METODOLOGÍA Y LIMITACIONES DEL PUNTAJE DATACRED
Versión: CO-2026.11.02-SCORE3
Fecha de vigencia: 2 de noviembre de 2026
Entidad: DataCred Tech S.A.S.
NIT: 902112751-6
Contacto: app@datacred.org · +57 302 668 4956
1. Objeto
Esta política describe a alto nivel cómo DataCred calcula puntajes y cómo deben interpretarse.
No publica parámetros cuya divulgación facilite manipulación, fraude o evasión de controles.
Este es el documento principal de DataCred sobre el puntaje: su naturaleza, la información negativa, la explicación de factores y la responsabilidad. Los demás documentos sobre puntaje, decisiones automatizadas e inteligencia artificial remiten a él.
1.1 Naturaleza del puntaje
El Puntaje DataCred es una estimación estadística de riesgo elaborada con la información disponible para DataCred a una fecha determinada.
No es una decisión de crédito, no es una garantía de aprobación y no es una determinación de solvencia o insolvencia. La decisión de conceder, negar o condicionar un crédito o una venta corresponde exclusivamente al comercio o prestamista que consulta.
1.2 Perímetro del servicio
DataCred Tech S.A.S. no es un banco ni una institución del sector bancario, no es una Institución de Tecnología Financiera del Sector Bancario (ITFB) y no está autorizada ni supervisada por la Superintendencia de las Instituciones del Sector Bancario (SUDEBAN).
El puntaje y los informes de DataCred se ofrecen solo a comercios y prestamistas no bancarios que evalúan su propio riesgo o prestan con fondos propios. No se ofrecen a instituciones bancarias ni por cuenta de ellas.
2. Escala
Los modelos de score de DataCred utilizan una escala de 300 a 850.
La escala es propia de DataCred y no implica equivalencia con modelos externos.
3. Dos familias de evidencia
El motor puede utilizar:
3.1 Comportamiento financiero
Incluye señales derivadas de eventos financieros y memoria financiera, organizadas en dimensiones como:
- Stability;
- Liquidity;
- Behavior;
- Trust;
- Activity.
3.2 Expediente crediticio
El expediente se forma con la información que reportan comercios y prestamistas no bancarios, que deben contar con autorización del titular, y con la información que aporta el propio titular. DataCred no accede al Sistema de Información Central de Riesgos (SICRI) ni recibe información directamente de instituciones bancarias.
Cuando existe información bureau suficiente, puede incluir factores relacionados con:
- historial de pagos;
- utilización;
- antigüedad de cuentas;
- mezcla de cuentas;
- consultas;
- registros negativos jurídicamente utilizables.
4. Mezcla de bureau y comportamiento
DataCred puede combinar ambos componentes.
La confianza atribuida al bureau depende de la profundidad real del expediente y no únicamente del número de tradelines.
Un expediente sin historial reportado suficiente no recibe automáticamente peso completo.
Mientras la persona no alcanza el mínimo de eventos financieros propios que exige el motor, el componente de comportamiento no aporta evidencia. En ese caso el puntaje se calcula con el expediente reportado, dentro de los límites de madurez descritos en la sección 7.
Con expediente reportado, registrarse por sí solo nunca baja el puntaje: el de una persona registrada nunca queda por debajo del que obtendría ese mismo expediente sin cuenta DataCred (consulta sombra), con los mismos techos y descuentos por cobranzas y registros públicos, mientras la persona no tenga atrasos propios. Si es responsable, el puntaje sube por encima de ese piso. Si falla por su cuenta después de registrarse (atrasos, cargos a pérdida, cobranzas o impagos en sus cuentas DataCred dentro de los últimos 24 meses, pagos tardíos o vencidos en Boost, o cuotas vencidas reportadas de Cashea), ese piso deja de aplicar y el puntaje baja de forma normal, aunque quede por debajo del de la consulta sombra. Los atrasos que reportan los comercios ya cuentan en la consulta sombra y bajan los dos puntajes por igual.
5. Expediente delgado
Cuando faltan tradelines o historial:
- las dimensiones no observadas se mantienen neutrales o limitadas;
- el sistema evita premiar con valores máximos factores sobre los que no existe evidencia;
- el comportamiento financiero puede mantener una participación mayor.
