Sentiment Analysis y las fintech: una nueva sinergia

En la era previa al uso de Big Data como herramienta de gestión, las fuentes que consideraban las compañías para analizar a sus clientes era limitadas. Más allá de entrevistas en profundidad, encuestas y focus groups (típicamente usados en los estudios de mercado), la información era escasa y lineal. Esto llevaba a perder capacidad de anticipación, a introducir *productos *que en períodos cortos fracasaban o a simplemente a perder oportunidades (solo se tomaba el camino más obvio).

Por regulación (en el caso peruano, de la SBS), la banca (toda entidad que reciba ahorros y desembolse préstamos) solo considera el historial crediticio y el nivel de ingresos como los dos únicos criterios para la aprobación de un préstamo. Ciertamente, excluir una cantidad adicional infinita de información disponible deriva en la exclusión de una gran base de candidatos que podrían ser buenos pagadores. En ese sentido, las fintech (definidas como las startups enfocadas en servicios financieros) están desarrollando nuevos modelos que podrían incluir como prestatarios a los perfiles históricamente excluidos por el sistema tradicional.

SENTIMENT ANALYSIS
En este contexto de apetito por encontrar nuevas fuentes de datos nace sentiment analysis. Esta consiste en el uso del procesamiento del lenguaje natural (NLP, por sus siglas en inglés), el análisis de textos, la lingüística computacional y la biometría para identificar, extraer, cuantificar y estudiar sistemáticamente los estados afectivos y la información subjetiva. Por ejemplo, NLP se utiliza para interpretar texto y voz libre y consiguientemente convertirlos en datos analizables. Sí, believe it or not, a partir de los estados de ánimo, gestos corporales y faciales y comentarios en redes sociales podemos prever la intención de paga de un potencial prestatario. Las fintech lo saben y están empezando a aplicarlo.

Con un nuevo y fuerte enfoque basado en identificar nuevas fuentes de data prometedoras, en asegurar el acceso a la data de manera constante y en convertirla en insights crediticios, las fintech vienen apuntando a captar al público no bancarizado pero con potencial de capacidad de pago. ¿Sus objetivos principales? Reducir la tasa de incumplimiento crediticio e incrementar el ratio de aceptación de crédito.

Como informaba Perú 21 a inicios de año, durante el 2017, Afluenta, Andy, Independencia y Prestamype (las fintech de préstamos más grandes del mercado peruano) superaron en conjunto los S/. 27 millones en colocaciones, entregando más de 13 mil créditos a personas y empresas. Según Prestamype, la proyección al cierre del 2018 es a desembolsar un monto superior a los S/. 20 millones.

Con un 55% de peruanos ahorrando fuera del sistema financiero, según da cuenta Apoyo Consultoría, las fintech se configuran como una nueva categoría de competidores para la banca. Su atractivo se fundamenta en construir modelos crediticios que capten nuevas perfiles de clientes más allá de lo evidente.

La banca comercial no tiene por qué quedar necesariamente excluida de este cambio. De acuerdo con Javier Porras del BBVA Open Mind, analizando el caso español, la gestión del riesgo y la prevención del fraude son dos de los aspectos más importantes de los bancos en la actualidad y por ello, han sido los primeros proyectos que se han acometido con estas tecnologías.

PANEL G: INTELIGENCIA ARTIFICIAL
En la última edición de Panel G: Inteligencia Artificial, los gerentes generales de los sectores de telecomunicaciones, tecnologías, banca, educación e hidrocarburos comentaron cómo está evolucionando la Inteligencia Artificial en el mercado peruano. Encuentra este suplemento gratis en tu Revista G.