• Las soluciones de analítica permiten comprender los hábitos, identificar patrones y hasta personalizar los productos para sus clientes, explica especialista de SAS.
• Se han presentado casos en los que las empresas aumentan la recuperación de deudas hasta en un 70%, ajustando sus estrategias de cobranza con base en modelos analíticos.

06 de abril de 2026. En los últimos años, el país ha sido testigo de algunas intervenciones a entidades financieras, lo que ha causado incertidumbre no solo en los clientes y consumidores, sino también en el sistema financiero en general, impactando su credibilidad.

Por esta razón, los expertos recuerdan que las empresas de este sector deben, ahora más que nunca, implementar una gestión de riesgos más robusta, activa, preventiva y basada en datos; considerando que hoy la analítica avanzada se ha convertido en una aliada estratégica para anticipar vulnerabilidades, tomar mejores decisiones y fortalecer la sostenibilidad financiera.

Luis Barrientos, Risk Domain Expert de SAS para América Latina, explica que “es importante comprender que la gestión de riesgos en las entidades financieras no busca eliminar completamente las pérdidas, sino mantenerlas bajo control dentro de un apetito de riesgo definido por la misma entidad, permitiendo así a las instituciones crecer, innovar y atender nuevos nichos de mercado sin comprometer su estabilidad”.

En este punto, señala, la analítica avanzada cumple un rol clave al permitir comprender cómo se comportan los flujos financieros, cómo circulan y se asignan tales recursos dentro de la organización y qué factores influyen en el cumplimiento de las obligaciones por parte de los clientes.

Precisamente, información generada por SAS muestra que, cuando los datos, los modelos analíticos y la toma de decisiones se integran en una sola línea de producción, las entidades pueden lograr reducciones de hasta un 25% en el costo total de propiedad de sus sistemas, además de proyectar retornos de inversión de hasta 10 veces el monto invertido.

Modelos históricos y criterios estáticos

Barrientos recordó que, tradicionalmente, la gestión del riesgo se apoyaba en modelos históricos y criterios relativamente estáticos. Existían múltiples sistemas heredados para modelar el riesgo y tomar decisiones, así como datos aislados que no se explotaban al máximo, lo que se traducía en una capacidad analítica y operativa exiguas que generaban costos más altos en todas las áreas y no permitía cumplir a cabalidad con los objetivos de eficiencia y eficacia de la institución.

Hoy, gracias al análisis de grandes volúmenes de datos, tanto estructurados como no estructurados, las entidades financieras pueden identificar patrones de comportamiento, anticipar posibles incumplimientos y actuar con mayor oportunidad y precisión. Experiencias internacionales en tiempo volátiles e inciertos, han dado cuenta de mejoras del 1% en el desempeño de los procesos de cobranza, lo que representa cantidades millonarias de dinero en resultados financieros.

En productos sin garantía directa, como las tarjetas de crédito, la analítica permite segmentar a los clientes según su perfil de riesgo, ajustar precios, definir límites de crédito diferenciados e incluso activar esquemas de cobranza preventiva antes de que se materialice la mora. En este tipo de escenarios, se ha documentado que las entidades pueden reducir sus pérdidas crediticias anuales en alrededor de un 5%, o incluso incrementar la recuperación de deudas de difícil cobro o antes de este punto hasta en un 70%, cuando ajustan pertinentemente sus estrategias de cobranza con base en modelos analíticos más meticulosos y las etapas de dichos procesos articulados idóneamente.

Es así como existe la posibilidad de que el riesgo y su debida gestión, entendido desde esta perspectiva, se percibe como un elemento estratégico y de valor para la empresa pues se convierte en una herramienta para la generación de valor a largo plazo, el fortalecimiento de la toma de decisiones, el cumplimiento normativo y de las buenas prácticas, consolidación de la reputación institucional y; por todo lo anterior en una ventaja competitiva.

Principales retos de las entidades financieras

Barrientos agregó que uno de los principales retos para las entidades financieras en Costa Rica y la región no es la falta de talento técnico, pues cada vez existen más equipos con capacidades avanzadas en modelación estadística y aprendizaje automático; sino la ausencia de procesos integrados y gobernados de punta a punta.

“Cuando los modelos analíticos se desarrollan y administran de forma aislada, en silos tecnológicos o departamentales, su impacto se diluye. En mercados volátiles como el costarricense, llevar un modelo a producción puede demorar seis o nueve meses después de haber sido diseñado, lo que puede significar tomar decisiones con información desactualizada. La clave está en conectar datos, análisis y toma de decisiones dentro de una misma línea de producción fluida, totalmente vinculada con los objetivos estratégicos de la institución y no solo con las necesidades puntuales de áreas específicas”, aseguró el Risk Domain Expert de SAS para América Latina.

Gestión de riesgos en el sector asegurador

Por otra parte, la analítica avanzada también está transformando la gestión de riesgos en el sector asegurador. En un entorno donde surgen nuevas variables como vehículos eléctricos, dispositivos conectados, datos de comportamiento en tiempo real; los modelos actuariales tradicionales evolucionan para incorporar información proveniente de tecnologías como el Internet de las Cosas (IoT).

Estos avances permiten, por ejemplo, evaluar el riesgo de conducción a partir de patrones reales de manejo y ofrecer coberturas más ajustadas al perfil del asegurado, beneficiando tanto a las empresas como a los consumidores.

Para Barrientos, los recientes acontecimientos en el sistema financiero costarricense no solo dejaron aprendizajes en cuanto a oportunidades de mejoras en gobierno corporativo, sino también evidenció, para las juntas directivas y los equipos de liderazgo, el desafío de definir con claridad qué tipo de institución quieren ser, cuáles son sus objetivos de negocio y cómo la analítica puede apoyar esas metas de forma transversal.

“Invertir en analítica avanzada no se trata solo de tecnología, sino de repensar procesos, fortalecer la gobernanza de datos y acelerar la capacidad de respuesta ante cambios del mercado. En un entorno cada vez más complejo y regulado, anticiparse al riesgo es, hoy más que nunca, una ventaja competitiva”, concluyó Barrientos.