I2CREDIT Nº 14
Scoring en Cobranzas
Es una de las areas mas complejas donde usar la metodologÃa de scoring y su aplicación es reciente en Argentina. Los beneficios que aporta justifica invertir en esta dirección. Empecemos con algunas nociones básicas de scoring ...
Por: Estela Abdala Strategy & Analytics Consultant
¿Qué es el Score?
Es un proceso estadÃstico que toma información de una cliente o cuenta y la convierte en un número. EL score predice la conducta de pago ( del cliente /cuenta).
Cuando estamos iniciando el desarrollo de un modelo de score uno de los primeros pasos es analizar toda la información que tengamos disponible y entender que nos esta diciendo.
Por ejemplo si comparamos dos perfiles de clientes , unos con experiencia crediticia y otros sin experiencia crediticia (figura 1) podemos ver que el porcentaje de clientes que caen en mora en la población sin experiencia crediticia es mucho mayor que el porcentaje de clientes con mora en la población con experiencia crediticia.
Porcentaje de Clientes Malos (figura 1)
Cada variable disponible para análisis se correlacionara para conocer su incidencia en el comportamiento de pago. Porcentaje de Clientes Malos
Finalmente obtenemos nuestra tabla de puntajes de calificación ?SCORECARD?,
Estos puntajes son dados por un modelo estadÃstico y representan la probabilidad de buen pago del crédito a otorgar.
Los modelos de score pueden ser usados en distintos puntos del ciclo de créditos.
Como habÃamos anticipado nos concentraremos en la aplicación del score en cobranzas en el tramo de mora temprana.
Para este tramo un "modelo de score de comportamiento" dará la probabilidad de que una cuenta empeore su situación en los próximos meses.
Comparemos el proceso de cobranzas con y sin score.
Cobranza Extensiva vs. Intensiva
Existen distintos tipos de modelos de comportamiento. Modelos genéricos o desarrollados a medida. Modelos con información de bureau o modelos que solo usan la información de las bases de datos propias.
Por ejemplo VISA desarrolló un modelo de score genérico sin información de Bureau.
Fue construido sobre el pool de datos de sus bases y esta disponible en el mercado.
Veraz desarrolló un modelo que usa la información de todo el sistema financiero (modelo con información de bureau), también disponible en el mercado. No obstante muchas empresas con grandes carteras prefieren desarrollos propios y a medida.
Una vez definido y validado cual será el modelo (o combinación de modelos) a usar nos enfrentamos al diseño de la estrategia. Debemos poder justificar cual es la forma óptima de usar nuestras herramientas.
Una estrategia frecuente para este tramo es basar la gestión de cobranzas en los montos adeudados, es decir recibirán mayor atención los clientes con mayor deuda.
Otra estrategia podrÃa basarse en score, recibirán mayor atención los clientes con mayor riesgo. Tambien podrÃa ordenarse primero por monto y luego por score o viceversa, o por monto y dÃas de mora, etc.
Con cualquiera de ellas podrÃamos estar perdiendo oportunidad. La propuesta es usar monto adeudado y riesgo a la vez obteniendo lo que se denomina "saldo en riesgo".
Para clarificar este concepto veamos la figura 3 donde cruzamos riesgo X saldo adeudado. Las cuentas marcadas en verde tiene bajo riesgo y bajo saldo. Las marcadas en naranja tienen alto riesgo y alto saldo.
Básicamente, en esta estrategia, recibirán mayor atención las cuentas que tienen alto riesgo y alto monto adeudado y recibirán menor atención aquellas que tienen bajo riesgo y bajo monto.
Saldo en riesgo: Una forma sencilla de calcularlo es programar un algoritmo que multiplique el riesgo de cada cuenta (dado por la probabilidad asociada al score) por su saldo adeudado.
Veamos distintos escenarios para las cuentas A y la B.
Las cuentas "A" y "B" tiene el mismo riesgo (score= 600). Pero la cuenta "A" tiene una deuda mayor. El saldo en riesgo ( 0.52*2000= 1040) es mayor para la cuenta "A", indicando que la gestión debe ser mas fuerte sobre la cuenta "A" (concepto que acompaña nuestro sentido común)
En el segundo escenario la cuenta A tiene mayor riesgo ( score =576) que la cuenta B ( scor = 600). Las dos tienen la misma deuda. El saldo en riesgo es menor para la cuenta B ( 0.52*1000) , concepto que también acompaña nuestro sentido común.
