Rating Comercial
El Rating Comercial es una aplicación desarrollada por Smart Escrow que devuelve un scoring dinámico, simbólico de la capacidad comercial de un proveedor para con sus clientes, basado en análisis de Big Data y un modelo de Machine Learning supervisado (IA), posibilitado por el tratamiento y almacenamiento de los datos endógenos (capturados a través de nuestros conectores, intrínsecos a la relación comercial particular de un proveedor y cliente determinados) y su posterior contextualización a partir de las variables apiladas en bases de datos exógenas (que representan las tendencias de grandes mercados y centrales de compra), en un proceso completamente automatizado cuya principal finalidad es asignar a las empresas un scoring crediticio sólido y fiable para que tengan acceso a liquidez bajo distintas modalidades de financiación.
¿Por qué scoring dinámico?
Porque el output del Rating Comercial de Smart Escrow, representado por un scoring que califica la capacidad del proveedor, varía por cada nueva iteración (es decir, la entrada de nuevos datos) que se produce en el transcurso de la operación comercial actual (supongamos la emisión de un mensaje EDI como RECADV que muestre que parte de la mercancía ha sido rechazada por tener una fecha de caducidad inapropiada, con posterioridad a haber realizado el estudio de la orden de pedido contenida en el mensaje ORDERS) o al recibir información relativa a otra operación comercial diferente (por ejemplo, con el aporte de una Hoja 3 del DUA de Exportación relativa a una venta efectuada por un proveedor nacional a un cliente afincado en Canadá) o un conjunto de operaciones (como la Declaración Intrastat en el flujo de expedición del último periodo de referencia).
Nuestro sistema contabiliza cada nueva entrada de información por cualquiera de los conectores posibles (de hecho, la aplicación global se descompone a su vez en subrutinas de cálculo de rating comercial para las operaciones captadas a través de cada uno de los conectores. Siendo el rating comercial global una ponderación de los valores actuales de cada rating comercial particular de los conectores, en función al número de operaciones procesadas por cada uno de los conectores, el importe económico de éstas y el grado de verificación posible que ofrece el conector), procesando y analizando los datos para actualizar la puntuación del proveedor, de ahí que lo definamos como un scoring dinámico, que de hecho es más preciso cuantas más operaciones analice.
¿Por qué Big Data?
Es evidente, por la propia formulación de nuestro Rating Comercial, que vamos a trabajar con una cantidad ingente de datos, tanto endógenos (¿qué cantidad de datos pueden generarse a través de los mensajes EDI entre un mismo proveedor y todos sus clientes en un par de años? ¿y de los datos extraídos de un TPV de cualquier comercio con afluencia de clientes? ¿de todas las exportaciones efectuadas durante 5 años de una empresa que trabaje con nosotros? ¿y de todos a la vez?) como exógenos (si nos pueden parecer muchos los endógenos, mejor no pensar en todo lo que necesitamos almacenar para desentrañar qué está ocurriendo en los grandes mercados).
Y, por si fuera poco, como hemos afirmado antes, nuestro sistema de Rating Comercial es más exacto cuantas más operaciones analice… Necesitamos Big Data indudablemente, ¡queremos analizar la mayor cantidad de datos posible!
¿Por qué Machine Learning?
En primer lugar, porque estamos condenados al uso de la IA en este proyecto. Sería imposible para cualquier persona, a lo largo de su vida, analizar la inmensa cantidad de datos con los que vamos a tratar; y, en segundo lugar, porque actualmente cualquier aplicación móvil de ajedrez (basadas en algoritmos de IA) es capaz de vencer (o en el peor de los casos terminar en tablas la partida), sin prácticamente despeinarse, a los mejores GM (Grandes Maestros) del panorama mundial. La progresión y evolución en las últimas décadas en el campo de la IA ha sido absolutamente brutal, siendo mucho más eficaces y eficientes a la hora de resolver problemas de características similares al que nos ocupa.
En concreto, nuestro Rating Comercial, se basa en un modelo de Machine Learning supervisado, una de las ramas más innovadoras de la IA con capacidad de aprendizaje autónomo que, a través de un algoritmo, halla patrones de correlación entre todos los datos (endógenos y exógenos) analizados para predecir con qué probabilidad ocurrirán una serie de sucesos (por ejemplo, que un proveedor no pueda hacer frente satisfactoriamente a la cantidad de pedidos que le llegan o que vaya a tener problemas en la devolución de un préstamo) que nos informan sobre la capacidad comercial de la empresa en cuestión.
