Los datos de la compra de alimentos ofrecen una visión única de la situación financiera y el comportamiento de una persona.
Estos datos pueden utilizarse para determinar la puntuación crediticia de personas sin historial de crédito.
Mediante la IA y tecnologías que mejoran la privacidad, los bancos y los supermercados pueden contribuir a mejorar la inclusión financiera.
El acceso a crédito asequible es fundamental para la resiliencia personal y el progreso económico. Ayuda a financiar la vivienda, la educación, las pequeñas empresas y los seguros que protegen frente a las crisis financieras.
A nivel mundial, 1.400 millones de adultos no tienen acceso a servicios financieros formales porque carecen de historial crediticio, que solo se genera una vez que a una persona se le concede un crédito. Este círculo vicioso hace que millones de personas queden excluidas financieramente.
Este problema no se limita a los mercados emergentes y en desarrollo, sino que también afecta a mercados desarrollados como Estados Unidos y el Reino Unido, donde millones de personas siguen sin una atención financiera adecuada: aproximadamente 45 millones de estadounidenses son invisibles para el crédito o tienen expedientes crediticios que no pueden puntuarse, y alrededor de 5 millones de residentes en el Reino Unido carecen de un historial crediticio convencional.
Para las instituciones financieras, esto representa no solo un imperativo moral, sino también una gran oportunidad para acceder a un mercado nuevo y en gran medida sin explotar, mediante un uso innovador y ético de los datos.
Los datos de compras de alimentos se perfilan como una de las fuentes de datos alternativos más potentes para comprender el comportamiento financiero de los “invisibles para el crédito”.
¿Por qué los datos de compras de alimentos son la clave para la inclusión financiera?
Estas cuatro características clave explican por qué los datos de la compra de alimentos resultan tan valiosos para calcular la puntuación crediticia de personas sin historial de crédito:
1. Universalidad
Todo el mundo compra alimentos. La compra de alimentos es una necesidad universal que trasciende las fronteras socioeconómicas, geográficas y demográficas. Esto hace que los datos de compras de alimentos sean representativos de forma singular de la población en general, un atributo poco común entre las fuentes de datos alternativos.
2. Actualidad
A diferencia de muchas fuentes de datos tradicionales, los datos de compras de alimentos se actualizan de forma continua. La mayoría de los consumidores compran alimentos semanalmente, o incluso con más frecuencia. Esta regularidad ofrece una visión en tiempo real del comportamiento del consumidor, lo que permite a las instituciones financieras evaluar la situación financiera actual de una persona con una precisión notable.
¿Cómo está mejorando el Foro Económico Mundial el sistema financiero global?
El Centro para los Sistemas Financieros y Monetarios reúne a líderes para comprender la transformación de los sistemas financieros globales, desde la sostenibilidad y la resiliencia hasta la innovación y la digitalización.
Mediante el fomento de la cooperación y el conocimiento, el Centro ayuda a sus socios a alinear los sistemas financieros con la estabilidad económica a largo plazo y la prosperidad compartida.
3. Granularidad
Los datos de compras de alimentos recogen señales de comportamiento detalladas. Por ejemplo, la compra constante de productos básicos a la misma hora cada mes puede indicar disciplina presupuestaria. La sensibilidad a los precios y el uso de descuentos pueden sugerir una gestión financiera prudente. Un alto porcentaje de alimentos saludables y la ausencia de comida basura pueden ser un indicador de responsabilidad financiera.
4. Frecuencia
La alta frecuencia de las compras de alimentos ofrece una secuencia densa de datos de comportamiento, lo que permite a los modelos detectar hábitos financieros constantes, patrones y anomalías. A diferencia de los puntos de datos puntuales, como las solicitudes de préstamo, los datos de compras de alimentos construyen un historial de comportamiento a lo largo del tiempo.
Una investigación realizada por académicos de la Universidad Rice, la Universidad de Notre Dame y la Universidad Northwestern, Using Grocery Data for Credit Decisions, concluyó que variables como la frecuencia de compra, la constancia del gasto, la elección de productos y el uso de programas de descuento se correlacionan fuertemente con los perfiles de riesgo crediticio. Es importante destacar que demostró que estos patrones de comportamiento podían mejorar de forma significativa la capacidad predictiva de los modelos de crédito, en particular para los consumidores sin historial crediticio formal.
Mientras que esto siguió siendo teórico en muchos mercados, Sudáfrica fue la primera en ponerlo en práctica a gran escala.
Caso de estudio de Sudáfrica: un avance en inclusión financiera que protege la privacidad
En Sudáfrica, la promesa teórica de los datos de compras de alimentos se hizo realidad gracias a una innovadora colaboración entre el mayor minorista de alimentación del continente y sus principales bancos. El objetivo: determinar si el comportamiento de compra podía servir como indicador fiable de la solvencia crediticia.
Es fundamental señalar que esta alianza se diseñó con la privacidad de los consumidores como eje central. En lugar de compartir o intercambiar datos de los consumidores, los bancos y el minorista trabajaron en una plataforma de colaboración de datos que preserva la privacidad, desarrollada con tecnologías que mejoran la privacidad (PET, por sus siglas en inglés).
Estas tecnologías permitieron que cada parte aportara datos anonimizados y extrajera conocimientos compartidos sin exponer nunca información de identificación personal. Este enfoque garantizó el pleno cumplimiento de estrictas normativas de privacidad de datos, al tiempo que generaba información valiosa.
Mediante las capacidades de IA y aprendizaje automático integradas en la plataforma, los conjuntos de datos anonimizados de ambas partes se cruzaron y analizaron de forma segura para identificar patrones de comportamiento. Al detectar rasgos de compra comunes entre personas con sólidos historiales crediticios, los bancos pudieron desarrollar y entrenar modelos predictivos capaces de puntuar a personas hasta entonces no evaluadas, sin revelar nunca su identidad.
Los resultados fueron transformadores:
Se calificó a 8 millones de personas antes invisibles para el crédito, lo que aumentó en más de un 50 % el número de personas visibles para el crédito (a partir de un grupo de 15 millones que antes no habían sido evaluadas).
3,2 millones de esas personas cumplieron los requisitos para acceder a crédito asequible, al que antes se les habría denegado.
Los modelos de crédito que utilizan datos de compras de alimentos registraron una mejora del coeficiente de Gini del 41 %, lo que indica una capacidad significativamente mayor para distinguir entre prestatarios de riesgo bajo y alto.
Un banco previó un aumento del 29 % en sus ingresos por crédito gracias a la posibilidad de atender a este nuevo mercado.
Un modelo para la inclusión financiera
Lo que comenzó como un experimento en Sudáfrica es hoy un modelo replicable para impulsar la inclusión financiera a escala mundial. Desde África hasta América Latina, y desde Estados Unidos hasta Europa, millones de personas siguen al margen del sistema financiero.
Los datos de compras de alimentos son recientes, frecuentes, universales y ricos en información sobre el comportamiento. Combinados con los datos bancarios en un entorno de colaboración de datos que preserva la privacidad, abren el camino hacia la inclusión y la protección financieras para millones de personas.
La inclusión financiera ha estado fuera del alcance de demasiadas personas durante demasiado tiempo. Los datos de compras de alimentos, utilizados de forma responsable y colaborativa, podrían ser la innovación que logre cambiar esa realidad a gran escala.
