Vora ← Volver al marketplace
Fintech Demo interactiva
S

Scoring Explicable

Score de riesgo crediticio que descompone cada decisión en la contribución exacta de cada factor.

Solicitud

Editable

Decisión y motivos

—
620
Revisión manual

150580 · revisión720 · aprueba950

Factores que más pesaron

Camino a la aprobación

Descomposición del score

Puntaje base + contribución de cada factor

Qué estás viendo

Esto es una demo interactiva de Vora, no un producto en venta. Corre entera en tu navegador, sobre datos ficticios, y existe para mostrar en concreto —no en una lámina de PowerPoint— el tipo de artefacto de software que construimos.

Cada pieza del marketplace ataca un problema real de un sector donde ya entregamos: son posibilidades de lo que podemos construir sobre tu operación, con tus datos, tus reglas y tus integraciones. Lo que ves aquí en unos segundos, en producción es un proyecto acotado y medible.

Bajo el capó

Qué está corriendo de verdad en esta página, con qué números, y qué no.

—

Qué computa

Modelo aditivo generalizado: cada variable pasa por su propia función de puntos y el score es la suma. 7 factores, evaluados en el navegador en cada cambio.

Sin backend, sin llamadas de red: O(n) sobre el número de factores.

Por qué la atribución es exacta

En un modelo aditivo el valor de Shapley de cada variable tiene forma cerrada: es su función de puntos menos el valor de esa función en la población de referencia.

φᵢ = fᵢ(xᵢ) − fᵢ(x̄ᵢ)

No hay muestreo ni aproximación como en KernelSHAP: las barras de la cascada suman exactamente la diferencia entre el score base y el final.

Para qué sirve

Negar un crédito exige poder decir por qué. Los motivos que ves arriba no están escritos a mano: salen de ordenar las contribuciones negativas.

Es la misma pieza que alimenta una carta de negación y la trazabilidad ante el regulador.

Qué está simulado

  • Los coeficientes son ilustrativos, calibrados a mano para que el comportamiento sea realista. No están entrenados sobre una cartera real.
  • No hay burós ni datos externos: todo sale de los controles.

Para producción faltaría: entrenamiento sobre cartera propia, validación temporal fuera de muestra, monitoreo de deriva, versionado de la tabla de puntos y pruebas de sesgo por segmento.

¿Quieres algo así corriendo sobre tus datos?

Esta demo se construyó como pieza de muestra. Una versión productiva sobre tu cartera, integrada a tu originación, es un proyecto acotado y medible.