En nuestro último Nu DS & MLE Meetup, los científicos de datos senior Jacob y José nos guiaron a través del complejo (y siempre cambiante) mundo de la gestión de límites de crédito. Y, por supuesto, compartieron cómo la ciencia de datos nos ayuda a tomar decisiones más inteligentes, escalables y sostenibles para nuestros clientes en toda América Latina.

Con más de 122 millones de clientes y creciendo, ofrecer el límite de crédito adecuado es tanto una oportunidad de negocio como una responsabilidad. Un límite demasiado bajo puede frustrar al cliente. Uno demasiado alto puede exponer tanto a él como a Nubank a riesgos financieros innecesarios. ¿Cómo encontrar el equilibrio correcto? Vamos a descubrirlo.

Replanteando el desafío de modelar riesgo

El eje central de la presentación fue nuestra estrategia de modelado de riesgo, específicamente para decidir cuándo y cómo aumentar el límite de crédito de clientes actuales. José comenzó contextualizando el desafío de negocio: gestionar el riesgo crediticio promoviendo al mismo tiempo la salud financiera, y asegurando que nuestras tarjetas de crédito sigan siendo útiles y rentables.

Para lograrlo, el equipo se enfoca en una métrica clave: la probabilidad de incumplimiento, es decir, la probabilidad de que un cliente no pague su factura dentro de un período determinado (generalmente entre 60 y 180 días).

Pero no basta con predecir si alguien va a incumplir. También nos importa cuándo. Ahí es donde entra el análisis de supervivencia: un enfoque más sofisticado que modela el tiempo hasta el incumplimiento utilizando curvas de supervivencia, lo que nos permite capturar no solo el riesgo, sino también su evolución con el tiempo.

Descubre las oportunidades

Combinando técnicas clásicas con flexibilidad moderna

Jacob profundizó en los detalles técnicos de nuestro enfoque. Si bien los modelos tradicionales, como los no paramétricos y los paramétricos, ofrecen buenas referencias, cada uno tiene sus limitaciones. Por ejemplo, los modelos no paramétricos no escalan bien y tienden al sobreajuste cuando hay muchas variables involucradas. Los paramétricos, aunque interpretables, suelen basarse en suposiciones fuertes (y a veces incorrectas) sobre la distribución de los datos.

Para abordar estos desafíos, el equipo aplica una estrategia de “dividir y conquistar”: primero construyen un modelo robusto de ranking de riesgo para capturar señales relevantes, y luego usan esa señal para ajustar curvas de riesgo más precisas.

Este proceso en dos etapas permite calibraciones más frecuentes de las curvas de supervivencia, mientras se mantiene estable el modelo principal de ranking. El resultado es una estructura modular y escalable, que se adapta bien a distintos países y a cambios en el comportamiento de los clientes.

Ingeniería inteligente para un entorno dinámico

Por supuesto, los buenos modelos son solo una parte de la ecuación. José cerró la charla destacando la importancia del monitoreo y la disciplina operativa. A medida que el comportamiento de los clientes cambia —especialmente en mercados menos maduros como México o Colombia— el equipo monitorea de cerca los indicadores de rendimiento, el concept drift y la estabilidad de las variables. Esto incluye gestionar el impacto de nuevos lanzamientos de productos, cambios macroeconómicos y modificaciones en los datos externos de burós de crédito.

El equipo también destacó su inversión en bases de ingeniería sólidas: almacenes de variables reutilizables, pipelines de CI/CD y alertas automatizadas para bajo rendimiento o anomalías.

Y la visión no se detiene ahí. El equipo ya está experimentando con modelos fundacionales entrenados con billones de transacciones financieras para explorar nuevas fronteras en el modelado del comportamiento de los clientes.

Salud financiera a gran escala

Esta sesión fue una inmersión profunda en cómo Nubank toma decisiones de crédito basadas en datos que escalan —no sólo en términos de tecnología, sino también en impacto. Al refinar continuamente nuestros modelos, infraestructura y estrategias, podemos ofrecer crédito significativo al tiempo que promovemos la inclusión financiera y la estabilidad.

En palabras de Jacob: “Siempre buscamos metodologías simples pero robustas —nunca estáticas, siempre evolucionando.”

En Nubank, la gestión inteligente de límites de crédito es un compromiso con la evaluación de riesgo escalable, la inclusión financiera y la salud financiera a largo plazo de nuestros clientes. Al combinar ciencia de datos sólida con prácticas de ingeniería flexibles, podemos ofrecer decisiones de crédito que no sólo son precisas y rentables, sino también alineadas con el bienestar financiero de los más de 122 millones de clientes que atendemos en América Latina.

¿Quieres saber más sobre cómo usamos datos para generar impacto a escala? Sigue el blog Building Nubank para más contenidos técnicos de nuestros equipos de ingeniería y ciencia de datos.

Descubre las oportunidades