Machine Learning multiplicará la eficiencia scorings de cobranzas

Empresas
Typography

AIS Group lanza en Perú sus scorings de cobranzas, unos modelos que operan con inteligencia artificial y que logran multiplicar la eficiencia de las acciones de recobro, reduciendo los costes de gestión de las entidades y aumentando la productividad. 

 

 

La consultora multinacional AIS Group lanza este mes en Perú un modelo de scoring de cobranzas basado en técnicas machine learning, una herramienta que está llamada a multiplicar la eficiencia de las áreas de recuperación de impagados de los bancos.

AIS lleva 15 años en el mercado peruano colaborando con las entidades financieras del país a implementar las mejores prácticas internacionales en materia de gestión de riesgo de crédito, en todas sus fases, desde la admisión hasta la recuperación, tanto a nivel de consultoría como de construcción de modelos estadísticos e implantación de herramientas informáticas que automatizan los procesos de la banca.

José Manuel Aguirre, economista y director comercial de AIS, afirma que “ganar eficiencia en cobranzas es algo que todas las entidades peruanas deben contemplar, teniendo en cuenta las variables macroeconómicas y las previsiones del Banco Central”. Aguirre comenta que “en el último Reporte de Estabilidad Financiera del Banco Central de la Reserva del Perú, se publicaba que la ratio de morosidad de la banca era en marzo 2017 del 4,6%. Podríamos considerar que no es una tasa muy alta, pero según BCRP la tendencia es alcista tanto en un escenario base, pudiendo llegar al 5,2%, como lógicamente en uno estresado, donde la ratio podría alcanzar el 6,4% en 2018. Esto denota la importancia de lograr mayor eficiencia, optimizando estrategias para reducir costes.” 

Esa es precisamente la finalidad del scoring de cobranzas. Este modelo, comenta Aguirre, “no sólo considera los aspectos clásicos del recobro, es decir, importe, producto y días deudores, sino que añade una visión 360 grados del cliente con muchas más variables. 

A través de la explotación de técnicas machine learning, se favorece la optimización de todas las acciones posibles de cobranza en cada perfil de deudor. El logro con este modelo ya no es simplemente recuperar, sino recuperar con el menor coste posible. Eficacia y eficiencia combinadas.” 

 

Edición Impresa Nº 65

revista mundo empresarial

Image not available
Image not available

Way of Life!

Elige la categoría que más te interesa y recibe la mejor información actualizada y puntual en: