# Scoring crédit alternatif

> Scoring de crédito alternativo (alternative credit scoring)

Evaluación de la solvencia de un prestatario basada en datos alternativos al bureau de crédito tradicional: flujos bancarios AIS, pagos, comportamiento digital, datos de telecomunicaciones.

_Categoría: technique_

---

## Definición

El **scoring de crédito alternativo** evalúa la solvencia de un prestatario sin apoyarse únicamente (o de forma complementaria) en los scores de bureau tradicionales — FICP en Francia, Schufa en Alemania, FICO en EE. UU.

Combina datos alternativos: flujos bancarios AIS, historial de pagos BNPL, comportamiento digital, datos de telecomunicaciones, ficha de empresa, facturas. Impulsado por la PSD2 (que abrió el acceso a los flujos a través de los AISP), permite evaluar en pocos segundos perfiles que los bureaus cubren mal.

## Los límites del scoring de bureau tradicional

En Francia, a diferencia de EE. UU. o el Reino Unido, no existe un score positivo (tipo FICO). Las herramientas son negativas: el FICP (incidentes de reembolso, sobreendeudamiento), el FCC (incidentes de cheque y tarjeta) y los scorings internos propios de cada banco. Como consecuencia, los prestatarios primerizos, autónomos, recién llegados y jóvenes sin historial largo quedan invisibles o penalizados. El scoring alternativo cubre ese vacío.

## Los datos utilizados

- **Flujos bancarios (AIS)**: ingresos recurrentes, gastos fijos, saldos medios, tasa de ahorro, descubiertos, parte comprometida del gasto — la fuente n.º 1.
- **Historial BNPL / pagos**: reembolsos puntuales en Alma, Klarna, FLOA.
- **Datos de telecomunicaciones**: regularidad de los pagos (sobre todo en África, más raro en Europa por motivos de RGPD).
- **Datos de comportamiento**: antigüedad de la cuenta, número de bancos, estabilidad geográfica.
- **Declarativo**: tipo de contrato, antigüedad, situación familiar.
- **Datos de empresa (B2B)**: SIREN, antigüedad, sector, facturas, saldos pendientes (Pappers, Heron Data).

## La metodología: ML supervisado

Un modelo suele ser de gradient boosting (XGBoost, LightGBM), a veces una red neuronal, entrenado con el historial de impagos ("¿el cliente ha incurrido en impago a 12 meses?"). Produce un score o una probabilidad de impago, que da una decisión binaria (umbral) o multinivel (tipo según el score). La explicabilidad es obligatoria para el crédito al consumo (valores SHAP, motivos de denegación), en virtud del derecho a la explicación del artículo 22 del RGPD.

## Principales casos de uso

- **BNPL** (Klarna, Alma, FLOA, Younited Pay): scoring instantáneo en el checkout para el pago en 3x/4x sin gastos.
- **Crédito al consumo instantáneo**: Younited, FLOA, Cetelem deciden en 3 a 5 minutos, frente a 3 a 5 días en el banco.
- **Crédito profesional para pymes / autónomos**: Karmen, Defacto, October cualifican un ingreso inestable mediante flujos y facturas.
- **Anticipo de salario (EWA)**: Stairwage, Rosaly estiman la tesorería disponible del empleado.
- **Embedded finance**: scoring integrado en el checkout de un comercio vía API.

## Lo que el scoring alternativo no es

- **No es un reemplazo del FICP**: la consulta del FICP sigue siendo obligatoria para el crédito al consumo (ley Lagarde); el scoring lo complementa.
- **No es "scoring positivo" tipo FICO**: Francia rechaza desde hace 30 años un fichero positivo nacional; cada actor tiene su modelo propietario.
- **No está exento del derecho a la explicación**: el artículo 22 del RGPD obliga a explicar las decisiones automatizadas y a permitir una intervención humana.
- **No es mágico**: los mejores modelos ganan +5 a +15 puntos de Gini sobre el bureau tradicional — útil, no milagroso.

## Criterios de calidad

- **Gini / AUC**: capacidad de separar buenos y malos pagadores (objetivo de Gini > 60% para un crédito al consumo de buen rendimiento).
- **Approval rate**: proporción de solicitantes aceptados, a contrastar con la tasa de impago.
- **Default rate**: impagos a 12 meses entre los aceptados (2 a 8% en el BNPL).
- **Latencia**: < 2 segundos para una integración de checkout.
- **Estabilidad**: resistencia al _drift_ con el tiempo (de lo contrario, reentrenamiento).

## En el ecosistema PSD2

La PSD2 fue el catalizador del scoring alternativo en Europa: antes, solo los bancos tenían los flujos; con el AIS, cualquier prestamista puede (con consentimiento) recuperar de 12 a 24 meses de historial. Si se adopta FIDA, se añadirán los créditos en curso, el ahorro y los seguros, para un score aún más preciso.

```mermaid
flowchart LR
    EMPRUNTEUR["Solicitante de préstamo"]

    subgraph DATA["Datos de entrada"]
        AIS["Flujos bancarios AIS<br/>(vía AISP)"]
        BURO["Bureau (FICP, FCC)"]
        DECL["Declarativo<br/>(ingresos, situación)"]
        BNPL_HIST["Historial BNPL"]
        ENTRE["Ficha de empresa (B2B)"]
    end

    subgraph MODEL["Modelo de ML"]
        FEATURE["Feature engineering"]
        XGBOOST["Gradient boosting"]
        SHAP["Explicabilidad SHAP"]
    end

    subgraph DECISION["Decisión"]
        SCORE["Score / PD"]
        ACCEPT["Aceptar / rechazar"]
        TAUX["Tipo personalizado"]
    end

    EMPRUNTEUR --> DATA
    DATA --> MODEL
    MODEL --> DECISION
```

## Ejemplos concretos

- **Actores B2C**: Algoan (componente de scoring vendido a bancos y fintechs), FLOA (BNP), Younited Credit y los modelos internos de Klarna y Alma.
- **Younited**: construyó su negocio sobre el scoring alternativo (flujos AIS + declarativo); entidad de crédito autorizada por la ACPR desde 2011, cotizada en Euronext Paris.
- **Algoan**: SDK/API conectado a un AISP (Bridge, Tink) que devuelve un score y sus motivos, vendido a BNP, Cofidis y neobancos.
- **Heron Data**: enfoque B2B (pymes de EE. UU. y del Reino Unido), cualifica los flujos para crédito, factoring y leasing.
- **EWA**: Rosaly y Stairwage puntúan al empleado sobre sus flujos salariales para anticipar parte del neto.
- **Límite RGPD / ética**: el uso de datos de comportamiento (geolocalización, redes sociales) está muy cuestionado en Europa; los actores serios se limitan al AIS, al declarativo y al bureau, consentidos de forma explícita.
- **Evolución**: uso de LLM para el contexto de las transacciones, modelos transparentes por construcción y presión del AI Act (2026), que clasifica el scoring de crédito como IA de alto riesgo.

## Fuentes

- [Fichier des incidents de remboursement des crédits aux particuliers (FICP)](https://www.banque-france.fr/fr/particuliers/fichier-des-incidents-de-remboursement-des-credits-aux-particuliers-ficp) — Banque de France
- [Article 22 RGPD — Décision individuelle automatisée](https://www.cnil.fr/fr/reglement-europeen-protection-donnees/chapitre3#Article22) — CNIL
- [Younited — Société et activité](https://fr.wikipedia.org/wiki/Younited) — Wikipedia

---

Fuente: https://openfinanceguide.com/es/glossary/scoring-credit-alternatif