Para calcular un primer puntaje se requiere información mínima. Además de las reglas existentes, como un número mínimo de registros entre eventos financieros y cuentas, o ciertas señales independientes verificadas, también basta con:
- 2 cuentas reportadas por comercios; o
- 1 cuenta reportada por un comercio con al menos 6 meses reportados dentro de los últimos 24 meses.
Las cuentas internas de DataCred (por ejemplo, Construir Crédito o un préstamo DataCred) no cuentan como cuentas reportadas para estas reglas ni para la antigüedad y los meses reportados de la sección 7.
6. Calidad de la fuente
Los datos se ponderan según su procedencia y calidad.
El sistema distingue información:
- VERIFIED;
- SELF_ATTESTED;
- derivada;
- disputada;
- potencialmente manipulada.
Una fuente controlada por el usuario recibe controles y ceilings más conservadores.
7. Madurez
La antigüedad y continuidad de información importan.
Un corto período de datos positivos no necesariamente produce la misma confianza que meses o años de comportamiento consistente.
La madurez se mide sobre el expediente completo y no solo sobre la cuenta en DataCred:
- la antigüedad cuenta desde la apertura de la cuenta reportada por un comercio más antigua;
- los meses reportados por comercios dentro de los últimos 24 meses cuentan como actividad desde el primer reporte, aunque la persona todavía no tenga cuenta en DataCred.
Registrarse o verificar la identidad no baja el puntaje por sí solo: la antigüedad y los meses reportados cuentan igual antes y después del registro.
8. Normalización
Eventos pueden normalizarse a una moneda común para análisis.
La conversión depende de:
- moneda;
- fecha;
- tasa disponible;
- calidad del dato.
Un evento que no puede normalizarse puede perder peso o quedar fuera de ciertos cálculos.
9. Información negativa
Los modelos pueden considerar información negativa únicamente durante el período en que sea jurídicamente utilizable.
La caducidad o supresión de un dato debe propagarse al score posterior.
9.1 Obligación pagada
Cuando la fuente reporta el pago o la extinción de una obligación, el registro se muestra como pagado o cerrado, no como deuda vigente ni como mora actual. En ese mismo momento DataCred programa el recálculo del puntaje para que deje de reflejar la mora como actual. El nuevo cálculo se produce en el siguiente ciclo de procesamiento; hasta que concluya, el puntaje entregado puede no reflejar todavía el pago, y DataCred procura que ese intervalo sea el más breve posible.
9.2 Permanencia máxima
DataCred aplica las siguientes reglas de permanencia del dato negativo:
- si la obligación se paga o se extingue, el dato negativo permanece por el doble del tiempo que duró la mora, con un máximo de cuatro (4) años contados desde el pago o la extinción;
- si la obligación no se paga, el dato negativo caduca a los ocho (8) años contados desde que se incurrió en mora;
- ningún dato negativo tiene permanencia indefinida, y ninguna fuente puede extender estos plazos.
Para los registros negativos reportados por las fuentes, como cobranzas y cargos a pérdida, DataCred calcula la fecha de caducidad al recibir el reporte y la recalcula al registrarse el pago. Un proceso periódico elimina los registros vencidos y recalcula el puntaje de la persona.
Para las cuentas reportadas mes a mes, el estado negativo deja de influir en el puntaje al salir de la ventana de 24 meses descrita en la sección 9.3. Además, DataCred se obliga a retirar del informe el estado negativo de esas cuentas al vencer los plazos de esta sección.
9.3 Efecto decreciente
El comportamiento de pago mensual se evalúa sobre una ventana de los últimos 24 meses. Un atraso antiguo pierde peso con el tiempo y deja de influir en ese factor cuando sale de la ventana.
10. Fraude e integridad
Eventos con señales de manipulación pueden:
- reducir confianza;
- quedar excluidos;
- pasar a revisión.
Una anomalía no equivale automáticamente a fraude confirmado.
11. Correcciones
Si cambia materialmente un dato fuente, DataCred recalcula los resultados afectados.
La persona no solicita manualmente “subir” su score: solicita corrección de los datos o revisión de la metodología aplicable.
11.1 Dato reportado e inferencia
DataCred distingue dos tipos de información:
- dato reportado: un hecho informado por una fuente o por el titular, por ejemplo “cuota pagada el 15 de mayo”;
- inferencia de DataCred: el resultado que el modelo calcula a partir de esos datos, por ejemplo el puntaje o su banda.
El titular puede impugnar el dato reportado ante DataCred. Si el dato se corrige, el puntaje se recalcula. El titular también puede pedir que se revise el cálculo cuando considere que el resultado no corresponde a sus datos.
