{"id":102101,"date":"2019-07-09T07:30:47","date_gmt":"2019-07-09T05:30:47","guid":{"rendered":"https:\/\/www.agendaempresa.com\/?p=102101"},"modified":"2019-07-09T08:34:21","modified_gmt":"2019-07-09T06:34:21","slug":"147-431-millones-de-euros-en-compras-con-tarjetas-de-credito-debito-en-2018","status":"publish","type":"post","link":"https:\/\/www.agendaempresa.com\/102101\/147-431-millones-de-euros-en-compras-con-tarjetas-de-credito-debito-en-2018\/","title":{"rendered":"147.431 millones de euros en compras con tarjetas de cr\u00e9dito\/d\u00e9bito en 2018"},"content":{"rendered":"<h2 style=\"text-align: center;\"><strong>El repunte del cr\u00e9dito al consumo podr\u00eda transformarse en un aumento de la morosidad y en un deterioro de la cartera de las entidades<\/strong><\/h2>\n<p>A pesar de la fuerte competencia de las nuevas modalidades de pago, el uso de las tarjetas de cr\u00e9dito y d\u00e9bito sigue creciendo en Espa\u00f1a. \u00a0De hecho, el pasado a\u00f1o se realizaron compras por un total de <strong>147.431 millones de euros<\/strong> en punto de venta pagadas con tarjetas, un m\u00e1ximo hist\u00f3rico que se va batiendo cada a\u00f1o desde 2013, seg\u00fan un estudio elaborado por la consultora <strong>AIS Group<\/strong>, que analiza la evoluci\u00f3n de la red de tarjetas desde 2014.<\/p>\n<p>En 2018, el n\u00famero de tarjetas que conforman la red de medios de pago en Espa\u00f1a ascendi\u00f3 a 83,7 millones, de ellas, 36,6 millones son tarjetas de cr\u00e9dito y unos 47 millones son de d\u00e9bito. De media los espa\u00f1oles tenemos 2,2 tarjetas per c\u00e1pita.<\/p>\n<p>Desde 2014, el total de tarjetas ha aumentado en 16 millones de unidades, lo que supone un crecimiento del 24%. Pero no s\u00f3lo ha aumentado el n\u00famero de tarjetas, tambi\u00e9n la cantidad de operaciones. En este periodo de tiempo se ha pasado de realizar 2.500 millones de operaciones por este medio a 3.900 millones, un 56% m\u00e1s.<\/p>\n<p>\u201cSi bien se desaceler\u00f3 en algunos a\u00f1os, el total de operaciones no pas\u00f3 nunca a tasas de crecimiento negativas, ni siquiera durante la crisis\u201d, comenta <strong>Jos\u00e9 Manuel Aguirre<\/strong>, economista y director comercial de <a href=\"https:\/\/www.ais-int.com\/\" target=\"_blank\" rel=\"noopener noreferrer\">AIS Group<\/a>. \u201cHoy destaca -a\u00f1ade- que su ritmo de crecimiento est\u00e1 en tasas de dos d\u00edgitos\u201d.<\/p>\n<p><strong>Alerta por el cr\u00e9dito al consumo<\/strong><\/p>\n<p>Ante el repunte del cr\u00e9dito al consumo (incluido el de las operaciones con tarjeta) y dada la preocupaci\u00f3n del Banco de Espa\u00f1a porque este crecimiento no se transforme en un aumento de la morosidad y en un deterioro de la cartera de las entidades que pueda poner en riesgo la econom\u00eda, conviene que la banca tome medidas preventivas en la gesti\u00f3n de su riesgo en general, pero en el derivado de las tarjetas de cr\u00e9dito en particular.<\/p>\n<p><strong>La Inteligencia artificial como respuesta<\/strong><\/p>\n<p>Para combatir los riesgos principales derivados de uso masivo de las tarjetas de cr\u00e9dito, seg\u00fan AIS Group hay que atender tres frentes principales \u201cy en los tres, la implementaci\u00f3n de t\u00e9cnicas de inteligencia artificial (IA) como el machine learning tiene mucho que aportar\u201d, afirma <strong>Pere-Joan Ventura<\/strong>, director del \u00e1rea de modelos de riesgo de cr\u00e9dito de AIS Group.