Cliente
BANCO AGRARIO DE COLOMBIA
Categoría
Sector Financiero
Objetivo del Proyecto
Desarrollar un modelo de analítica avanzada que permita identificar si una solicitud de crédito agropecuario contiene información irregular y conocer el lugar exacto de los predios para el otorgamiento de crédito agropecuario.
Solución
Técnicas de Machine Learning y de proximidad con IBM SPSS Modeler para georreferenciar los predios que están siendo objeto de solicitudes de crédito agropecuario.
“Gracias al uso apropiado del procesamiento estadístico y probabilístico inherente a la analítica, el Banco cuenta con herramientas confiables para la toma de decisiones en casos donde la incertidumbre juega como un variable más.”
Mario Alberto Hernández López
Gerente Nacional de Seguridad Bancaria

Información del Proyecto

Optimización de créditos con analítica avanzada en el Banco Agrario de Colombia

El Banco Agrario de Colombia logró una destacada optimización de créditos con analítica avanzada. Gracias a esta transformación, ahora detecta irregularidades en las solicitudes de crédito agropecuario y georreferencia con precisión los predios financiados. Como resultado, la entidad fortaleció su capacidad de toma de decisiones y redujo significativamente los riesgos financieros.

Desafío: Identificar irregularidades en créditos agropecuarios

Uno de los principales retos era detectar a tiempo inconsistencias en los créditos destinados al sector rural. Dado que estos financiamientos tienen retornos a largo plazo, requieren un seguimiento riguroso. Sin embargo, las demoras en identificar comportamientos irregulares generaban pérdidas económicas y afectaban la eficiencia del proceso.

Solución: Aplicación de analítica avanzada para el otorgamiento de créditos

Para hacer frente a este reto, se integraron técnicas de Machine Learning y análisis de proximidad mediante IBM SPSS Modeler. También se analizaron cinco bases de datos en distintos formatos, lo cual permitió construir y afinar un modelo analítico capaz de detectar irregularidades con mayor precisión.

Además, se incorporó una capa de georreferenciación. Gracias a esto, fue posible validar la ubicación exacta de los predios asociados a los créditos, lo que incrementó el control en el proceso de análisis y aprobación.

Resultados: Datos al servicio de decisiones más seguras

Como resultado de esta estrategia, el Banco fortaleció su capacidad para evaluar riesgos, redujo tiempos de respuesta y fomentó una cultura organizacional basada en el análisis de datos. De esta manera, se consolidó como referente en innovación dentro del sector financiero rural.

Conoce más sobre el Banco y sus servicios en su sitio web oficial.

 
 
 
Footer CALA Analytics