la cartera. Reproduzca la estrategia vigente y la propuesta sobre decisiones anteriores, revise cuáles cambiarían y compare sus resultados observados.
  7. Consulte las provisiones en los snapshots de cierre de mes, las tasas de cura en períodos de medición definidos y las curvas de cosechas en los mismos meses en cartera. Reconstruya el score solo si el menor rendimiento persiste en segmentos comparables y la reproducción de decisiones respalda el cambio. Si la composición de la cartera explica la variación, revise la política o el umbral de decisión del segmento afectado y pruebe ese cambio.

Desde la perspectiva de un profesional del sector, la IA ahora realiza buena parte del análisis que antes hacía un científico de datos, y lo hace más rápido. Por eso, el almacén de datos es más necesario, no menos: es la capa que consulta la IA. Debe construirse correctamente para atender las exigencias de los reguladores y mostrar cómo se relacionan los datos con los resultados.

Preguntas sobre almacenes de datos para préstamos

¿Para qué se usa un almacén de datos en préstamos?

Relaciona los datos de la empresa y los resultados registrados con las decisiones que los originaron, y organiza ese historial para analizarlo. Mantenga vinculados los registros de decisiones y resultados para que el equipo de riesgos evalúe la estrategia a partir de lo ocurrido.

¿Por qué necesita instantáneas un prestamista?

Las instantáneas conservan lo que era cierto al tomar una decisión, durante un evento o al cierre de mes, incluso después de que cambien los registros operativos. Use la instantánea que corresponda a la decisión o al resultado que esté analizando.

¿Qué diferencia hay entre una bóveda de datos y un mart de Kimball?

Una bóveda de datos conserva las claves de negocio, sus relaciones y las sucesivas versiones de los datos descriptivos. Un mart dimensional organiza hechos con niveles de detalle definidos para el análisis. Cumplen funciones distintas y pueden usarse en conjunto.

¿Cómo saber si una regla de crédito funciona?

Guarde la regla y la versión de la estrategia junto con cada decisión. Luego, compare sus resultados con la información disponible en ese momento. Analice las tasas de acierto por segmento y use registros de resultados consistentes.

¿Por qué bajó el Gini de nuestro scorecard?

El desempeño del score pudo bajar, la composición de los segmentos de la cartera pudo cambiar o el análisis pudo usar información que llegó después de la decisión. Compare los resultados con datos de cada momento por segmento y revise la composición antes de decidir qué cambiar.

¿Qué métricas de préstamos requieren instantáneas de cierre mensual?

Las provisiones deben consultarse en instantáneas de cierre mensual. El incumplimiento en el primer pago y los días de atraso deben vincularse con los registros de resultados pertinentes, las tasas de normalización con un período de medición definido y las cosechas con los mismos meses en cartera.

¿La IA hace menos necesario el almacén de datos?

Desde la perspectiva de un profesional del sector, la IA hace más necesario el almacén de datos, no menos. Ahora realiza buena parte del análisis que antes hacía un científico de datos, y lo hace más rápido. El almacén es la capa que consulta la IA. Debe construirse correctamente para atender las exigencias de los reguladores y mostrar cómo se relacionan los datos con los resultados.

Integre estas comprobaciones en un flujo de decisión

Cree reglas de crédito, fraude o cobros y ejecútelas en decisiones en tiempo real.