Ignacio Jiménez. Iberinform
Estos modelos deben de ser capaces de proporcionar una estimación fiable de lo que va a ocurrir en el futuro (capacidad predictiva) y de segmentar la población entre deudores buenos y malos (poder discriminante), pero lograrlo no es fácil.
Mi recomendación es construir el modelo utilizando la metodología SEMMA (Sample, Explore, Modify, Model and Asses) y tener en cuenta los siguientes puntos:
-
Definir claramente del evento que deseamos predecir ¿Qué entendemos por morosidad?
-
Construir modelos específicos para los distintos tamaños de empresas y sectores económicos.
-
Disponer de un sistema de almacenamiento de la información robusto y ágil.
-
Asegurarnos una buena disponibilidad de la Información:
- Sistema de Información (Data Mart) orientado al análisis que resuelva de manera eficiente los problemas de disponibilidad de información.
- Capacidad de acceso a fuentes de información externas (proveedores de información comercial) e internas.
- Efectuar un estricto proceso de test y validación del modelo predictivo:
- La muestra utilizada debe disponer de información estructurada, detallada, con suficiente profundidad histórica y debe de ser representativa de la población empresarial.
- Seleccionar las variables de entrada que con más capacidad de explicar el incumplimiento en pagos mediante técnicas estadísticas (Aquellas que presentan un mayor poder y un número de variables que permitan un mantenimiento y validación adecuado)
- Revisar frecuentemente el modelo para asegúranos que mantiene su capacidad predictiva y es capaz de identificar anticipadamente los clientes con mayor riesgo de impago.
- Comprobar regularmente la calidad de la información que utilizamos para mantener el mayor nivel de actualización posible.
Otra Información relacionada:
¿Qué puedo hacer para mejorar el rating de comportamiento en pagos de mi empresa?
Informes comerciales de empresas, el riesgo de impago y morosidad se minimiza