En los últimos años, las entidades financieras han incrementado la adopción de datos y nuevas tecnologías para gestionar carteras de crédito. De hecho, McKinsey

encuesta reciente de las instituciones financieras dice que hay un progreso significativo en el uso de nuevos datos y técnicas para la gestión de la cartera de crédito. 

Pero también destaca los desafíos que quedan en torno a los datos y la tecnología en el sector de servicios financieros. 

En este artículo, recapitulamos el estudio de McKinsey, examinamos los 3 principales desafíos de datos para la gestión de crédito y analizamos algunas ideas interesantes para superarlos. 

Estudio de instituciones financieras de McKinsey de 2022: Un resumen rápido

McKinsey encuestó a 44 instituciones financieras a nivel mundial sobre los últimos desarrollos en datos y análisis para la gestión de carteras de crédito. 

El objetivo

Comprender el uso de fuentes de datos tradicionales y alternativas para la información de riesgo crediticio, determinar cómo las instituciones financieras utilizan enfoques analíticos en todos los segmentos de la cartera e informar el camino a seguir para incorporar datos y análisis de próxima generación.

Los hallazgos centrales 

Las instituciones financieras han avanzado significativamente en el uso de nuevos datos para la gestión de la cartera de crédito:

• 60% de los encuestados dijeron que han aumentado el uso de nuevos tipos de datos y han implementado técnicas de análisis avanzadas en la gestión de carteras de crédito. 

• 75% esperan que estas tendencias continúen durante los próximos dos años.

Sin embargo, existen desafíos emergentes que se interponen en el uso de nuevos datos para la gestión de crédito, a saber:

• Calidad de datos, citado por 63% de los encuestados.

• Recursos, citado por 42% de los encuestados.

• Costos de datos, citado por 30% de los encuestados. 

En resumen, si bien se avanza, las barreras continúan para las instituciones financieras que desean mejorar la gestión de la cartera de crédito. 

Con esto en mente, entremos en detalles, comenzando con información sobre los datos que se utilizan. 

¿Qué tipos de datos utilizan las instituciones financieras para la gestión de crédito en la actualidad?

Mientras buscan implementar nuevos análisis dentro de la gestión de crédito, las empresas obtienen datos de fuentes como: 

• Datos de comportamiento crediticio interno y datos de productos cruzados 

• Datos de los burós de crédito

• Pronósticos económicos

• Y nuevos datos de proveedores externos. 

Esto incluye también datos alternativos; por ejemplo, en la cartera corporativa, más de la mitad de los encuestados actualmente utilizan, prueban o consideran medios de comunicación, redes sociales o datos de cuentas de terceros.

Nuestra opinión al respecto es que utilizar todos los datos internos y burocráticos existentes, que generalmente se encuentran en partes separadas de los sistemas y las bases de datos de productos/clientes, es un problema. Otro es tomar una base de datos de clientes y compararla con los proveedores de datos. Esto puede ser costoso y llevar mucho tiempo y no agregará valor necesariamente.

Los 3 principales desafíos emergentes de datos y tecnología 

Como mencionamos anteriormente, se preguntó a cada participante en el estudio de McKinsey sobre los mayores desafíos que enfrentará el riesgo crediticio en los próximos dos o tres años. 

Los tres principales desafíos emergentes son:

• #1: Calidad de los datos: El 60 % citó la calidad de los datos como la principal limitación para utilizar nuevas fuentes de datos innovadoras.

• #2: Recursos: El 42% citó los recursos como el segundo desafío emergente.

• #3: Costo de datos: El 30% citó el costo de los datos como el tercer mayor desafío.

Veamos cada desafío con más detalle... 

#1: Calidad de los datos

Teniendo en cuenta que las instituciones financieras aprovechan enormes cantidades de datos para tomar decisiones críticas de los consumidores, requieren precisión e integridad de los datos en todo momento. 

Si los datos del cliente están incompletos o las metodologías de puntuación son inexactas, los resultados pueden afectar gravemente la equidad del consumidor. Además, los servicios financieros son sensibles al tiempo donde un solo error multiplica rápidamente los procesos posteriores. 

Mejorar la calidad de los datos exige una mayor transparencia en los datos que tienen los proveedores de datos, como las tres oficinas principales. 

#2: Recursos

Además de los recursos señalados como uno de los principales desafíos por parte de McKinsey, más de una cuarta parte de los altos ejecutivos del sector financiero también lo destacaron en un estudio realizado por una consultora de datos y análisis.

cinozure. 

