Business Consulting: Transformación digital en la evaluación de riesgo crediticio. Un enfoque innovador de machine learning para la mejora del proceso de scoring en empresas de microfinanzas en Perú

Abstract

La presente investigación tiene como objetivo proponer una solución innovadora basada en machine learning para optimizar el proceso de evaluación de riesgo crediticio en Hatun S.A., una empresa peruana que facilita créditos a través de una red de ferreterías y entidades financieras aliadas. A pesar de su trayectoria y crecimiento en el sector de microfinanzas, la empresa enfrenta una problemática crítica: la ineficiencia de los filtros automáticos de evaluación crediticia, los cuales generan altos niveles de rechazo (79% de operaciones derivadas) por parte de las entidades financieras, afectando directamente su productividad, rentabilidad y relaciones comerciales. Para abordar esta situación, se empleó una metodología integral que combina Design Thinking, Agile y análisis de causa raíz, permitiendo identificar, priorizar y validar los principales problemas operativos y tecnológicos. Entre ellos destacan la baja calidad de las solicitudes derivadas, la dificultad para obtener autorizaciones de uso de datos y la falta de una arquitectura analítica que soporte decisiones basadas en datos. Como propuesta de solución, se plantea el diseño e implementación de modelos de machine learning que optimicen el proceso de scoring crediticio, incrementen la precisión en la calificación de clientes y reduzcan la carga operativa. Así mismo, se recomienda establecer una arquitectura analítica que permita integrar fuentes de datos, realizar análisis predictivo y mejorar la toma de decisiones comerciales. Finalmente, se presentan un plan de implementación ágil, un análisis de riesgos, una evaluación costo-beneficio y los impactos sociales esperados. Se concluye que la adopción de tecnologías avanzadas como el machine learning es esencial para que Hatun S.A. fortalezca su propuesta de valor, mejore su eficiencia operativa y amplíe su impacto en la inclusión financiera en el Perú.

This research focuses on the digital transformation of the credit risk assessment process in microfinance companies in Peru, using Hatun S.A. as a case study. Hatun acts as a bridge between unbanked clients and financial institutions. After conducting internal and external analyses, the main problem identified was the inefficiency of the automated filters used to evaluate clients’ credit profiles. This inefficiency leads to a high rejection rate of referred applications, resulting in missed business opportunities and a poor customer experience. Using an integrated methodology that combines Design Thinking, Lean Six Sigma, Agile, and root cause analysis, the study proposes implementing machine learning models to enhance credit scoring, improve evaluation accuracy, and reduce operational costs. Additionally, a data analytics architecture is proposed to strengthen the company’s analytical capabilities and support data-driven decision-making. The proposal includes an agile sprint-based implementation plan, risk assessment, and analysis of the economic, operational, and social impact. This digital transformation aims to position Hatun S.A. as an innovative, efficient, and socially committed company that promotes financial inclusion in an increasingly competitive and digital environment.