En el tercer escenario la cuenta A tiene mayor riesgo que la cuenta B, pero la cuenta B tiene mayor deuda. El criterio del saldo en riesgo nos recomienda gestionar primero a la cuenta B. Acompaña su sentido común?
Cuentas con bajo "saldo en riesgo" podrÃan no ser gestionadas hasta pasados algunos dÃas de ingreso en ese tramo de mora. O cuentas con muy bajo "saldo en riesgo" podrÃan ser gestionadas mediante una carta.
De aquà en mas la creatividad esta en manos del grupo de cobranzas que combinaran las herramientas analÃticas con los recursos disponibles.
*los gráficos que constan en este artÃculo son propiedad de Lisim Internacional*
Es un proceso estadÃstico que toma información de una cliente o cuenta y la convierte en un número. EL score predice la conducta de pago ( del cliente /cuenta).
Cuando estamos iniciando el desarrollo de un modelo de score uno de los primeros pasos es analizar toda la información que tengamos disponible y entender que nos esta diciendo.
Por ejemplo si comparamos dos perfiles de clientes , unos con experiencia crediticia y otros sin experiencia crediticia (figura 1) podemos ver que el porcentaje de clientes que caen en mora en la población sin experiencia crediticia es mucho mayor que el porcentaje de clientes con mora en la población con experiencia crediticia.
Porcentaje de Clientes Malos (figura 1)
Cada variable disponible para análisis se correlacionara para conocer su incidencia en el comportamiento de pago. Porcentaje de Clientes Malos
Finalmente obtenemos nuestra tabla de puntajes de calificación ?SCORECARD?,
Estos puntajes son dados por un modelo estadÃstico y representan la probabilidad de buen pago del crédito a otorgar.
Los modelos de score pueden ser usados en distintos puntos del ciclo de créditos.
Como habÃamos anticipado nos concentraremos en la aplicación del score en cobranzas en el tramo de mora temprana.
Para este tramo un "modelo de score de comportamiento" dará la probabilidad de que una cuenta empeore su situación en los próximos meses.
Comparemos el proceso de cobranzas con y sin score.
Cobranza Extensiva vs. Intensiva
Existen distintos tipos de modelos de comportamiento. Modelos genéricos o desarrollados a medida. Modelos con información de bureau o modelos que solo usan la información de las bases de datos propias.
Por ejemplo VISA desarrolló un modelo de score genérico sin información de Bureau.
Fue construido sobre el pool de datos de sus bases y esta disponible en el mercado.
Veraz desarrolló un modelo que usa la información de todo el sistema financiero (modelo con información de bureau), también disponible en el mercado. No obstante muchas empresas con grandes carteras prefieren desarrollos propios y a medida.
Una vez definido y validado cual será el modelo (o combinación de modelos) a usar nos enfrentamos al diseño de la estrategia. Debemos poder justificar cual es la forma óptima de usar nuestras herramientas.
Una estrategia frecuente para este tramo es basar la gestión de cobranzas en los montos adeudados, es decir recibirán mayor atención los clientes con mayor deuda.
Otra estrategia podrÃa basarse en score, recibirán mayor atención los clientes con mayor riesgo. Tambien podrÃa ordenarse primero por monto y luego por score o viceversa, o por monto y dÃas de mora, etc.
Con cualquiera de ellas podrÃamos estar perdiendo oportunidad. La propuesta es usar monto adeudado y riesgo a la vez obteniendo lo que se denomina "saldo en riesgo".
Para clarificar este concepto veamos la figura 3 donde cruzamos riesgo X saldo adeudado. Las cuentas marcadas en verde tiene bajo riesgo y bajo saldo. Las marcadas en naranja tienen alto riesgo y alto saldo.
Básicamente, en esta estrategia, recibirán mayor atención las cuentas que tienen alto riesgo y alto monto adeudado y recibirán menor atención aquellas que tienen bajo riesgo y bajo monto.
