Caso de Estudio EFL: Impulsando el acceso al crédito en el mercado peruano de consumo retail.

Transcripción

1 Caso de Estudio EFL: Impulsando el acceso al crédito en el mercado peruano de consumo retail. GMG Perú Resumen Ejecutivo Grupo Monge es un grupo económico líder en Centroamérica en la distribución y venta de electrodomésticos a través de una amplia cadena de tiendas. Grupo Monge inició sus operaciones en el Perú en el año 2012 con el objetivo de conquistar los segmentos de menores ingresos económicos. El Grupo ingresa a Perú con su formato de tiendas El Gallo más Gallo, en adelante GMG. En el año 2013, GMG integró a su proceso de evaluación crediticia el score psicométrico de EFL con el objetivo de mejorar los resultados de cartera de los clientes no bancarizados del rubro de consumo minorista en Perú. Gracias al uso de la herramienta EFL, en el año 2014, GMG incrementó su base de clientes en un 35% sin aumentar su nivel de riesgo. Este compromiso con la innovación, le permitió a GMG facilitar créditos a más de 3,000 peruanos no bancarizados e incorporarlos al sistema financiero formal. GMG confirmó que la capacidad de medir el riesgo del score psicométrico EFL en el segmento de no bancarizados iguala a la de un score crediticio del segmento de bancarizados proporcionado por una central de riesgos de Perú. En otras palabras, el score EFL que no requiere historial crediticio sirve en el segmento no bancarizado con la misma eficiencia y poder predictivo que un score que sí requiere ese historial de crédito en el caso del segmento bancarizado en Perú. En el 2014, tomando en cuenta los muy auspiciosos resultados en Perú, GMG y EFL iniciaron la expansión del score a filiales de GMG en otros mercados de Centroamérica, empezando por Guatemala. A la vez, GMG y EFL se han unido para explorar en el 2015 scores de detección de fraude y cobranza con base en el mismo cuestionario inicial. La banda inferior de scores EFL tiene casi 5x más probabilidades de caer en mora que la banda superior. El siguiente gráfico muestra la tasa de riesgo acumulada para cada banda adicional de scores EFL. Esto le permite a GMG elegir dónde fijar las tasas de aprobación dada esta tolerancia al riesgo crediticio. Gráfico A: Riesgo (morosidad) por rango de score EFL

2 Visión General La oportunidad En el Perú, el segmento de no bancarizados es enorme. En un país de casi 31MM de personas (30.8MM según el Instituto Nacional de Estadística e Informática - Boletín Especial Nº 17) sólo 6,6MM tienen un préstamo activo o una línea de crédito abierta. Tras algunos años con más de 5% de crecimiento económico en el país, muchos peruanos mejoraron su nivel socioeconómico y adoptaron nuevos comportamientos de consumo como por ejemplo, realizar compras de mobiliario básico y electrodomésticos por primera vez. En el caso de GMG, un 43% de los solicitantes de crédito carecían de historial crediticio. El desafío de GMG En el año 2013, GMG enfrentaba un gran reto: cómo predecir con mayor precisión el riesgo en el segmento de mercado de no bancarizados. Resolviendo este desafío, aumentaría la aprobación en este segmento de clientes de forma importante. Considerando los planes agresivos de expansión y la misión de inclusión financiera del grupo, encontrar esta solución se convirtió en una de las prioridades de la empresa. Sin embargo, predecir riesgo en el segmento de no bancarizados ha sido un reto para GMG y otras entidades. Muchos modelos predictivos en consumo masivo ponen un peso muy alto en el historial de crédito, el cual por definición, no está disponible en este segmento. A fin de mantener los niveles de riesgo en un rango aceptable para sus niveles de apetito al riesgo, GMG enfrentaba un ratio de rechazo alto de las solicitudes de crédito de este segmento de la población. El Grupo Monge Fundado en 1971, la primera tienda de El Grupo Monge nació en Costa Rica. El enfoque original ofrecía a la clase popular, artículos electrodomésticos de primera necesidad y con facilidades de pago al crédito. Desde ese entonces se convirtió en la empresa de mayor cobertura de tiendas de electrodomésticos en Centro América. En el 2012, GMG inicia sus operaciones en Perú ofreciendo artefactos electrodomésticos y muebles para el segmento medio-bajo de la pirámide económica. En el 2014, se crea la Edpyme GMG Servicios Perú S.A., entidad supervisada por la Superintendencia de Banca, Seguros y AFP, la misma que funciona como brazo financiero en las operaciones del Grupo Monge en el Perú. Visión General del Proyecto El inicio de la relación entre GMG y EFL Perfil de clientes GMG Edad: ~28 años Mujeres: ~40% Hombres: ~60% El establecimiento de la relación entre GMG y EFL tuvo dos barreras importantes: la primera fue el escepticismo normal sobre el funcionamiento de un score psicométrico de crédito y la segunda fue la corta experiencia de EFL en el segmento de consumo. Claramente existía alguna semejanza entre el segmento de microcrédito y el segmento de consumo, siendo este último el segmento en el cual GMG se enfoca. Sin embargo las herramientas EFL no habían sido probadas en crédito de consumo y la única manera de validar el buen funcionamiento en este segmento fue a través de

