Estudio de caso

Solventa aprovecha el machine learning de SEON para reducir un 25% las transacciones fraudulentas

Industrias

Préstamos online

Casos de uso

Puntaje crediticio

Automatización y eficiencia

Sobre Solventa

Solventa es el proveedor líder de Fintech especializado en préstamos inmediatos en Colombia, Perú y México. Califica a individuos y pymes en minutos, facilitando una mayor inclusión financiera en esos países.

  • Carecían de información sobre clientes riesgosos.
  • Pagos incumplidos.
  • Falta de datos crediticios en mercados subbancarizados.
  • Incapacidad para detectar identidades falsas y sintéticas.
  • Información detallada sobre todos los clientes.
  • Reducción de los incumplimientos de préstamos.
  • Datos alternativos para individuos subbancarizados.
  • Detección de identidades falsas y sintéticas.

Desafío

Para Solventa y otras empresas del sector de préstamos al consumo, el impacto del fraude es generalizado. Los defraudadores intentan constantemente robar identidades y hacerse pasar por clientes para obtener préstamos que no reembolsarán.

Por lo tanto, Solventa necesitaba identificar posibles defraudadores sin añadir fricciones innecesarias en el proceso de incorporación, lo que podría ralentizar la rápida entrega de préstamos, un factor clave en su servicio.

Además, Solventa sabía que existía un amplio mercado de personas subbancarizadas o no bancarizadas, para el cual los datos alternativos podían proporcionar antecedentes, así como información para determinar el riesgo y la probabilidad de incumplimiento en los pagos.

Nuestra misión es brindar crédito a todos los clientes legítimos que podamos, y nuestro objetivo es hacerlo de manera rápida, a menudo en menos de unos minutos. Por lo tanto, debemos asegurarnos de realizar la debida diligencia de la forma más ágil posible. Principalmente utilizábamos verificaciones manuales, como validaciones engorrosas de identificación en bases de datos públicas, llamadas telefónicas y perfiles de seguridad basados en datos altamente cualitativos, pero estábamos insatisfechos con el tiempo y los recursos requeridos.

Lucrecia Vera, Socia en Solventa

Solución

Al implementar el módulo API en tiempo real de SEON, Solventa pudo verificar la huella social y digital de sus clientes utilizando únicamente su número de teléfono, correo electrónico o dirección IP. Gracias a esto, Solventa obtuvo información sobre la estabilidad financiera de sus clientes y, por ende, sobre su riesgo de incumplimiento o fraude.

Además, Solventa aplicó el sistema personalizado de puntuación de riesgo de SEON a sus clientes, lo que le permitió decidir de manera inmediata si aprobar un préstamo o someterlo a revisión en caso de que la probabilidad de fraude o incumplimiento fuera alta.

Al utilizar datos crediticios alternativos provenientes de las funciones de búsqueda de correo electrónico y teléfono de SEON, Solventa puede verificar si un solicitante de préstamo tiene alguna de las más de 90 cuentas sociales y digitales, como LinkedIn, Facebook o AirBnB. Esto proporciona una fuerte indicación de si se trata de un defraudador utilizando datos falsos o una persona legítima que carece de los medios financieros para reembolsar el préstamo.

Por ejemplo, mientras que un defraudador probablemente tendrá poca o ninguna huella digital, cuentas como LinkedIn pueden revisarse para evaluar el estado laboral de un solicitante real y su capacidad para pagar un préstamo. Esto permite que Solventa utilice estos datos para determinar el tamaño del préstamo que está dispuesto a ofrecer.

Además, Solventa aprovechó las capacidades de SEON y utilizó el Aprendizaje Automático (ML) junto con la API de etiquetado detallado para retroalimentar datos al sistema. El sistema de ML transparente de SEON luego sugirió nuevas reglas de prevención de fraude, basadas en ubicaciones, huellas digitales de dispositivos y señales sociales.

Resultados

El soporte de SEON resultó en una reducción del 25% en transacciones fraudulentas, lo que a su vez disminuyó el costo de los impagos.

Además, Solventa mejoró sus modelos de calificación de riesgo, logrando un aumento adicional del 15% en precisión al combinar los datos de aprendizaje automático de SEON.

Beneficios clave:

  • Reducción del 25% en transacciones fraudulentas.
  • Aumento del 15% en la precisión de los modelos de aprendizaje automático para detectar fraudes.
  • Menos impagos en los préstamos.
  • Expansión hacia mercados subbancarizados.
  • Ahorro en costosas validaciones biométricas y de identificación.
  • Mayor productividad en las revisiones manuales.

75%

95%

15%

Estamos encantados con los tiempos de respuesta oportunos, las rápidas soluciones y las habilidades efectivas para resolver problemas de todos los analistas y el personal que trabaja en la cuenta de Solventa.

Lucrecia Vera

Para más información sobre Solventa, visite www.solventa.co www.solventa.mx or www.solventa.pe