El Banco Mundial define la inclusión financiera como “personas físicas y empresas que tienen acceso a productos y servicios financieros útiles y asequibles que satisfacen sus necesidades (transacciones, pagos, ahorros, crédito y seguro), prestados de manera responsable y sostenible”.
América Latina es una región que históricamente ha dependido del uso de efectivo y ha estado rezagada en la transición al uso de tarjetas y herramientas digitales para transacciones financieras. Solamente cerca de la mitad de la población regional tiene una cuenta bancaria.
En Centroamérica, por ejemplo, el 85% de las transacciones se realizan en efectivo y se puede observar una tendencia similar en toda la región. México, un país que es uno de los líderes regionales en términos de número de fintechs, se encuentra muy rezagado en bancarización formal donde sólo el 37% de la población mayor de 15 años tiene una cuenta bancaria, de acuerdo al Banco Mundial. Alrededor del 86% de todos los pagos en México se realiza en efectivo.
Existen varios factores que contribuyen al predominio del efectivo en la región, incluyendo una gran economía informal, la falta de confianza en las instituciones financieras y la falta de sucursales bancarias disponibles, especialmente en las zonas rurales, entre otros. Las estimaciones del FMI indican que, en promedio, más del 60% de los trabajadores activos en la región forman parte del sector informal.
El papel del big data
Uno de los obstáculos más importantes para lograr una sociedad financieramente inclusiva es el acceso al crédito. Las personas más jóvenes y las que no cuentan con servicios bancarios o cuentan con servicios sub bancarizados, a menudo carecen de historial crediticio, lo que generalmente resulta en una denegación de crédito por parte de las instituciones financieras. En los casos en que se acepta la solicitud de crédito, las altas tasas de interés suelen ser prohibitivas para las personas que pertenecen a estos grupos demográficos y lo rechazan. Este es un círculo continuo que impide que las personas establezcan un historial crediticio y es más frecuente en las economías emergentes y entre los excluidos financieramente.
Muchas de estas personas, que carecen de historial crediticio, tienen el potencial de ser buenos prestatarios si se pudiera evaluar su solvencia crediticia utilizando datos alternativos. Las innovaciones en big data y aprendizaje automático permiten a los prestamistas predecir el riesgo crediticio basándose en información digital.
Este asunto del acceso al crédito no es exclusivo de los particulares. Las micro, pequeñas y medianas empresas (MiPyme), que constituyen la gran mayoría de las economías de América Latina y el Caribe, también han sufrido la barrera crediticia. Según BID Invest, la falta de acceso al crédito es uno de los principales obstáculos para el crecimiento de las pequeñas empresas. Frecuentemente, esto les impide ingresar a nuevos mercados, aumentar su fuerza laboral e incrementar su productividad con las inversiones adecuadas. Esto es especialmente problemático ya que este segmento representa el 99% de las empresas en la región y el 67% de las fuentes de empleo, según la Organización para la Cooperación y el Desarrollo Económicos (OCDE).
Las MiPyme en América Latina y el Caribe reciben únicamente el 12% del crédito total, de acuerdo a datos de la OCDE, que es menos de la mitad de la proporción que reciben las MiPyme en los países de la OCDE, con un 25%. Además, las pymes informales superan en número a las formales en una proporción de 3.4 a 1 en los mercados en desarrollo, según el Foro de Finanzas de pymes. Estas son las empresas que más sufren por la falta de acceso al crédito.
Por lo general, las MiPyme son consideradas clientes de alto riesgo por los bancos y prestamistas debido a la falta de documentación financiera completa, especialmente para aquellas que se consideran informales. Sin embargo, al utilizar datos alternativos, los prestamistas pueden obtener una visión más completa de las MiPyme para poder tomar una decisión crediticia adecuada a medida que buscan adquirir fondos inmediatos para sus operaciones y su crecimiento.
Aprovechar los datos alternativos para tomar decisiones sobre el riesgo crediticio puede ser un desafío para las instituciones financieras, ya que requiere un alto grado de coordinación y comprensión entre los expertos en riesgo crediticio y los especialistas de datos. Sin embargo, si se aprovechan correctamente a través de la tecnología, los datos alternativos pueden aumentar la tasa de aprobación de crédito y, al mismo tiempo, minimizar el riesgo y mantener la privacidad de los datos, así como aumentar significativamente la velocidad de aprobación, que a menudo es crucial para los sub bancarizados y las MiPyme.
Mercado Crédito es un ejemplo de alto perfil del uso exitoso de datos alternativos para decisiones crediticias. La plataforma utiliza datos como el historial de compras de MercadoLibre para complementar los datos más tradicionales, ya que ajusta la tasa de interés en función del nivel de conocimiento del cliente. A junio de 2020, Mercado Crédito otorgó 3,2 millones de créditos a 450,000 usuarios en Argentina por $11,000 millones de pesos.
Aunque aprovechar los datos alternativos para la calificación crediticia para complementar los modelos tradicionales probablemente desempeñará un papel cada vez más decisivo para que las personas subatendidas en América Latina obtengan acceso al crédito, por sí solo no pueden aumentar el nivel de inclusión financiera en la región. Por muy útiles que hayan demostrado ser los algoritmos de aprendizaje automático para este propósito, las instituciones financieras y las fintech deben abordar las realidades culturales, sociales y económicas de sus clientes y tomarlas en cuenta al diseñar sus productos y servicios. Aquellos que lo hacen pueden aumentar considerablemente su propuesta de valor al tiempo que contribuyen a aumentar el nivel de inclusión financiera en la región.
