Income recognition robusta
Separa salario fijo de ingresos variables, transferencias propias, y devoluciones. Tu modelo de scoring no se confunde con movimientos internos.
Caso de uso · Crédito / Lending
TL;DR
Las fintechs de lending y financieras necesitan analizar estados de cuenta del solicitante para underwriting cuando OAuth-based aggregation (Belvo) no está disponible o el cliente entrega PDFs. finO$ procesa cada estado en 15 segundos a $5 MXN por hoja — barato comparado contra el costo de capital mal asignado. Salida estructurada lista para tu motor de scoring.
Ajusta los tres factores. La fórmula es: solicitudes / mes × estados / solicitante × hojas promedio × $5
Hojas / mes
4,800
Costo mensual
$24,000
≈ $1,333
Equivale a $120 por solicitudes / me
200 solicitudes × 3 estados (últimos 3 meses) × 8 hojas = $24,000 MXN/mes. Equivale a ~$120 MXN por underwriting — mucho menor al costo del capital mal asignado.
Separa salario fijo de ingresos variables, transferencias propias, y devoluciones. Tu modelo de scoring no se confunde con movimientos internos.
Identifica pagos a otras instituciones financieras o BNPL (Kueski, Klarna, Aplazo, Stori, Konfío). Útil para evaluar exposure total.
Procesa estados en flujo asíncrono con webhook al completar. Integra con tu motor de decisión sin polling — UX de minutos, no horas.
Solicita acceso al API. Te enviamos credenciales en 24–48 horas y procesas tu primer estado por menos de $50 MXN.
Ambas. La extracción de PDFs no es actividad financiera regulada per se — eres tú quien decide cómo usar los datos para underwriting. Tenemos clientes con SOFOM y SOFIPO entre las financieras.
Complementario. Belvo es excelente cuando el solicitante autoriza OAuth y el banco soporta Open Finance MX/CO/BR. finO$ cubre el caso de: solicitante con PDF en hand, banco sin OAuth, histórico de >12 meses, o cliente que prefiere no dar credenciales. Muchas fintechs usan ambos en cascada.
No. finO$ entrega datos estructurados, no decisiones. El modelo de scoring lo mantienes tú (es parte de tu IP). Pero podemos ayudarte a normalizar los inputs para que entrenar/calibrar el modelo sea más rápido.