Cursos · Impacto de la Inteligencia Artificial en las Finanzas y Negocios · Riesgo, contabilidad y automatización · Credit Scoring Alternativo: Cómo el Machine Learning evalúa perfiles de crédito usando datos no convencionales
Introducción y Enfoque Estratégico
Sección 1 de 5
La evaluación del riesgo de crédito (credit scoring) constituye uno de los pilares fundamentales de la banca y las finanzas corporativas. Tradicionalmente, los comités de riesgo y los modelos econométricos convencionales se han apoyado en un conjunto limitado de variables estructuradas e históricas: el historial crediticio formal (buró de crédito), los ingresos declarados, los estados financieros auditados y las garantías patrimoniales tangibles.
Sin embargo, este enfoque tradicional excluye de manera sistemática a millones de personas y pequeñas empresas (PYMES) que carecen de un historial bancario formal, a pesar de poseer una sólida capacidad de pago y solvencia económica real. Con la irrupción del Machine Learning (ML) y el acceso masivo a macrodatos (Big Data), la evaluación de riesgos ha dado un giro radical hacia el credit scoring alternativo, transformando los criterios de inclusión financiera y optimizando la precisión predictiva de las instituciones.
La lectura y el examen cuentan por separado. El módulo cierra cuando la lectura está marcada y, si hay examen, está aprobado.