Maestría en Analítica de Datos para la Toma de Decisiones · 2026

Modelo Analítico Para La Predicción Del Riesgo De Mora En Microcrédito: Caso FINANZ SAS – Ibagué

El presente trabajo aborda la gestión del riesgo crediticio en la línea de microcrédito de FINANZ SAS en Ibagué. Al atender a una población poco bancarizada, la entidad enfrenta una alta asimetría de información. Bajo estas condiciones, FINANZ SAS gestiona el riesgo de manera reactiva basándose en el omportamiento posterior al desembolso, lo que evidenció una tasa de mora histórica (mayor a 60 días) del 38,3 %. Por consiguiente, el objetivo consistió en desarrollar un modelo analítico preventivo (application scoring) basado en Machine Learning para estimar la probabilidad de incumplimiento en la originación del crédito. En la metodología utilizada se usa una base de datos histórica anonimizada de 1.270 operaciones reales (2023-2026). Luego de realizar el proceso ETL amparado en las leyes 1581 y 1266 de protección de datos, se excluyeron variables sensibles como el género. Finalmente, se seleccionaron 13 variables predictoras sociodemográficas y financieras como lo son: plazo, tasa, edad, zona y score externo, entre otras, disponibles al solicitar el crédito. En cuanto la fase de modelado, se entrenaron tres algoritmos: Regresión Logística, XGBoost y Random Forest, empleando validación cruzada estratificada agrupada (StratifiedGroupKFold) de 4 particiones y balanceo de clases. Se puede evidenciar que el modelo Random Forest presentó el mejor desempeño, alcanzando un AUC-ROC en prueba de 0,737. Destacó por su gran estabilidad, registrando un bajo sobreajuste (brecha de 0,120) y un Recall del 66,0 %, identificando correctamente 64 de las 97 operaciones morosas. Finalmente, el modelo fue desplegado en una aplicación web interactiva estructurada en Flask con interfaz en HTML, dotada de tablero y calculadora de riesgo. Esta herramienta emite una probabilidad de mora y aplica reglas de negocio para generar recomendaciones estructuradas en tiempo real. Se concluye que este score propio estandariza la originación, mitiga la pérdida esperada con el fin de promover una inclusión financiera segura, protegiendo el patrimonio institucional y los fondos de garantías.