Migración de Modelos de Riesgo de Crédito de SAS a Python

01El Cliente

Institución financiera de gran tamaño con departamento dedicado de Análisis de Riesgo de Crédito, con entorno de modelado analítico consolidado en tecnología propietaria SAS.

02El Desafío

• Dependencia de tecnología propietaria SAS con alto costo de licenciamiento
• Dificultad para escalar y mantener los modelos en el entorno heredado
• Limitación en la adopción de bibliotecas modernas de Machine Learning
• Necesidad de modernizar el entorno de modelado para aumentar la agilidad y reducir costos operativos

03Solución Implementada

• Migración de los modelos analíticos de riesgo de crédito de SAS a Python con Spark
• Reescritura y validación estadística comparativa de los modelos para garantizar equivalencia de resultados
• Implementación de pipelines de procesamiento distribuido con PySpark
• Adopción de bibliotecas modernas de ML (scikit-learn, XGBoost) para modelado predictivo de crédito

04Diferenciales Estratégicos

• Eliminación de la dependencia de software propietario con migración a stack open source
• Validación rigurosa de la lógica de negocio original durante la transición, sin pérdida de confiabilidad de los modelos
• Arquitectura escalable con Spark para soportar volúmenes crecientes de datos de crédito
• Capacitación del equipo interno en tecnologías modernas de Data Science y ML

05Resultados Alcanzados

• Reducción de costos operativos con eliminación de licencias
• Mayor agilidad en el desarrollo, actualización y despliegue de modelos de riesgo
• Acceso al ecosistema open source de ML para la evolución continua de los modelos
• Escalabilidad para procesar volúmenes crecientes de datos sin costos adicionales de licencia