Un score de crédito es mucho más que un número entre 0 y 100. Es la estimación cuantitativa de la probabilidad de que una empresa o persona natural incumpla sus compromisos financieros en un horizonte definido —típicamente 12 meses—. Entender cómo se construye y qué lo hace confiable es fundamental para cualquier empresa que tome decisiones de crédito en Chile.
El score de Riskiper integra múltiples fuentes de datos para entregar una probabilidad de incumplimiento objetiva y actualizada.
¿Qué mide exactamente el score?
El score no mide si alguien "es buena o mala persona". Mide la probabilidad estadística de que, dado un conjunto de características observables hoy, el evaluado incumpla un compromiso crediticio en los próximos 12 meses. Esta distinción es importante: el score es una herramienta probabilística, no un juicio moral.
Un score de 85 sobre 100 no significa que el cliente siempre pagará, sino que, históricamente, clientes con ese perfil incumplen en una fracción pequeña de los casos. La decisión final de otorgar crédito sigue siendo humana; el score entrega información objetiva para tomarla mejor.
Las fuentes de datos en Chile
La calidad de un modelo de scoring depende directamente de la calidad y diversidad de sus fuentes. En el mercado chileno, las principales son:
- SII (Servicio de Impuestos Internos): Carpeta Tributaria con F29 mensuales y DAI anuales. Revela volumen de ventas, compras, márgenes y tendencias de actividad.
- CMF (Comisión para el Mercado Financiero): informe de deudas con el sistema financiero formal, clasificación de riesgo bancario y líneas disponibles.
- Mora comercial y de la banca: burós privados que registran protestos, morosidades y consultas de terceros.
- AFC (Administradora de Fondos de Cesantía): permite estimar la renta imponible de personas naturales con relación laboral dependiente.
- Poder Judicial: juicios civiles, penales y laborales activos o recientes.
- Dirección del Trabajo: cumplimiento de obligaciones previsionales.
Un modelo que solo consulta mora comercial y de la banca está usando menos del 20% de la información disponible. La integración de múltiples fuentes puede multiplicar por tres la capacidad predictiva del score.
Cómo se construye el modelo
El modelo de scoring es un algoritmo matemático —usualmente una regresión logística o un modelo de machine learning— entrenado con miles de casos históricos donde se conoce el resultado: si el evaluado pagó o no pagó. El proceso implica:
- Recolección de datos históricos: se reúnen perfiles de clientes con sus variables observables en un momento dado y su comportamiento posterior.
- Selección de variables predictivas: no todas las variables son igualmente útiles. Se seleccionan aquellas con mayor poder discriminante entre buenos y malos pagadores.
- Entrenamiento y validación: el modelo se entrena con parte de los datos y se valida con otra parte que no vio durante el entrenamiento, midiendo su desempeño con métricas como el índice Gini o el KS.
- Calibración: el score se transforma en una probabilidad real de incumplimiento, no solo en un ranking relativo.
En Riskiper, nuestro equipo tiene experiencia directa en el desarrollo de modelos de este tipo en la banca chilena, lo que nos permite construir algoritmos que reflejan la realidad del mercado local y no simplemente adaptar modelos diseñados para otros mercados.
Cómo usar el score en tus decisiones de crédito
El score es una herramienta, no una regla automática. Las empresas más sofisticadas lo integran así:
- Umbral de aprobación automática: clientes sobre cierto score (ej. 75) se aprueban sin revisión adicional hasta cierto monto.
- Zona gris: scores intermedios (ej. 50–75) van a revisión manual con información adicional.
- Rechazo automático: scores bajos (ej. bajo 40) se rechazan o se ofrecen condiciones más restrictivas.
- Ajuste de límites y plazos: el score informa no solo si dar crédito, sino cuánto y a qué plazo.
Score versus criterio: el equilibrio correcto
Un error frecuente es tratar el score como un oráculo. El modelo captura patrones estadísticos, pero no conoce el contexto específico de un cliente. Un negocio con ventas bajas en la Carpeta Tributaria puede estar en período de inversión; una empresa con protestos recientes puede haberlos saldado todos. El criterio del analista de crédito sigue siendo indispensable para interpretar el número en contexto.
El objetivo del scoring no es eliminar el juicio humano, sino enfocarlo donde más agrega valor: en los casos difíciles, no en los obvios.
Conoce el score de tus clientes en menos de 60 segundos
Riskiper genera un score de riesgo basado en SII, CMF, mora comercial y más fuentes, de forma completamente automatizada.
Solicitar demo gratuita