Moni
Predicción de mora e infraestructura de datos que redujo costos operativos un 50% y mejoró la recuperación de créditos un 20%.
Impacto
+20%
Recupero de préstamos
Segmento de alto riesgo
3x
Tiempo de entrenamiento
Reducción en ciclo de entrenamiento de modelos
5x
Desarrollo de pipelines
Reducción en tiempo de desarrollo
-50%
Costo operativo
Reducción en infraestructura de datos
Dónde estaban
Moni es una fintech argentina de créditos y préstamos. Antes de la pandemia tenían un equipo de datos sólido que manejaba el corazón mismo del negocio: el modelo de riesgo. Sin embargo, luego de la pandemia ese equipo se fue desarmando: la gente se fue a otras empresas, y con cada salida se perdía un pedazo del know-how crítico. No fue tanto una crisis repentina como una erosión lenta que terminó afectando muy fuertemente la calidad de la operatoria.
Qué encontramos
El pedido inicial era ayuda con el modelo de riesgo. Pero el problema real era más profundo: la data era caótica, los ETLs eran legacy puro, y no había una base sobre la cual construir nada confiable. Lo más valioso que hicimos no fue un entregable técnico — fue el diagnóstico. Decirle al equipo exactamente cuán lejos estaban de donde necesitaban estar.
Qué construimos
Modelo de predicción de mora que sentó las bases para que el equipo de Moni construyera los suyos con total autonomía. Migración completa de ETLs legacy a una arquitectura moderna: con estos cambios, lo que antes tardaba semanas en desarrollo de pipelines se redujo a una quinta parte del tiempo y una consecuente baja del 50% en costos operativos. Rehicimos la infraestructura de entrenamiento de modelos que triplicó la velocidad del time-to-prod. Pero lo más importante es que el trabajo se complementó con una sólida transferencia de conocimiento no sólo al equipo técnico, sino también al de negocio. Una comunicación abierta, fluida y honesta entre Moni y deployr permitió desarrollar soluciones proporcionales al tamaño real de la fintech, sin sobreingeniería.
Qué pueden hacer ahora
El equipo de Moni construye sus propios modelos. Hoy tienen un modelo de nuevos clientes que controla la mora en un contexto macroeconómico durísimo (alta incobrabilidad en Argentina desde fines de 2024) y funciona. El recupero en el segmento de alto riesgo mejoró 20%. El conocimiento no está encerrado en la cabeza de nadie: vive en la infraestructura y en los procesos. Si mañana el equipo cambiara por completo, Moni no arrancaría de cero.
Por qué volvieron
19 meses. La relación que se fue extendiendo porque el valor seguía apareciendo. Después de una experiencia previa con un proveedor más corporativo (scope cerrado, sin ir un centímetro más allá de lo acordado) la diferencia fue clara: interés personal, fundadores presentes, honestidad incluso cuando la verdad incomodaba.
“ Lo más importante para nosotros es que nos ayudaron a entender nuestra situación, nos mostraron cuán lejos estábamos de lo que deberíamos tener, y nos acompañaron a llegar a ese objetivo.”
• Juan Pablo Bruzzo, CEO & Co-founder, Moni
Casos relacionados
Fintech
CCM/DataVue
30+ modelos de scoring sobre una plataforma de datos encriptados que opera en el orden de los terabytes.
Fintech
CTF Capital
Predicción en tiempo real para mercados crypto. 28 meses, 12 servicios de AWS, cero excusas.
Fintech
MODO
Procesamiento de big data, plataforma de experimentos y features de GenAI para los 4+ millones de users de la billetera digital líder de Argentina.