Saldo en riesgo: Una forma sencilla de calcularlo es programar un algoritmo que multiplique el riesgo de cada cuenta (dado por la probabilidad asociada al score) por su saldo adeudado.
Veamos distintos escenarios para las cuentas A y la B.
Las cuentas "A" y "B" tiene el mismo riesgo (score= 600). Pero la cuenta "A" tiene una deuda mayor. El saldo en riesgo ( 0.52*2000= 1040) es mayor para la cuenta "A", indicando que la gestión debe ser mas fuerte sobre la cuenta "A" (concepto que acompaña nuestro sentido común)
En el segundo escenario la cuenta A tiene mayor riesgo ( score =576) que la cuenta B ( scor = 600). Las dos tienen la misma deuda. El saldo en riesgo es menor para la cuenta B ( 0.52*1000) , concepto que también acompaña nuestro sentido común.
En el tercer escenario la cuenta A tiene mayor riesgo que la cuenta B, pero la cuenta B tiene mayor deuda. El criterio del saldo en riesgo nos recomienda gestionar primero a la cuenta B. Acompaña su sentido común?
Cuentas con bajo "saldo en riesgo" podrÃan no ser gestionadas hasta pasados algunos dÃas de ingreso en ese tramo de mora. O cuentas con muy bajo "saldo en riesgo" podrÃan ser gestionadas mediante una carta.
De aquà en mas la creatividad esta en manos del grupo de cobranzas que combinaran las herramientas analÃticas con los recursos disponibles.
*los gráficos que constan en este artÃculo son propiedad de Lisim Internacional*
Ultimas Notas
I2CREDIT Nº 14
FIAR O NO FIAR (a los clientes), aquà está la cuestión... - España -
"Per colpa di qualcuno non si fa credito a nessuno"....
Por: Pere J. Brachfield, Presidente de la Federación Europea de Credit Managers y Vicepresidente de la Asociación Española de Gerentes de Crédito .
Lo que está detrás del Pago y del No Pago - México
La acción de cobro no ha de limitarse exclusivamente a lograr la cancelación de las cuentas de los clientes mediante el pago del saldo adeudado. Ni el éxito del ejecutivo de crédito y cobranza ha de medirse por la forma en que va continuamente disminuyendo las cuentas a cobrar.
Por: Luis Eduardo Perez Mata Director General CIMEX CREDIT
A Propósito de la Motivación
Las personas trabajan por distintas razones, sus deseos y expectativas son diferentes, existen distintas realidades en el trabajo y las recompensas son recibidas en forma diferente.
Por: Juanita Alvarez SocÃas Asistente Social. Asesor Area Administración y Servicio al Cliente. Centro de Formación Técnica CCS
FAIR DEBT COLLECTION PRACTICE ACT - FDCPA - Una aproximación
Debido al interés de nuestros lectores en conocer un poco más sobre la regulación en otros mercados, les acercamos una nota publicada por la Federal Trade Commission for the Consumer, en relación a la principal norma que regula las cobranzas en EEUU.
Por: FEDERAL TRADE COMMISSION FOR THE CONSUMER www.ftc.gov
Keep Your Shirt On (USA)
Optimization can lead to greater efficiency and boost the bottom line for credit granting and collections operations. And it doesn’t require losing your shirt in the process.
