Publicidade

Ourense Termal


Atrás · Actualidade · A guía de ECO · Subscrición · Contacto

147.431 millóns de euros con tarxetas de crédito ou débito



REDACCIÓN · PUBLICADO O 09 DE XULLO DE 2019 · (0)



É o que se gastaron os españois o ano pasado ao realizar as súas compras mediante este sistema de pago, que pasou de realizarse en 2.500 millóns de operacións en 2014 a facelo en 3.900 millóns en 2018, un 56% máis.


A pesar da forte competencia das novas modalidades de pagamento, o uso das tarxetas de crédito ou débito segue medrando en España. De feito, o pasado ano acadouse un máximo histórico no uso deste medio, segundo un estudo elaborado pola consultora AIS Group, que analiza a evolución da rede de tarxetas dende 2014. Ademais, en 2018, o número de tarxetas que conforman a rede de medios de pagamento en España ascendeu a 83,7 millóns, das que 36,6 millóns son de crédito e unss 47 millóns de débito. De media os españoles teñen 2,2 tarxetas per cápita.

Dende 2014, o total de tarxetas aumentou en 16 millóns de unidades, o que supón un crecemento do 24%. “Se ben se desacelerou nalgúns anos, o total de operacións non pasou nunca a taxas de crecemento negativas, nin sequera durante a crise”, comenta José Manuel Aguirre, economista e director comercial de AIS Group. “Hoxe destaca que o seu ritmo de crecemento está en taxas de dous díxitos”, engade.

Ante o repunte do crédito ao consumo (incluído o das operacións con tarxeta) e dada a preocupación do Banco de España por que este crecemento non se transforme nun aumento da morosidade e nun deterioro da carteira das entidades que poida poñer en risco a economía, convén que a banca tome medidas preventivas na xestión do seu risco en xeral, pero no derivado das tarxetas de crédito en particular.

Para combatir os riscos principais derivados do uso masivo das tarxetas de crédito, segundo AIS Group hai que atender tres frontes principais “e nos tres, a implementación de técnicas de intelixencia artificial (IA) como o machine learning ten moito que achegar”, afirma Pere-Joan Ventura, director da área de modelos de risco de crédito de AIS Group.

Tres frontes

Primeiro convén controlar as tarxetas xa emitidas. É recomendable poñer en marcha sistemas de alertas para o seguemento capaces de identificar comportamentos que denoten unha probabilidade alta de caer en impago. O machine learning ten dúas grandes virtudes que o fan especialmente recomendable para este tipo de ferramentas. Por unha banda, é capaz de traballar cunha gran cantidade de variables, analizalas, atopar relacións entre elas e todo iso a gran velocidade. Por outra banda, e relacionado co anterior, o seu poder preditivo é moito máis elevado que o doutras técnicas, polo que é capaz de detectar eses sinais que anuncian un posible impago con maior antelación.

O segundo fronte é a concesión de novas tarxetas. Aínda que practicamente todas as entidades financeiras dispoñen de sistemas de scoring que determinan a quen outorgan as tarxetas, a aplicación de modelos de intelixencia artificial pode lograr un salto cualitativo. E fanno grazas á posibilidade de utilizar as tecnoloxías baseadas en open banking, que permiten ter unha visión máis ampla do comportamento do solicitante da tarxeta. “Se trata de ferramentas –di Ventura– que recopilan toda a información transaccional das persoas que solicitan unha tarxeta, non só a do propio banco, senón a de todas as entidades coas que opera, de modo que obteñamos un retrato moito máis completo que nos permita decidir se de acordo ao seu perfil é conveniente conceder”.

Algúns poden pensar que este é un eido vetado ao machine learning debido a que os modelos de concesión son modelos regulados polo Banco de España e, polo tanto, deben cumprir uns requisitos de documentación e explicación de como toman as decisións. Non obstante, “non é xa só que o Banco de España recomendase ás entidades complementar os seus modelos con modelos de IA –afirma Ventura–, senón que o halo de caixa negra que envolve aos modelos machine learning xa non é tal. Xa dispoñemos de ferramentas capaces de trazar eses modelos, discernir que peso se asigna a cada variable, como inflúe na decisión final, etc. En definitiva, pódense cumprir os requisitos demandados polo regulador”.

Como terceiro e último fronte está a detección da fraude. Aquí é onde a intelixencia artificial marca a gran diferenza. As actitudes fraudulentas son moi variadas e utilizan novos métodos constantemente. A IA posibilita a análise a tempo real da operativa, avaliando se as operacións están sendo capciosas e aprende automaticamente dos comportamentos que observa, sendo capaz de detectar a fraude cun acreditado grao de eficacia”, conclúe o experto.



Comentar noticia








Enviar

Comentarios (0)