La investigación también encontró que el 39% sentía que los altos ejecutivos no entendían completamente el valor de los datos. Una de las razones clave de esta brecha de habilidades se debe al ritmo del cambio tecnológico. 

Del mismo modo, los científicos de datos, los analistas de datos y los ingenieros de datos tienen una gran demanda. 

En términos generales, hay dos opciones cuando se busca cerrar la brecha: volver a capacitar y mejorar las habilidades del personal existente para brindarles mejores habilidades de datos; o contratar talento externo. 

#3: Costos de datos

Según PWC, los grandes bancos de todo el mundo gastan tanto como
$88 millones al año en datos – información están obligados a tomar decisiones informadas y cumplir con las regulaciones. Sin embargo, existe una clara falta de transparencia cuando se trata de precios de datos burocráticos. Algo de lo que hemos hablado extensamente en artículos anteriores.  

Por nuestro trabajo con bancos y otros prestamistas, sabemos que las instituciones financieras pueden reducir en gran medida el costo involucrado en la compra de datos. 

Los bancos y los prestamistas están viendo resultados sólidos:

• Negociar el contrato a medio plazo ahorra en promedio entre un 25 % y un 40 % en costos de datos, incluso cuando permanecen con el mismo proveedor. 

• El uso de datos de múltiples fuentes de oficinas puede ayudar con el apalancamiento de precios y diversas fuentes de datos, e incluso cubrir las brechas en el historial crediticio que otras oficinas pueden tener.

• Un banco incluso redujo los costos en 3 millones de libras esterlinas por año, logrando un ahorro del 50 %, con flexibilidad continua para usar datos adicionales en el ciclo de vida del cliente sin cargo adicional.

En resumen, existe una gran oportunidad para que los prestamistas reduzcan sus costos de datos y obtengan datos de mayor calidad a través de una mayor transparencia en los precios y la calidad de los datos. 

Abordar estos desafíos con el marco adecuado

La encuesta de McKinsey indica que, si bien los administradores de carteras de crédito están comenzando a utilizar fuentes de datos innovadoras, persisten importantes obstáculos. Desde encontrar la calidad de datos correcta hasta los recursos y los costos de los datos. 

McKinsey continúa diciendo que la evaluación de las fuentes de datos, así como una mayor transparencia, ayudarán a las instituciones financieras a comprender la evolución de los datos y el panorama de los proveedores. Y ciertamente estamos de acuerdo. 

En nuestra opinión, estos desafíos no son nada nuevo. Esto es algo que vemos una y otra vez a través de nuestro trabajo de apoyo a las instituciones financieras. 

La buena noticia es que las instituciones financieras pueden tomar cinco medidas para abordar los problemas de datos clave:

#1: Comprender los requisitos de datos: Esto incluye las fuentes de datos, la calidad de los datos y la precisión de los datos. Al trabajar con especialistas externos, puede mapear las fuentes de datos existentes y lo que está pagando.

#2: Evalúe la calidad de los datos y las brechas de precios: Compare su precio con otros con el mismo proveedor y huella. 

#3: Evalúe el punto de referencia de datos de la empresa: Busque todos los ahorros potenciales y descubra los precios objetivo. 

#4: Cree la cascada de datos y oficinas que debe usar:  Más sobre esto aquí. 

#5: Negociar: O actualice los contratos de datos, las políticas y los procedimientos con soporte junto con palancas de negociación a lo largo de cada iteración del proceso de evaluación comparativa.  

Aborde sus desafíos de datos con la evaluación comparativa de datos

Para concluir, los beneficios de un enfoque de evaluación comparativa de datos son claros y deberían motivar a las instituciones a intensificar sus esfuerzos para obtener datos de la más alta calidad al precio correcto. 

Una visión completa de los precios, la calidad y la precisión de las oficinas de datos puede proporcionar una comparación personalizada para informar las negociaciones con los proveedores, ya sea que elija quedarse con su proveedor actual, cambiar a otro o adoptar un enfoque de varias oficinas.

Si está interesado en cómo funciona la evaluación comparativa de datos, deje un comentario a continuación. 

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://www.finextra.com/blogposting/23935/3-emerging-data-challenges-in-credit-management-according-to-mckinsey?utm_medium=rssfinextra&utm_source=finextrablogs