La inversión en crowdlending genera rentabilidades muy atractivas. Estos préstamos colectivos han demostrado ser una fuente excelente de ingresos pasivos y un aliado esencial a la hora de lograr la independencia financiera. No obstante, como cualquier mecanismo de inversión, no está exento de riesgos. Es por ello que resulta fundamental que todo aquel que considere la opción del crowdlending sea consciente de las pérdidas que podrían producirse. Detrás de una plataforma de financiación participativa (PFP) debidamente autorizada, siempre hay profesionales que evalúan los proyectos para determinar su nivel de riesgo. Este análisis se realiza sobre la base de una gran cantidad de información, empleando procedimientos específicos que permiten ver patrones y extraer conclusiones. Es el denominado big data, que se pone al servicio de plataformas de crowdlending como CIVISLEND.
Las posibilidades que ofrece el big data son muy amplias. Apoyándose en la inteligencia de datos y gracias a la aplicación de algoritmos, los especialistas en análisis de riesgo son capaces de cruzar los datos que están almacenados en diferentes ficheros y decidir sobre su relevancia cuando se trata de comprobar la salud financiera de las empresas que recurren al crowdlending. Esta información va desde comprobar la trayectoria del promotor hasta asegurarse de que tiene solvencia suficiente para responder al préstamo. Aunque las plataformas no son consideradas entidades declarantes y, por tanto, no tienen acceso a la Central de Información de Riesgos del Banco de España (CIRBE), tienen sus propios mecanismos para decidir si el promotor que hay detrás de un proyecto será capaz de cumplir con su compromiso de pago, tanto de los intereses como del capital principal.
El big data tiene un gran valor dentro dentro del crowdlending en particular, y de las finanzas en general. No solo es útil para valorar la solvencia, sino que también sirve para definir productos que encajen con los intereses del cliente
El término inglés big data hace referencia a enormes conjuntos de datos que, para ser entendidos y puestos en contexto, deben procesarse a través de herramientas de software informático. Estas aplicaciones son altamente sofisticadas, ya que deben mantener esta información almacenada y actualizada, con el fin de realizar búsquedas que permitan realizar análisis. Los datos masivos atienden a multitud de orígenes, formatos y temáticas, lo que redunda en su valor y veracidad, por eso la inteligencia de datos es tan apreciada dentro del mundo financiero. No solo es útil en la gestión de riesgos, sino que también ayuda a detectar tendencias, tomar decisiones, predecir comportamientos y definir estrategias.
Ya en el año 2014, EY, FrontQuery y Teradata realizaron una encuesta para conocer los retos que planteaba el big data en el sector financiero español. Hace siete años, el 30% de las entidades bancarias y las compañías de seguros empleaban esta tecnología para innovar en sus procesos y ser más eficientes en sus negocios. Por otro lado, un estudio del Banco de España publicado en 2021 examinó el impacto de la implementación de algoritmos avanzados en la gestión del riesgo, concluyendo que los algoritmos generados por el machine learning arrojan mejores predicciones sobre el posible impago de un préstamo que los sistemas tradicionales, y es aún mejor cuanta mayor es la disponibilidad de datos. Aunque este tipo de soluciones representan un gran ahorro, su aplicación sigue siendo incipiente. Según un informe sobre big data y analítica avanzada de la Autoridad Bancaria Europea, el uso del big data para la gestión del riesgo de crédito está presente en el 35% de las entidades financieras europeas, un 17% están en fase de diseño y un 20% aún están considerando su uso.
La planificación es fundamental para evitar impagos. Aunque un nivel de endeudamiento alto podría ser síntoma de morosidad futura, no siempre se cumple esta regla. Lo esencial es asegurarse de la viabilidad del proyecto
Además del alto riesgo que suponen los anteriores préstamos impagados que acumula una empresa, también hay que consideran su nivel de apalancamiento. Cualquier promotor puede caer en el sobrendeudamiento, una situación indeseable fruto de una mala planificación financiera, pero no siempre tiene como consecuencias la quiebra y el impago a los acreedores. Si esa compañía tiene préstamos pendientes, la morosidad podría ser el efecto lógico, aunque no siempre es así. Pueden darse imponderables que impidan que un proyecto se acometa con éxito, por eso es tan importante analizar su viabilidad. Plataformas como CIVISLEND tienen en cuenta este aspecto y realizan un seguimiento para asegurarse de que los fondos son empleados en lo que realmente el promotor declara.
En cualquier caso, al barajar el crowdlending como fuente de financiación, los promotores deben ser cuidadosos con el nivel de apalancamiento que van a alcanzar. Deben pensar que están trasladando el riesgo a los inversores que van a confiarle sus ahorros para sacar adelante su proyecto, así que la viabilidad del mismo no debe dejar lugar a dudas. En este sentido, los promotores podrían incurrir en un riesgo moral, algo que en CIVISLEND no ocurre porque la no devolución de los fondos pondría en marcha mecanismos de intervención que implican la ejecución de garantías, por lo que el promotor sí expone su patrimonio.
La prima de riesgo social es una herramienta útil para determinar la reputación online de las empresas a través de sus perfiles en redes sociales. El big data también sirve para ofrecer al inversor oportunidades que encajen con su perfil
Es cierto que las plataformas no pueden acceder al CIRBE porque no son entidades de crédito, pero sí que pueden evaluar el riesgo de crédito y confirmar la voluntad de pago por medio de otras herramientas públicas. Aquí es donde entra en juego el big data, capaz de construir algoritmos que conecten datos y definan perfiles de solvencia. El análisis de datos exige el desarrollo de técnicas estadísticas para su aplicación a bases de datos masivos, por eso la inteligencia artificial y el machine learning son tan importantes dentro de las organizaciones, ya que facilitan la toma de decisiones gracias a modelos predictivos.
Además de los ficheros de morosos, la inteligencia de datos permite bucear en otro tipo de datos interesantes: los de las redes sociales, que son la clave para determinar la reputación online de las empresas. Los estados, los likes o los amigos que se tienen en Facebook o Linkedin son una valiosa fuente de información, así como los comentarios en foros virtuales. Es la llamada prima de riesgo social. Pero además, los macrodatos también se pueden emplear a la inversa, es decir, analizando los datos de los inversores registrados en la plataforma para ofrecerles proyectos en el marketplace que encajen más con su perfil de riesgo o expectativas de rentabilidad basándose en su histórico de inversiones o en su recorrido por la web, las aperturas del newsletter, etc. Desde CIVISLEND estamos comprometidos con la transparencia y la protección de los inversores que confían en nosotros. Es el momento de saber cómo funciona nuestra plataforma y cómo analizamos los riesgos.
