El Banco Agrario de Colombia utiliza machine learning para mitigar el fraude en las solicitudes de crédito agropecuario

Objetivo

Solución

  • Desarrollar un modelo de analítica avanzada que permita identificar si una solicitud de crédito agropecuario contiene información irregular.
  • Conocer el lugar exacto de los predios para el otorgamiento de crédito agropecuario.
  • Técnicas de Machine Learning y de proximidad con IBM SPSS Modeler para georreferenciar los predios que están siendo objeto de solicitudes de crédito agropecuario.

Banco Agrario de Colombia, constituido en 1999, con el objetivo principal de prestar servicios financieros al sector rural. Con la red de oficinas más extensa del país, siendo el encargado de asignar créditos agropecuarios a proyectos destinados a la siembra, la ganadería y la potenciación del campo colombiano. Además está encargado de la gestión de los préstamos, subsidios y beneficios que el gobierno nacional asigna a este amplio sector.

El Banco Agrario de Colombia necesitaba predecir y prevenir comportamientos irregulares en créditos agropecuarios.

Los créditos agropecuarios poseen características distintas a cualquier otro tipo de crédito bancario, se caracterizan por tener en algunas ocasiones períodos de gracia de hasta dos años. Este de crédito brinda una flexibilidad de tiempo de retorno de los activos ya que son dirigidos a proyectos que generarán inversión a largo plazo: siembra, cultivos de flores, ganadería y crianza avícola, entre otros. Por la metodología de aprobación, plazos y formas de pago, a la entidad le tomaba significativos períodos de tiempo identificar comportamientos irregulares sobre los préstamos otorgados.

Los comportamientos irregulares internos y externos estaban en aumento y por consiguiente generaban afectaciones económicas a la  entidad.  A partir de dicha situación y con base a la información histórica con la que contaba la entidad, surge la necesidad de implementar una herramienta que permitiera predecir y prevenir esos comportamientos. Se auditaron y analizaron 5 bases de datos que se encontraban en archivos planos, SQL y Excel, esto permitió identificar falsos positivos y ajustar el modelo analítico, para ponerlo en producción.

A partir de este modelo se desarrollaron otros elementos adicionales que permitieron robustecerlo. Uno de los elementos en los que se trabajó fue el análisis georeferenciado para conocer la ubicación exacta de los predios para los cuales se estaban solicitando los créditos. La incorporación de estos modelos permitió que el análisis y el otorgamiento del crédito fuese más efectivo, disminuyendo considerablemente el impacto económico proveniente de los comportamientos irregulares sobre los créditos asignados.

En el 2019, el Banco Agrario de Colombia fortaleció sus capacidades analíticas, permitiéndole ahora procesar grandes volúmenes de datos en poco tiempo para tomar decisiones informadas, identificando los comportamientos irregulares y los puntos de compromiso para aumentar los puntos de control. Este tipo de operación apalancada en la analítica ha mejorado la percepción del Banco en el mercado.

“Gracias al uso apropiado del procesamiento estadístico y probabilístico inherente a la analítica, el Banco cuenta con herramientas confiables para la toma de decisiones en casos donde la incertidumbre juega como un variable más.” Mario Alberto Hernández López, Gerente Nacional de Seguridad Bancaria, Banco Agrario de Colombia

Actualmente, el Banco ha generado una cultura de análisis de datos, donde se trabaja constantemente en la estructuración y calidad de la información, para utilizarla en pro de mejorar los procesos y la experiencia del cliente. El Banco se ha transformado a hacia un mundo totalmente digital y esto ha requerido el empleo de tecnología analítica para ser vanguardistas al respecto.

INFÓRMESE representante exclusivo de IBM SPSS para Colombia, Ecuador, Perú, Venezuela y otros países de la región andina.

Conviértase en el siguiente caso de éxito

Contáctenos