El enriquecimiento de datos es clave para mejorar la precisión de los modelos de IA en Fintech

El enriquecimiento de datos, el proceso de mejorar los datos internos con datos contextuales relevantes obtenidos de fuentes externas, es fundamental para las empresas de servicios financieros que buscan aprovechar al máximo sus inversiones en inteligencia artificial (IA), permitiéndoles construir modelos predictivos más precisos y mejorar la toma de decisiones, dice Mobilewalla, un proveedor de soluciones de inteligencia del consumidor con sede en Singapur.

En un nuevo documento titulado Mejorando la precisión del modelado predictivo para fintechs con inteligencia artificial centrada en datos, la firma explora por qué la calidad, amplitud y profundidad de los datos son cruciales para que las empresas construyan modelos predictivos precisos, y cómo el enriquecimiento de datos y la ingeniería de características benefician a la inteligencia artificial en fintech.

Según el documento, si bien la mayor parte de la atención relacionada con la IA se concentra en técnicas complejas de ML y en el refinamiento del código de algoritmos, es fundamental que los proveedores de servicios financieros recuerden que los datos utilizados para entrenar algoritmos pueden tener un impacto aún mayor para predecir la precisión del modelo.

El documento cita la calificación crediticia como un caso de uso donde la información recopilada directamente de los solicitantes a menudo es insuficiente para filtrar a los posibles morosos y prevenir el fraude. En cambio, los datos recopilados de los solicitantes deben enriquecerse con información adicional como ubicación, demografía y patrones de comportamiento, y más, para permitir una evaluación crediticia más precisa, dice el documento.

Estas declaraciones se hacen eco de las realizadas a principios de este año por el fundador, director ejecutivo y presidente de Mobilewalla, Anindya Datta. Durante un panel de discusión de Fintech Fireside Asia organizado por Fintech News Singapore, Anindya dijo que si bien cierta información, como las características del hogar y la participación en la aplicación, puede parecer inútil para evaluar la propensión al incumplimiento, en realidad predicen la probabilidad de incumplimiento del préstamo.

Más de una docena de jugadores que compran ahora, pagan después (BNPL) confían en los datos de Mobilewalla para evaluar el riesgo de incumplimiento del consumidor, así como en el proceso de cobro de deudas, dijo, y señaló que su crecimiento y éxito se han derivado en parte de su capacidad para hacer uso de datos alternativos para evaluar el riesgo y, en última instancia, ampliar el acceso al crédito a quienes carecen de datos crediticios tradicionales.

imagen vía Freepik

Mobilewalla, líder en inteligencia del consumidor, recopila, limpia y procesa un rico conjunto de datos, que luego las empresas pueden utilizar para comprender mejor a sus clientes. En el sector financiero, la empresa ha trabajado con empresas como Kredivo, la principal marca BNPL de Indonesia, lo que les permite segmentar a sus clientes de manera más adecuada, personalizar la experiencia del cliente y realizar ventas cruzadas de otras soluciones digitales posteriores a la adquisición.

La creciente demanda de datos de terceros y técnicas de enriquecimiento de datos en el sector financiero se debe a la adopción en auge de la IA en la industria.

Crédito de la imagen destacada: editado de Freepik esta página y esta página