Solo con DNI y Número de celular mejoramos significativamente las predicciones al sumar información no tradicional.
El poder predictivo en el desafío de expandirse hacia sectores no bancarizados o sub bancarizados implica la capacidad de anticipar el comportamiento financiero de individuos con o sin historial crediticio tradicional. Para lograr esto, se utilizan diversas fuentes de datos e indicadores que permitan comprender mejor el perfil y las necesidades de esta población.
Datos alternativos: En lugar de depender exclusivamente de historiales crediticios tradicionales, empleamos datos alternativos como capital social de la persona, su ingreso inferido, su zona de vivienda, y demás data que puede ser obtenida por el uso de teléfonos celulares. Estos datos pueden proporcionar una visión más completa del comportamiento financiero de los individuos.
Utilizamos Machine Learning para desarrollar modelos predictivos que puedan identificar patrones y tendencias en los datos. Estos modelos predicen el riesgo crediticio y la capacidad de pago de individuos sin historial financiero.
