01 / RIESGO DE CRÉDITO
Originación y cartera
¿A quién aprobar, en qué condiciones y cuándo intervenir?
Modelos de admisión y comportamiento, cutoffs, señales tempranas y seguimiento de cartera frente al desempeño vigente.
Práctica de riesgo de crédito · Bayes Advisory
Desarrollamos y validamos modelos de riesgo de crédito, auditamos datos y automatizamos controles reproducibles para instituciones financieras.
Conversemos sobre tu casoUna descripción general basta para empezar. Revisaremos el contexto contigo antes de acordar cualquier trabajo; no incluyas datos sensibles.
Conectamos fuentes, datos, modelos y controles operativos para que cada resultado pueda explicarse y reproducirse. No vendemos una plataforma cerrada ni pedimos reemplazar los sistemas actuales.
Ver casos de usoΔ −2,1 pp
mora 30+Challenger vs. baseline · ilustrativo
BayesRisk · Apache-2.0
BayesRisk es nuestra librería open source de riesgo de crédito. Reúne scorecards, validación, provisiones, stress testing, forward-looking y trazabilidad bajo configuraciones reproducibles.
El flujo scorecard tiene API estable. Provisiones y otras superficies continúan en desarrollo activo y están marcadas como experimentales cuando corresponde. La librería no reemplaza el criterio del equipo ni la validación de la norma vigente.
$ pip install "bayesrisk[scoring]"Si ya usas nikodym, revisa la guía de migración antes de actualizar.
Los datos de la demo son sintéticos. Los parámetros del caso de referencia no son oficiales y requieren revisión humana antes de cualquier uso productivo.
Cada trabajo empieza con una decisión o un resultado que tu equipo necesita revisar. Estos son cuatro puntos de entrada habituales.
01 / RIESGO DE CRÉDITO
¿A quién aprobar, en qué condiciones y cuándo intervenir?
Modelos de admisión y comportamiento, cutoffs, señales tempranas y seguimiento de cartera frente al desempeño vigente.
02 / RIESGO DE CRÉDITO
¿El modelo sigue funcionando para la población actual?
Discriminación, calibración, estabilidad, drift, implementación y documentación para una revisión independiente.
03 / RIESGO DE CRÉDITO
¿Qué gestión conviene priorizar y cómo medir su efecto?
Segmentación de acciones, scoring de mora y comparación de recuperación por gestión contra la práctica actual.
04 / RIESGO DE CRÉDITO
¿Se puede reconstruir cada resultado desde su fuente?
Perfilamiento, reconciliación, reglas de calidad y controles repetibles desde los sistemas fuente hasta los reportes.
Si tu caso cruza varias áreas, podemos acotar primero la pregunta y la evidencia necesaria.
Conversemos sobre tu casoPodemos integrar análisis y controles con fuentes, herramientas y procesos existentes. El alcance técnico se define después de revisar tu entorno.
Tecnologías con las que podemos trabajar: Google Cloud, AWS, Snowflake, Databricks, SAP, PostgreSQL, Power BI.
Pilotos acotados, medibles y con dueño claro. Cada piloto termina comparado contra el baseline real del proceso: elegimos una métrica de negocio, construimos un challenger y revisamos con evidencia si conviene ampliar, ajustar o detener el piloto.
Challenger vs. baseline
Comparamos el challenger con la línea base acordada. Si no muestra una mejora útil, documentamos el resultado y revisamos contigo si conviene ajustar o cerrar el piloto.
Challenger vs. baseline
Ejemplo con datos sintéticos
mora 30+ (% cartera)
→ la mora del baseline sube; el challenger la contiene
Δ ilustrativo: −2,1 pp · datos sintéticos — en el piloto este gráfico se construye con tus datos
01 / 03
Si ya tienes un modelo o proceso concreto, podemos revisar su alcance. Si la pregunta todavía es amplia, conversemos primero sobre la decisión, los datos y las personas involucradas. A veces el siguiente paso es acotar el problema antes de construir.
ConversemosPodemos ayudar si
Para preparar la conversación
Antes de conversar
La primera conversación sirve para entender el problema. También puedes explorar nuestras notas y métodos.
Una descripción general de la decisión, el modelo o el proceso que quieres revisar. No hace falta enviar bases de datos ni información sensible desde el formulario.
Sí, desde su dimensión técnica: datos, definición del resultado, desempeño, estabilidad y trazabilidad. El alcance concreto se acuerda después de entender el contexto y la evidencia disponible.
Revisamos el mensaje y conversamos contigo para precisar la pregunta. Si hay una forma útil de colaborar, definimos alcance, entregables y próximos pasos antes de comenzar.
Cuéntanos a grandes rasgos qué decisión, modelo o proceso de riesgo necesitas revisar. Conversaremos sobre el contexto y los próximos pasos posibles, sin necesidad de enviar datos sensibles.
Camilo González — Socio, Bayes Advisory
admin@nxlabs.cl