Por: Dennis Ash, Martin O'Connor, and Steve Darsie Credit & Collections World
Notas Destacadas
- 2012
- CREDIT PERFORMANCE Nº 106
- CREDIT PERFORMANCE Nº 105
- CREDIT PERFORMANCE Nº 104
- CREDIT PERFORMANCE Nº 103
- CREDIT PERFORMANCE Nº 102
- 2011
- CREDIT PERFORMANCE Nº 101
- CREDIT PERFORMANCE Nº 100
- CREDIT PERFORMANCE Nº 99
- CREDIT PERFORMANCE Nº 98
- CREDIT PERFORMANCE Nº 97
- CREDIT PERFORMANCE Nº 96
- CREDIT PERFORMANCE Nº 95
- CREDIT PERFORMANCE Nº 94
- CREDIT PERFORMANCE Nº 93
- CREDIT PERFORMANCE Nº 92
- CREDIT PERFORMANCE Nº 91
- 2010
- CREDIT PERFORMANCE Nº 90
- CREDIT PERFORMANCE Nº 89
- CREDIT PERFORMANCE Nº 88
- CREDIT PERFORMANCE Nº 87
- CREDIT PERFORMANCE Nº 86
- CREDIT PERFORMANCE Nº 85
- CREDIT PERFORMANCE Nº 84
- CREDIT PERFORMANCE Nº 83
- CREDIT PERFORMANCE Nº 82
- CREDIT PERFORMANCE Nº 81
- CREDIT PERFORMANCE Nº 80
- 2009
- CREDIT PERFORMANCE Nº 79
- CREDIT PERFORMANCE Nº 78
- CREDIT PERFORMANCE Nº 77
- CREDIT PERFORMANCE Nº 76
- CREDIT PERFORMANCE Nº 75
- CREDIT PERFORMANCE Nº 74
- CREDIT PERFORMANCE Nº 73
- CREDIT PERFORMANCE Nº 72
- CREDIT PERFORMANCE Nº 71
- CREDIT PERFORMANCE Nº 70
- CREDIT PERFORMANCE Nº 69
- CREDIT PERFORMANCE Nº 68
- 2008
- CREDIT PERFORMANCE Nº 67
- CREDIT PERFORMANCE Nº 66
- CREDIT PERFORMANCE Nº 65
- CREDIT PERFORMANCE Nº 64
- CREDIT PERFORMANCE Nº 63
- CREDIT PERFORMANCE Nº 62
- CREDIT PERFORMANCE Nº 61
- CREDIT PERFORMANCE Nº 60
- 2007
- CREDIT PERFORMANCE Nº 59
- CREDIT PERFORMANCE Nº 58
- CREDIT PERFORMANCE Nº 57
- CREDIT PERFORMANCE Nº 56
- CREDIT PERFORMANCE Nº 55
- CREDIT PERFORMANCE Nº 54
- CREDIT PERFORMANCE Nº 53
- 2006
- CREDIT PERFORMANCE Nº 52
- CREDIT PERFORMANCE Nº 51
- CREDIT PERFORMANCE Nº 50
- CREDIT PERFORMANCE Nº 49
- CREDIT PERFORMANCE Nº 48
- CREDIT PERFORMANCE Nº 47
- CREDIT PERFORMANCE Nº 46
- CREDIT PERFORMANCE Nº 45
- CREDIT PERFORMANCE Nº 44
- CREDIT PERFORMANCE Nº 43
- CREDIT PERFORMANCE Nº 42
- CREDIT PERFORMANCE Nº 41
- 2005
- CREDIT PERFORMANCE Nº 40
- CREDIT PERFORMANCE Nº 39
- CREDIT PERFORMANCE Nº 38
- CREDIT PERFORMANCE Nº 37
- CREDIT PERFORMANCE Nº 36
- CREDIT PERFORMANCE Nº 35
- CREDIT PERFORMANCE Nº 34
- CREDIT PERFORMANCE Nº 33
- CREDIT PERFORMANCE Nº 32
- CREDIT PERFORMANCE Nº 31
- CREDIT PERFORMANCE Nº 30
- CREDIT PERFORMANCE Nº 29
- 2004
- CREDIT PERFORMANCE Nº 28
- CREDIT PERFORMANCE Nº 27
- CREDIT PERFORMANCE Nº 26
- CREDIT PERFORMANCE Nº 25
- CREDIT PERFORMANCE Nº 24
- CREDIT PERFORMANCE Nº 23
- CREDIT PERFORMANCE Nº 22
- CREDIT PERFORMANCE Nº 21
- CREDIT PERFORMANCE Nº 20
- CREDIT PERFORMANCE Nº 19
- CREDIT PERFORMANCE Nº 18
- CREDIT PERFORMANCE Nº 17
Ultima Revista
Noviembre 2011
Julio 2011
Ediciones Anteriores
RegÃstrese
Anuncie en la revista
Si desea anunciar en nuestra revista, contactese con:Rodrigo Rotunno
rodrigo.rotunno@cmspeople.com
+ 54 (11) 4313 4000
