Scoring en Cobranzas

6
Scoring en Cobranzas Es una de las areas mas complejas donde usar la metodología de scoring y su aplicación es reciente en Argentina. Los beneficios que aporta justifica invertir en esta dirección. Empecemos con algunas nociones básicas de scoring ... Por: Estela Abdala Strategy & Analytics Consultant ¿Qué es el Score? Es un proceso estadístico que toma información de una cliente o cuenta y la convierte en un número. EL score predice la conducta de pago ( del cliente /cuenta). Cuando estamos iniciando el desarrollo de un modelo de score uno de los primeros pasos es analizar toda la información que tengamos disponible y entender que nos esta diciendo. Por ejemplo si comparamos dos perfiles de clientes , unos con experiencia crediticia y otros sin experiencia crediticia (figura 1) podemos ver que el porcentaje de clientes que caen en mora en la población sin experiencia crediticia es mucho mayor que el porcentaje de clientes con mora en la población con experiencia crediticia. Porcentaje de Clientes Malos (figura 1)

Transcript of Scoring en Cobranzas

Scoring en Cobranzas

Scoring en Cobranzas

Por: Estela Abdala Strategy & Analytics ConsultantQu es el Score?

Es un proceso estadstico que toma informacin de una cliente o cuenta y la convierte en un nmero. EL score predice la conducta de pago ( del cliente /cuenta).

Cuando estamos iniciando el desarrollo de un modelo de score uno de los primeros pasos es analizar toda la informacin que tengamos disponible y entender que nos esta diciendo.

Por ejemplo si comparamos dos perfiles de clientes , unos con experiencia crediticia y otros sin experiencia crediticia (figura 1) podemos ver que el porcentaje de clientes que caen en mora en la poblacin sin experiencia crediticia es mucho mayor que el porcentaje de clientes con mora en la poblacin con experiencia crediticia.

Porcentaje de Clientes Malos (figura 1)

Cada variable disponible para anlisis se correlacionara para conocer su incidencia en el comportamiento de pago. Porcentaje de Clientes Malos

Finalmente obtenemos nuestra tabla de puntajes de calificacin ?SCORECARD?,

Estos puntajes son dados por un modelo estadstico y representan la probabilidad de buen pago del crdito a otorgar.

Los modelos de score pueden ser usados en distintos puntos del ciclo de crditos.

Como habamos anticipado nos concentraremos en la aplicacin del score en cobranzas en el tramo de mora temprana.

Para este tramo un "modelo de score de comportamiento" dar la probabilidad de que una cuenta empeore su situacin en los prximos meses.

Comparemos el proceso de cobranzas con y sin score.

Cobranza Extensiva vs. Intensiva

Existen distintos tipos de modelos de comportamiento. Modelos genricos o desarrollados a medida. Modelos con informacin de bureau o modelos que solo usan la informacin de las bases de datos propias.

Por ejemplo VISA desarroll un modelo de score genrico sin informacin de Bureau.Fue construido sobre el pool de datos de sus bases y esta disponible en el mercado.Veraz desarroll un modelo que usa la informacin de todo el sistema financiero (modelo con informacin de bureau), tambin disponible en el mercado. No obstante muchas empresas con grandes carteras prefieren desarrollos propios y a medida.

Una vez definido y validado cual ser el modelo (o combinacin de modelos) a usar nos enfrentamos al diseo de la estrategia. Debemos poder justificar cual es la forma ptima de usar nuestras herramientas.

Una estrategia frecuente para este tramo es basar la gestin de cobranzas en los montos adeudados, es decir recibirn mayor atencin los clientes con mayor deuda.

Otra estrategia podra basarse en score, recibirn mayor atencin los clientes con mayor riesgo. Tambien podra ordenarse primero por monto y luego por score o viceversa, o por monto y das de mora, etc.

Con cualquiera de ellas podramos estar perdiendo oportunidad. La propuesta es usar monto adeudado y riesgo a la vez obteniendo lo que se denomina "saldo en riesgo".

Para clarificar este concepto veamos la figura 3 donde cruzamos riesgo X saldo adeudado. Las cuentas marcadas en verde tiene bajo riesgo y bajo saldo. Las marcadas en naranja tienen alto riesgo y alto saldo.

Bsicamente, en esta estrategia, recibirn mayor atencin las cuentas que tienen alto riesgo y alto monto adeudado y recibirn menor atencin aquellas que tienen bajo riesgo y bajo monto.

Saldo en riesgo: Una forma sencilla de calcularlo es programar un algoritmo que multiplique el riesgo de cada cuenta (dado por la probabilidad asociada al score) por su saldo adeudado.

Veamos distintos escenarios para las cuentas A y la B.

Las cuentas "A" y "B" tiene el mismo riesgo (score= 600). Pero la cuenta "A" tiene una deuda mayor. El saldo en riesgo ( 0.52*2000= 1040) es mayor para la cuenta "A", indicando que la gestin debe ser mas fuerte sobre la cuenta "A" (concepto que acompaa nuestro sentido comn)

En el segundo escenario la cuenta A tiene mayor riesgo ( score =576) que la cuenta B ( scor = 600). Las dos tienen la misma deuda. El saldo en riesgo es menor para la cuenta B ( 0.52*1000) , concepto que tambin acompaa nuestro sentido comn.

En el tercer escenario la cuenta A tiene mayor riesgo que la cuenta B, pero la cuenta B tiene mayor deuda. El criterio del saldo en riesgo nos recomienda gestionar primero a la cuenta B. Acompaa su sentido comn?

Cuentas con bajo "saldo en riesgo" podran no ser gestionadas hasta pasados algunos das de ingreso en ese tramo de mora. O cuentas con muy bajo "saldo en riesgo" podran ser gestionadas mediante una carta.

De aqu en mas la creatividad esta en manos del grupo de cobranzas que combinaran las herramientas analticas con los recursos disponibles.

*los grficos que constan en este artculo son propiedad de Lisim Internacional*