11.2 Reclamo en trámite
Mientras DataCred investiga un reclamo sobre una obligación reportada, DataCred se obliga a identificar la obligación reclamada con la leyenda RECLAMO EN TRÁMITE en los informes que entregue sobre ella.
La fuente debe responder y corregir el dato cuando sea inexacto. Cuando una corrección afecte información ya comunicada, DataCred informará la corrección a las empresas que recibieron el dato erróneo, según el registro de consultas.
El procedimiento, los plazos y los canales se describen en la Política de Consultas, Reclamos y Rectificación de Información Crediticia.
12. Modelos alternativos
El repositorio contempla modelos de scoring con vectores de peso diferentes para distintos contextos de riesgo.
Un tercero no debe asumir que todos los modelos utilizan exactamente los mismos pesos.
13. Versionado
DataCred puede modificar:
- pesos;
- features;
- ceilings;
- thresholds;
- blending;
- calibración.
Los cambios materiales deben probarse y versionarse cuando corresponda.
14. Explicaciones
DataCred procura generar factores de explicación basados en señales realmente presentes.
No debe atribuir una caída de score a una causa que el modelo no utilizó.
El titular tiene derecho a conocer, de forma gratuita y comprensible, las categorías de información que alimentan su puntaje y los factores principales que influyeron en el resultado. DataCred no revela el algoritmo completo ni los controles antifraude, pero el puntaje no es secreto ni incuestionable: el titular puede pedir su explicación y su revisión.
Para cada cálculo DataCred conserva la versión del algoritmo y los factores utilizados, de modo que pueda reconstruir y explicar un resultado ante un reclamo.
15. No discriminación
No deben utilizarse categorías sensibles para discriminar ilícitamente.
La biometría destinada a identidad no debe convertirse en una variable directa de capacidad de pago.
16. Validación
DataCred puede evaluar:
- estabilidad;
- distribución;
- errores;
- outcomes;
- calibración;
- sensibilidad;
- falsos positivos;
- cambios entre versiones.
La existencia de tests internos no constituye una certificación regulatoria externa.
17. Limitaciones
Los modelos pueden:
- tener errores;
- reaccionar a datos incompletos;
- cambiar;
- depender de fuentes externas;
- presentar menor precisión en expedientes delgados;
- requerir recalibración.
18. No garantía
El score no garantiza:
- aprobación;
- tasa;
- monto;
- pago futuro;
- ausencia de fraude;
- decisión de un tercero.
El puntaje puede variar cuando se actualiza la información.
19. Uso del puntaje por empresas
La empresa que consulta adopta su propia decisión y responde por su política de riesgo, la verificación del solicitante, la prevención de fraude y la decisión final.
El puntaje no debe ser el único criterio de una decisión adversa. La empresa debe considerar otros factores, conservar evidencia de ellos y no atribuir a DataCred una decisión que es suya.
Las obligaciones de las empresas, incluida su condición regulatoria, se regulan en los Términos Empresariales y en el Contrato Marco de Afiliación.
20. Responsabilidad
DataCred responde por la exactitud, actualización y tratamiento legítimo de los datos que administra, conforme a la ley.
En las relaciones con empresas, DataCred puede limitar su responsabilidad por daños indirectos y fijar límites cuantitativos en los contratos correspondientes. Ninguna limitación excluye la responsabilidad por dolo, culpa grave, tratamiento ilícito de datos personales o violación de confidencialidad, ni restringe los derechos del titular sobre sus datos.
21. Marco jurídico
Esta política se interpreta conforme a la Ley 1266 de 2008, modificada por la Ley 2157 de 2021, la Ley 1581 de 2012, el Decreto 1074 de 2015 y las instrucciones aplicables de la Superintendencia de Industria y Comercio.
Respecto de titulares en Venezuela, DataCred aplica además los artículos 28 y 60 de la Constitución de la República Bolivariana de Venezuela y los principios declarados vinculantes por la Sala Constitucional del Tribunal Supremo de Justicia en la Sentencia N.º 1.318 del 4 de agosto de 2011 (Exp. 04-2395), en particular los de finalidad y calidad, temporalidad, exactitud y autodeterminación, tutela y responsabilidad. El detalle de ese marco y de los derechos del titular está en la Política de Tratamiento de Datos Personales y Privacidad de DataCred.
DataCred Tech S.A.S.
NIT 902112751-6