*Por Marcelo
Fernandes, consultor de negocios de FICO
La gestión de
productos dentro de las instituciones financieras es una tarea ardua e implica
el uso de mucha información sobre el comportamiento de los clientes. Más
específicamente, pensando en una solución masiva como lo es una tarjeta de
crédito, la gestión de la solución implica no sólo la planificación del
producto, sino todo lo relacionado con la gestión del riesgo crediticio y otros
factores que pueden interferir con los ingresos generados por el portafolio de
tarjetas.
Dentro de la
planificación de un producto como lo es una tarjeta de crédito, está la gestión
de los límites de crédito. Ya que en ella se controla el nivel de exposición
que genera cada cliente y, en consecuencia, el impacto potencial generado en
términos de ingresos y pérdidas. La definición del límite de crédito se ha
asociado comúnmente con el uso de políticas de crédito basadas en información
histórica sobre el uso de la tarjeta, el comportamiento de pago (resumido a
través de información como el puntaje “scores” de comportamiento) y el
nivel de relación del cliente con la institución financiera. Cada institución
tiene diferentes niveles de refinamiento y madurez en el uso de esta
información para definir los incrementos del límite de la tarjeta. Sin embargo,
en general, estas políticas no responden a una pregunta crucial que, bien
abordada, puede impactar positivamente en los resultados de los portafolios de las
tarjetas: “¿Cuál es el valor límite adecuado para cada perfil de cliente para que
maximice la rentabilidad generada por el portafolio?"
Afortunadamente,
existen mecanismos que pueden ayudar a las instituciones financieras a
responder esta pregunta desde una perspectiva analítica. Estos mecanismos se
basan en la investigación operativa o, más concretamente, en la optimización
matemática. En resumen, la optimización matemática es la ciencia que ayuda a
las empresas a descubrir la decisión más adecuada para un problema empresarial
determinado, que aprovecha un indicador empresarial y respeta las restricciones
asociadas al proceso. Veamos un ejemplo práctico hipotético: Una entidad quiere
hacer una campaña de aumento de límite para sus 5 millones de tarjetas y quiere
responder a la pregunta: ¿Qué límite adicional ofrecer a cada uno de los
clientes (incluyendo la posibilidad de no ofrecer ningún aumento) para
maximizar la rentabilidad del portafolio de tarjetas, limitando el volumen de
pérdidas de la cartera al 5% y ofreciendo un aumento del límite de crédito a no
más del 30% de los clientes?
El anterior es
un problema clásico que podemos llamar de optimización combinatoria, parte de
la familia de algoritmos de programación lineal entera, ya que la respuesta al
problema pasa por valores límite enteros, entre 0 y el límite máximo posible a
ofrecer. Sin utilizar la optimización matemática, resultaría brutal responder a
esta pregunta, debido a que la combinación de posibles límites a ofrecer es infinita,
a causa de que dicha combinación está ligada a un determinado impacto en
términos de aumento de ingresos, pérdidas, PDD (provisión para deudores dudosos),
entre otros indicadores innumerables asociados a la cartera de clientes.
El uso de la
optimización matemática para resolver problemas como este hace uso de lo que
llamamos solucionadores matemáticos que buscan y comparan todas las opciones
posibles, sus impactos potenciales y eligen la opción que brinda el mejor
resultado. Esto, combinado con el consumo de información que retrata cómo
reacciona cada cliente ante cada posible oferta del banco, así como su
potencial para generar ingresos y pérdidas, nos permite llegar a la respuesta
de manera mucho más rápida y eficiente. Finalmente, todo esto, combinado con
herramientas que permiten generar, simular y comparar diferentes escenarios de
oferta de límites, pone en manos de los ejecutivos de la empresa una amplia
capacidad para generar políticas de cambio de límites mucho más efectivas y que
generen mucho más valor agregado a la institución financiera.
Muchas
instituciones, de diferentes países y continentes, se han beneficiado del uso
de la optimización matemática para resolver problemas de gestión de límites de
crédito. Los resultados no se limitan a sólo un aumento de la rentabilidad del
portafolio, sino que también se extienden a un aumento de los niveles de
aprobación (en el caso de asignar límites iniciales más adecuados), así como a
un aumento del nivel de relación con el banco, desde el momento que el
consumidor percibe un valor agregado en la oferta propuesta por la institución.
En conclusión,
se puede decir que el uso de la analítica avanzada, ligada al uso de la
tecnología y estrategias de decisión, ayuda a las empresas a ser más eficientes
en la gestión de sus clientes y los resultados que aportan a cada uno de sus
productos, maximizando la rentabilidad.