<\/p>\n<p>Primero conviene controlar las tarjetas ya emitidas. Es recomendable poner en marcha sistemas de alertas para el seguimiento capaces de identificar comportamientos que denoten una probabilidad alta de caer en impago. El machine learning tiene dos grandes virtudes que lo hacen especialmente recomendable para este tipo de herramientas. Por un lado, es capaz de trabajar con una gran cantidad de variables, analizarlas, encontrar relaciones entre ellas y todo ello a gran velocidad. Por otro lado y relacionado con lo anterior, su poder predictivo es mucho m\u00e1s elevado que el de otras t\u00e9cnicas, por lo que es capaz de detectar esas se\u00f1ales que anuncian un posible impago con mayor antelaci\u00f3n.<\/p>\n<p>El segundo frente es la concesi\u00f3n de nuevas tarjetas. Aunque pr\u00e1cticamente todas las entidades financieras disponen de sistemas de scoring que determinan a qui\u00e9n otorgan las tarjetas, la aplicaci\u00f3n de modelos de inteligencia artificial puede lograr un salto cualitativo. Y lo hacen gracias a la posibilidad de utilizar las tecnolog\u00edas basadas en open banking, que permiten tener una visi\u00f3n m\u00e1s amplia del comportamiento del solicitante de la tarjeta. \u201cSe trata de herramientas \u2013dice Ventura- que recopilan toda la informaci\u00f3n transaccional de las personas que solicitan una tarjeta, no s\u00f3lo la del propio banco, sino la de todas las entidades con las que opera, de modo que obtengamos un retrato mucho m\u00e1s completo que nos permita decidir si de acuerdo a su perfil es conveniente conceder\u201d.<\/p>\n<p>Algunos pueden pensar que este es un campo vetado al machine learning debido a que los modelos de concesi\u00f3n son modelos regulados por el Banco de Espa\u00f1a y, por lo tanto, deben cumplir unos requisitos de documentaci\u00f3n y explicaci\u00f3n de c\u00f3mo toman las decisiones. No obstante, \u201cno es ya s\u00f3lo que el Banco de Espa\u00f1a haya recomendado a las entidades complementar sus modelos con modelos de IA -afirma Ventura-,\u00a0 sino que el halo de caja negra que envuelve a los modelos machine learning ya no es tal. Ya disponemos de herramientas capaces de trazar esos modelos, discernir qu\u00e9 peso se asigna a cada variable, c\u00f3mo influye en la decisi\u00f3n final, etc. En definitiva, se pueden cumplir los requisitos demandados por el regulador\u201d.<\/p>\n<p>Como tercer y \u00faltimo frente est\u00e1 la detecci\u00f3n del fraude. Aqu\u00ed es donde la inteligencia artificial marca la gran diferencia. Las actitudes fraudulentas son muy variadas y utilizan nuevos m\u00e9todos constantemente. \u201cLa IA posibilita el an\u00e1lisis a tiempo real de la operativa, evaluando si las operaciones est\u00e1n siendo capciosas y aprende autom\u00e1ticamente de los comportamientos que observa, siendo capaz de detectar el fraude con un acreditado grado de eficacia\u201d, concluye el experto.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>El repunte del cr\u00e9dito al consumo podr\u00eda transformarse en un aumento de la morosidad y en un deterioro de la cartera de las entidades A pesar de la fuerte competencia de las nuevas modalidades de pago, el uso de las tarjetas de cr\u00e9dito y d\u00e9bito sigue creciendo en Espa\u00f1a. \u00a0De hecho, el pasado a\u00f1o se [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":102102,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[27451],"tags":[28258,24183,27907],"wps_subtitle":"","_links":{"self":[{"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/posts\/102101"}],"collection":[{"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/comments?post=102101"}],"version-history":[{"count":0,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/posts\/102101\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/media\/102102"}],"wp:attachment":[{"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/media?parent=102101"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/categories?post=102101"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.agendaempresa.com\/wp-json\/wp\/v2\/tags?post=102101"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}