Las técnicas de Score Crediticio permiten a las organizaciones maximizar su capacidad de evaluación de riesgos por sobre los estándares proporcionados por los distintos bureau de mercado, ya que adapta y modela estos indicadores base en función de las particularidades únicas de su cartera comercial.
En este curso vas a aprender a construir un modelo inteligente de credit score a través de Score Cards, una técnica que nos permite formular reglas crediticias potentes y a la vez comprensibles para los roles de negocio no especializados en el análisis y las técnicas modelamiento avanzado.
El curso comienza analizando y discutiendo uno de los aspectos más importantes del rol de data scientist: la capacidad de comunicación y bajada a tierra de los modelos analíticos entre los roles de negocio para que estos puedan tomar decisiones a partir de conceptos claros y comprensibles desde su palancas de gestión.
De esta manera se trabajará en la definición de los objetivos de la métrica de morosidad, haciendo un desarrollo exhaustivo junto con la gestión comercial sobre qué se entiende como individuo moroso en función de la organización/industria en cuestión (por ejemplo: qué criterio adoptar cuando un mismo cliente tiene más una factura asociada a su cuenta) y qué alcance de variables considerar para así poder realizará la definición del data-set de entrenamiento.
Nos introduciremos en la etapa de desarrollo del modelo comenzando con la preparación del data-set de procesamiento a partir de la construcción de “registros modelados” para condensar información histórica de los individuos caracterizándolos con variables de tendencias, promedios y variaciones. También se practicará la discretización de variables continuas e introduciremos el importante concepto de Weight of Evidence con el que podremos evaluar y modificar de manera dinámica las elecciones de nuestro modelado, ahorrando carga de trabajo y maximizando la performance final a obtener.
A continuación realizaremos el entrenamiento de nuestro modelo mediante la técnica de regresión logística y evaluaremos su performance teórica mediante el análisis de las curvas ROC, el lift y las distribuciones por percentiles, estableciendo un nivel de riesgo a cada puntaje del score para la definición de los scorecards.
Por último discutiremos sobre las etapas de prueba y de puesta en producción de un modelo de Score Card, desarrollando las buenas prácticas en la retroalimentación dinámica de nuestros modelos y el ajuste continuo de la performance en función de los requerimientos del negocio.
Este curso es ideal para analistas avanzados buscando incorporar herramientas de evaluación de riesgos de alta performance.
Se requiere conocimientos sólidos en Data Mining y manejo de R.
👉 Se recomienda hacer los cursos Data Mining Aplicado y Métodos de Alta Performance.
Sin fechas programadas / Consulte a contacto@eant.tech o llamando al 11 5258 4500
Podés conocer más sobre la Escuela de Ciencia de Datos clickeando acá.
Suipacha 207 - Piso 1
Microcentro, Cdad de Buenos Aires, Argentina
contacto@eant.tech
+54 11 5258 4500