En un contexto donde la digitalización financiera avanza a pasos agigantados, el sistema bancario peruano se enfrenta a una paradoja: mientras el uso de pagos digitales crece exponencialmente, el acceso al crédito formal sigue siendo limitado para gran parte de la población. Sin embargo, la adopción de datos alternativos está transformando esta realidad, convirtiéndose en un activo estratégico capaz de generar nuevas oportunidades de negocio y mayor eficiencia operativa
Históricamente, millones de peruanos —incluyendo trabajadores independientes y microempresarios— quedaban excluidos del sistema por falta de historial crediticio tradicional. Hoy, la «huella digital» generada por el uso masivo de billeteras como Yape y Plin permite a bancos y fintechs evaluar el comportamiento real de los usuarios. Según Asbanc, más del 70% de las operaciones bancarias en Perú ya se realizan por canales digitales, lo que abre una fuente de información sin precedentes para la gestión del riesgo, además, según el BCRP (Banco Central de Reserva del Perú), los canales digitales son fundamentales para atender a clientes de bajos ingresos que anteriormente estaban excluidos del sistema financiero.
Pero el impacto va mucho más allá de la inclusión financiera. Para bancos, fintechs y entidades de crédito, estas nuevas fuentes de información representan una oportunidad para identificar segmentos de clientes previamente invisibles, diseñar productos más adecuados, ampliar mercados y mejorar la gestión del riesgo. En otras palabras, los datos alternativos están dejando de ser una herramienta de evaluación para convertirse en un activo estratégico capaz de generar crecimiento y nuevas oportunidades de negocio
Gracias a modelos de analítica avanzada e inteligencia artificial, estas señales permiten construir perfiles financieros mucho más completos y dinámicos. En la práctica, esto significa que personas que antes no calificaban para un crédito por carecer de historial bancario formal ahora pueden demostrar su comportamiento financiero a través de su actividad digital cotidiana. Del mismo modo, pequeños emprendedores y trabajadores independientes pueden ser evaluados con mayor precisión, reduciendo sesgos y ampliando las oportunidades de acceso al financiamiento.
«Durante años, las entidades financieras tomaron decisiones basadas únicamente en una fracción de la realidad económica de sus clientes. Hoy, gracias a los datos alternativos y a la analítica avanzada, es posible descubrir segmentos completos que antes permanecían invisibles para el sistema financiero. La verdadera oportunidad no consiste únicamente en ampliar el acceso al crédito, sino en generar nuevas fuentes de crecimiento, identificar mercados desatendidos y construir modelos de riesgo mucho más precisos y dinámicos», afirma Filipe Cotait, CEO de Stefanini Data & Analytics.
Analítica avanzada para descubrir oportunidades
La verdadera innovación no reside únicamente en disponer de más información, sino en la capacidad de interpretarla correctamente. Las plataformas de analítica avanzada permiten procesar grandes volúmenes de datos en tiempo real, identificar patrones y generar modelos predictivos capaces de evaluar riesgos con mayor precisión. Esto no solo mejora la toma de decisiones de las entidades financieras, sino que también abre oportunidades para ampliar el acceso al crédito de forma responsable.
Diversos estudios de la industria muestran que los modelos de scoring basados en inteligencia artificial y datos alternativos pueden incrementar entre un 15% y un 30% la capacidad de identificar perfiles de bajo riesgo que los modelos tradicionales no detectan, al tiempo que reducen significativamente los tiempos de evaluación crediticia. Esto permite a las entidades financieras ampliar su base potencial de clientes sin comprometer sus políticas de riesgo, mientras automatizan procesos que históricamente requerían revisiones manuales extensas.
La experiencia de distintas instituciones financieras de la región demuestra el potencial de este enfoque. En un proyecto reciente de transformación analítica liderado por Stefanini Group en Brasil, la incorporación de fuentes de información adicionales permitió a una entidad financiera nacional enriquecer sus modelos de evaluación crediticia y alcanzar niveles de precisión superiores al 84% en la identificación de perfiles de riesgo. Al mismo tiempo, la automatización de los procesos de análisis redujo significativamente los tiempos de evaluación, permitiendo a esta entidad responder más rápido, mejorar la experiencia del cliente y ampliar su capacidad para identificar oportunidades de negocio.
Desde la perspectiva de Stefanini Group, la combinación de inteligencia artificial, analítica avanzada y gobierno de datos está permitiendo a bancos, fintechs y entidades financieras evolucionar desde modelos de evaluación basados únicamente en el historial crediticio hacia esquemas mucho más dinámicos, capaces de incorporar cientos de variables en tiempo real. Esto no solo mejora la precisión en la gestión del riesgo, sino que también acelera los procesos de aprobación y amplía las oportunidades de inclusión financiera para segmentos tradicionalmente subatendidos.
Las entidades financieras que logren combinar información transaccional, señales digitales y analítica avanzada no solo podrán evaluar mejor el riesgo. También estarán en condiciones de descubrir nuevos mercados, diseñar productos más relevantes y construir relaciones más profundas con sus clientes.
