Machine Learning en el Factoring

El factoring no es un término muy conocido para aquellas personas ajenas al mundo de las finanzas. Sin embargo, para las empresas, sobretodo las pequeñas y medianas, el factoring resulta ser muy utilizado por su característica de entregar liquidez inmediata. El factoring es un instrumento financiero que permite a una empresa vender sus cuentas por cobrar (facturas, cheques, letras, etc) a una empresa que realice este servicio con el objetivo de obtener liquidez inmediata. Por ejemplo, si una empresa tiene una factura a 60 días, con el factoring puede acceder a ese dinero de forma inmediata a cambio de una pequeña tasa de descuento. Esto resulta muy útil para las empresas a la hora de necesitar liquidez para sus funciones operacionales (sobretodo cuando no se tiene el suficiente capital de trabajo), por esta característica el factoring es muy demandado por las empresas chilenas.

El 31 de Enero del 2014 se publica la ley de factura electrónica obligatoria, esto origina un impulso en la industria de factoring, reduciendo los costos operacionales y agilizando los procesos. A partir de este punto comienza un auge en esta industria, donde hay un aumento en la cantidad de empresas de este rubro, que pasan de ser alrededor de 140 empresas a ser más de 250 en la actualidad. A pesar de que el factoring no bancario ha tenido un alza en sus colocaciones, este presenta una leve baja en su rentabilidad debido a la alta competencia a la que se ven enfrentados, es por esto que hay una necesidad por ser lo más eficientes posibles y tener costos operacionales más bajos para así sobrevivir en un mercado tan competitivo.

La pregunta que queda a continuación es ¿Cómo hacer más eficiente las operaciones? Simple, con la ayuda de algunas herramientas matemáticas y estadísticas como pueden ser los algoritmos de machine learning o aprendizaje de máquinas. Estas herramientas nos permiten tomar mejores decisiones de forma rápida, mejorando la asertividad comercial y la eficiencia de las operaciones. Algunos áreas, en las que se pueden mejorar los procesos con la utilización de estos algoritmos. Son las siguientes:

1. Comercial: Dentro de este proceso se pueden realizar distintos tipos de modelos:

  1. Construir modelos de prospección de clientes que permitan determinar en qué clientes es mejor focalizar los esfuerzos comerciales.
  2. Desarrollar un motor de recomendaciones que determine la tasa y plazos óptimos por cada solicitud entrante.

2. Riesgo: En esta área se puede generar un score de aprobación de solicitudes, que permita determinar el riesgo de las operaciones y a su vez evaluar operaciones de forma rápida y asertiva.

3. Cobranza: Se puede generar un score dinámico de pago a nivel de cliente/producto, para entender en qué documentos es necesario priorizar la cobranza por sobre otros.

Estas son algunas de las soluciones que nos entregan estas herramientas matemáticas y estadísticas para mejorar la eficiencia de nuestro negocio con foco en ser más competitivos.