De la matriz de Excel al motor: cómo digitalizar matrices de riesgo crediticio
Cómo pasar las matrices de riesgo que hoy viven en Excel a un motor de decisiones: tablas de doble entrada versionadas, testeables y auditables, sin escribir código.
Actualizado en julio de 2026 · 5 min de lectura
En resumen
Las matrices de riesgo que viven en Excel se digitalizan en el motor como tablas de doble entrada versionadas: cada celda asigna un valor según condiciones de fila y columna. El equipo de riesgo las edita sin programar, con prueba previa y marcha atrás inmediata.
Buena parte de las políticas de crédito de Latam nace en una planilla: score por antigüedad laboral, ingreso por nivel de endeudamiento, comportamiento por producto. El problema nunca es la matriz — es todo lo que la rodea: copias que circulan por mail, versiones que nadie controla y una traducción manual a sistemas que tarda semanas e introduce errores.
Escrito porSantiago Etchegoyen · CTO de uFlow
CTO de uFlow. Responsable de la arquitectura del motor de decisiones: integración por API, orquestación de bureaux y fuentes de datos, ejecución de modelos en producción y la seguridad de la plataforma.
¿Por qué las matrices de riesgo viven en Excel (y por qué duele)?
Excel es donde el equipo de riesgo piensa: es flexible, universal y no pide permiso a nadie. El problema empieza cuando la planilla deja de ser análisis y pasa a ser la política vigente.
En ese momento aparecen los síntomas clásicos:
- Planillas "matriz_v7_FINAL_ahora_si.xlsx" circulando por mail, sin una fuente de verdad.
- Diferencias entre la matriz que riesgo aprobó y la que sistemas implementó, descubiertas meses después.
- Semanas de espera para que un cambio de cortes llegue a producción.
- Imposibilidad de responder qué matriz estaba vigente en una fecha determinada cuando lo pide auditoría.
La matriz como objeto de primera clase en el motor
En uFlow la matriz no se traduce a código: se carga como lo que es. El nodo Matriz es una tabla de doble entrada que asigna valores según condiciones de fila y columna — la alternativa directa a los if anidados o al case when ilegible.
Cada celda puede contener un valor fijo, una fórmula o una expresión condicional, y las dimensiones se ajustan cuando la política evoluciona: agregar un tramo de score o una banda de ingreso es una operación del editor, no un ticket de desarrollo.
Buenas prácticas al digitalizar una matriz
La disciplina que en Excel es opcional, en el motor se vuelve método:
- Cobertura completa: toda combinación posible de condiciones debe tener valor asignado.
- Valores por defecto y una condición "true" en la última fila y columna como red de seguridad, para que ningún caso quede sin respuesta.
- Agrupar condiciones con lógica de negocio (tramos contiguos, orden natural) para que la matriz se lea como la pensó riesgo.
- Probar el nodo en aislamiento con casos reales antes de publicar, incluyendo los bordes de cada tramo.
¿Qué se gana al digitalizar la matriz, además de velocidad?
Digitalizar la matriz no es solo ejecutarla más rápido. Es sumarle todo lo que la planilla nunca va a tener:
- Versionado: cada cambio de cortes queda registrado, con marcha atrás inmediata si el ajuste sale mal.
- Trazabilidad por decisión: para cada solicitud queda registrado qué camino y qué valores produjo la matriz.
- Champion/challenger: probar una matriz con cortes nuevos sobre una porción del tráfico antes de adoptarla.
- Autonomía: el equipo de riesgo cambia la matriz en horas, sin depender de sistemas.
Documentación técnica
Cómo se implementa esto en el motor, paso a paso.
Dudas habituales
¿Tenemos que abandonar Excel?+
No. Excel sigue siendo la mejor herramienta para analizar y diseñar los cortes. Lo que se migra al motor es la ejecución en producción: la matriz vigente pasa a estar versionada, probada y auditada en un solo lugar, en vez de repartida en planillas.
¿Qué pasa si una combinación no está contemplada?+
Es el error más común de las matrices y la razón de las buenas prácticas: valores por defecto y una condición final que capture todo lo no previsto. Además, probar el nodo con casos reales antes de publicar permite detectar los huecos de cobertura en test, no en producción.
Temas relacionados
Champion / Challenger: probar una política nueva sin arriesgar la cartera
Cómo evaluar una política de crédito nueva contra la que ya está en producción, midiendo su impacto real sobre una porción del tráfico antes de adoptarla. La técnica de champion/challenger aplicada a decisiones.
Model riskModel risk: gobernar los modelos de scoring y ML en decisiones de crédito
Los modelos de scoring y machine learning mejoran la decisión, pero introducen riesgo de modelo: sesgo, degradación y falta de explicabilidad. Cómo gobernarlos dentro de un motor de decisiones con validación, monitoreo y trazabilidad.
ProductoCómo lo hace el motor de decisiones de uFlow
Gobierno, versionado y trazabilidad aplicados en el motor, sin frenar al negocio.
Explora todas las guías o lee el blog de uFlow.
¿Te sirve para tu proceso de decisión?
Transforma tu proceso de evaluación crediticia con el motor de decisiones.