Evaluación masiva en batch: re-scoring de cartera y campañas de preaprobados
Cómo ejecutar la misma política de crédito sobre miles de clientes a la vez: campañas de preaprobados, re-scoring de cartera y backtesting con procesamiento batch, sin proyectos de ingeniería.
Actualizado en julio de 2026 · 6 min de lectura
En resumen
La evaluación masiva ejecuta la misma política de originación sobre miles de clientes a la vez: campañas de preaprobados, re-scoring de cartera y backtesting. Se sube un archivo, se valida, se ejecuta con paralelismo controlado y se exporta el resultado completo.
La misma política que decide una solicitud en tiempo real puede correr sobre toda la cartera de una vez. Esa capacidad — evaluación masiva en batch — convierte el motor en una herramienta comercial y de gestión de riesgo, no solo de originación.
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.
Casos de uso: mucho más que originación
Cuando evaluar diez mil clientes cuesta lo mismo que preparar un archivo, se abren usos que antes exigían un proyecto de ingeniería:
- Campañas de preaprobados: correr la política sobre la base de clientes y salir a ofrecer con monto y límite ya calculados.
- Re-scoring periódico de cartera: recalificar a los clientes activos para gestión de límites y alertas tempranas de mora.
- Backtesting: ejecutar una política candidata sobre solicitudes históricas y comparar contra lo que se decidió en su momento.
- Migraciones: al cambiar una política, correr ambas sobre la misma base y cuantificar el impacto antes del switch.
¿Cómo funciona un proceso batch en el motor?
El circuito completo puede resolverse dentro de la plataforma: se sube el archivo de entrada en la sección de archivos, se elige la política objetivo y el proceso valida el contenido con una vista previa antes de ejecutar.
Durante la ejecución, el nivel de paralelismo se ajusta dentro de los límites definidos para la instalación, y el tablero muestra el progreso con estadísticas de éxito y falla y detalle por consulta. Al final, el resultado se exporta con los campos autorizados y configurados por la institución.
Buenas prácticas para correr masivos
Un batch es una política ejecutándose miles de veces: los cuidados son los de producción, multiplicados.
- El archivo debe respetar exactamente los nombres y tipos de las variables de entrada de la política — la validación previa existe para eso.
- Probar primero con una muestra chica y revisar resultados antes de largar la base completa.
- Atención a las fuentes externas: un batch que consulta bureaus paga cada consulta. Diseñar la política con reconsulta y reglas tempranas también ahorra acá.
- Dividir archivos muy grandes y ajustar los hilos según la capacidad de los proveedores consultados.
- Descargar y archivar los resultados apenas termina el proceso.
Batch y tiempo real: la misma política, dos velocidades
El valor silencioso del batch integrado al motor es la coherencia: la campaña de preaprobados usa exactamente la misma lógica, versionada y auditada, que la originación en vivo. No hay dos implementaciones que puedan divergir.
Y cada evaluación masiva queda registrada como transacción, igual que una solicitud individual: el preaprobado que se ofreció en la campaña es reconstruible y explicable, ante el cliente y ante el regulador.
Las prácticas descritas deben adaptarse a la normativa, las políticas de crédito y las obligaciones de protección al consumidor y de datos personales aplicables en cada país.
Documentación técnica
Cómo se implementa esto en el motor, paso a paso.
Dudas habituales
¿El batch consulta a los bureaus?+
Sí: la política corre completa, incluidas sus fuentes de datos. Por eso conviene estimar el costo por consulta antes de lanzar, aprovechar la ventana de reconsulta y validar con una muestra. Para backtesting puro se puede usar una variante de la política que lea datos ya almacenados.
¿Qué tamaño de archivo conviene procesar?+
La práctica recomendada es dividir archivos muy grandes en tandas y ajustar la cantidad de hilos según los proveedores consultados. El límite práctico no suele ser el motor sino el rate limit y el costo de las fuentes externas.
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.