3 la aplicación de cuestionarios a clientes existentes y su uso en decisiones reales 1. GMG decidió concentrar el lanzamiento de las herramientas EFL en el segmento de no bancarizados donde el score podría agregar el mayor valor, hacer seguimiento a los resultados y estar listos para hacer ajustes en los cortes de aceptación conforme el modelo se iba calibrando. Evolución del número de tiendas y cuestionarios El proyecto se inició con un piloto que se iba a implementar en 4 oficinas y con un promedio de 35 cuestionarios al mes. Después de 5 meses de resultados, este piloto se extendió a 8 tiendas y a fines del 2014, GMG estará utilizando el score en más de 23 tiendas a nivel nacional, cubriendo así toda la red de operaciones en el Perú. Gráfico B: Crecimiento GMG en # de cuestionarios y # de tiendas Experiencia de clientes y vendedores Una de las claves del éxito del proyecto fue poder conocer cómo se sentía el solicitante de crédito después de responder el cuestionario. Con esta visión objetiva sobre la aceptabilidad del solicitante hacia el cuestionario se realizaron encuestas de satisfacción de servicio en las primeras 4 tiendas piloto. Luego de 5 meses de implementación, un 1% de solicitantes desistió del cuestionario por diversas razones, mientras que el 99% restante respondió el cuestionario de forma positiva, lo cual demostró que se rompió el paradigma de la aplicación y aceptación del test en el segmento. 1 Investigaciones demuestran que la aplicación de cuestionarios sin decisiones reales (pruebas de bajo riesgo o "backtesting") es una metodología inválida para scores de crédito psicométrico. Ver "Comparando los efectos de pruebas de bajo y alto riesgo en variables medidas psicométricamente (Comparing the effects of low- and high-stakes testing on psychometrically measured variables), Mimeo, Dlugosch Frese y Klinger.

4 El modelo predictivo Medición de resultados El propósito de cualquier modelo predictivo es segmentar el riesgo que los clientes tendrán en el futuro. Cuanto más relacionado es el puntaje al futuro estado del crédito, mejor es el poder de segmentación del modelo. La maduración de las primeras cosechas podría mostrar el poder del score de 3 dígitos para discriminar entre buenos y malos pagadores dentro del segmento de no bancarizados. Una vez recibida esta información, EFL realizó rápidamente ajustes al modelo aplicado, obteniendo los resultados de discriminación que tenemos actualmente. Hay dos maneras clásicas de medir el desempeño del modelo. 1. Riesgo por banda de score En donde la herramienta EFL demuestra su poder de discriminación de riesgo en cada banda de score. La banda inferior de scores EFL tiene casi 5x más probabilidades de caer en mora que la banda superior. El Gráfico A muestra la tasa de riesgo acumulada para cada banda adicional de scores EFL. Esto le permite a GMG elegir dónde fijar las tasas de aprobación dada esta tolerancia al riesgo crediticio. 2. Coeficiente GINI Otra manera de medir qué tan bueno es el poder de discriminación es con base en una medida estadística como el coeficiente Gini. En GMG, los scores de EFL alcanzaron un Gini de 0.34; comparados con los benchmarks en el segmento de no bancarizados este es un resultado muy alto. GMG confirmó que la capacidad de medir el riesgo del score psicométrico EFL en el segmento de no bancarizados iguala a la del score crediticio del segmento de bancarizados utilizado por la central de riesgos de Perú. En otras palabras, para el segmento de no bancarizados, el score EFL que no requiere de un historial crediticio, tiene el mismo poder predictivo que un score que sí requiere ese historial de crédito para el segmento bancarizado. Resultados Incremento de la base de clientes por atender Desde el 2013, GMG utiliza el score psicométrico EFL para aprobar solicitudes de créditos de clientes no bancarizados. Ya en el 2014, GMG ha logrado maximizar el número de créditos que puede otorgar sin aumentar el riesgo de su cartera y al mismo tiempo incrementó en 35% su base de clientes en comparación con el modelo tradicional. Asimismo, como decisión estratégica, GMG realizó una prueba adicional al modelo: aprobar una línea de crédito a cerca de 500 solicitantes que hayan sido rechazados por EFL, es decir, que tuvieran un score por debajo del corte del score psicométrico. A este grupo, GMG le solicitó una mayor cuota inicial para minimizar el riesgo. A pesar de la cuota inicial, el grupo que había sido rechazado por EFL tuvo una mora 5% mayor al grupo aprobado por EFL, confirmando el poder discriminativo de la herramienta. GMG también sigue el comportamiento de los créditos otorgados por terceros (normalmente competidores de GMG) a clientes rechazados por el score EFL. Este grupo tiene una mora bastante superior a la mora de la cartera de GMG, reafirmando su confianza en el modelo y sus decisiones de rechazo.

5 Mirando hacia el futuro En el 2014, GMG continúa con su expansión en el Perú, enfocados principalmente en ofrecer créditos a aquellos consumidores excluidos del sistema financiero. Concluirán el año 2014 con 23 tiendas en distintas zonas del país, mientras el número de consultas sigue en aumento y EFL continúa incorporando información que permitirá mejorar la predicción de riesgo en el mercado de consumo retail mediante modelos cada vez más personalizados. A la vez, GMG y EFL se han unido para explorar en el 2015 scores de detección de fraude y cobranza que pueden ser construidos a partir del mismo cuestionario inicial, añadiendo valor a la información ya recogida. Finalmente, en 2014, GMG y EFL, tomando en cuenta los muy auspiciosos resultados encontrados en Perú, iniciaron la expansión del score a filiales de GMG en otros mercados de Centroamérica, empezando por Guatemala.