Una fintech de crédito lleva dos años creciendo. Tiene clientes, tiene cartera y por fin consigue la reunión que buscaba: un fondo internacional de crédito quiere conocerla. Antes de hablar de tasas, el fondo pide la base de datos de créditos. El analista corre una sola prueba, crédito por crédito: saldo inicial, más desembolsos, menos pagos de capital, tiene que dar el saldo final.
En cientos de créditos no da. La conversación no termina por la tasa ni por el riesgo. Termina ahí.
Nadie se robó nada. Lo más probable es que alguien haya digitado mal una cifra o que un sistema haya dejado de actualizar un campo. Pero desde afuera, un error de digitación y un problema serio se ven exactamente igual.
Ahora, la escena contraria. Hace poco, en Colombia, un ganadero reconocido levantó dinero de muchos inversionistas para un negocio respaldado en cabezas de ganado. La historia era buena, el nombre era confiable y los números se veían bien. Nadie verificó si los animales existían. No existían.
Una empresa honesta con la data desordenada se queda sin fondeo. Una historia bien contada sobre un activo inexistente lo consigue. El mercado está confundiendo orden con verdad.
Todos tienen errores
Alejandro Arenas evalúa fintechs de crédito en América Latina para CIM, un fondo de deuda de impacto con base en San Francisco, y lo dijo sin rodeos en All You Can Debt: nunca le ha tocado una compañía sin errores en su data. Ninguna. Hubo un momento en que la mitad de los procesos se caían porque arreglar la información con el originador era imposible; hoy espera que sean menos del 30%.
El error más común es el más simple: los saldos no se concilian. Y su consejo para los emprendedores también es simple: antes de mandarle la base a un lender, piensa qué análisis va a correr y córrelo tú primero.
Parece un detalle operativo, pero es el centro del negocio. Para un fondo de crédito, la data es la única forma de ver el pasado de un portafolio, y el pasado es lo único que tiene para estimar el futuro. Por eso, dice Alejandro, el equity sirve para probar que un producto funciona y la deuda sirve para escalarlo cuando ya hay historia. Cuánta historia hace falta depende del producto: un portafolio de factoring a 60 o 90 días da varias vueltas en un año, mientras que un crédito vehicular a 60 meses, al mes doce, todavía no ha mostrado casi nada. Pero en cualquier caso, si la data no cuadra, esa historia no existe, aunque los créditos sí hayan existido.
La hoja de cálculo perfecta
El problema es que el mercado está usando el orden como si fuera prueba. Una base que concilia da tranquilidad, y una que no concilia genera sospechas. Pero la conciliación solo demuestra que los números son coherentes entre sí, no que respondan a algo real. El ganadero seguramente también tenía hojas de cálculo impecables.
Alejandro dio una pista de cómo funciona esto en la práctica cuando habló del backup servicer, el administrador de respaldo que entra si el originador falla. En una de sus transacciones, el originador se liquidó y, aunque tenían el derecho de reemplazarlo, decidieron seguir trabajando con su equipo, porque nadie conocía mejor la cartera. El único caso en que activarían el respaldo sin dudar, explicó, es el fraude: cuando se rompe la confianza en quien administra los créditos.
Todo depende, entonces, de poder distinguir a tiempo un error de un fraude. Y eso no se resuelve con una hoja de cálculo más ordenada. Se resuelve mirando la fuente.
Lo que la data tiene que probar
Alejandro cerró la conversación con un libro, When Genius Failed, sobre el fondo de premios Nobel que se desplomó a finales de los noventa. Su lección: por más inteligente y preparado que uno sea, siempre pasan cosas que nadie tenía en el modelo. La forma de protegerse no es confiar más en el modelo, sino en lo que lo alimenta.
En Vaas verificamos existencia, ownership y cashflows de cada activo contra la fuente, todos los días. Eso permite que una fintech ordenada pueda demostrar que su orden es real, y que un lender pueda distinguir el error de digitación del ganado que nunca existió. Que los saldos cuadren es el primer paso. Que cuadren con la realidad es lo que convierte la data en confianza.
La conversación completa con Alejandro Arenas, incluyendo cómo una fintech logró que pymes importadoras pasaran de ciclos de caja de seis meses a uno o dos, y por qué cree que la tasa de usura termina encareciendo el crédito para quienes intenta proteger, está en el segundo episodio de All You Can Debt.
▶️ YouTube: https://sl1nk.com/8trd9gx
🎙️ Spotify: https://l1nk.dev/cc0dfvi
Descubre más acerca de Vaas en: https://getvaas.com
