Skip to content
Índices hipotecarios publicados semanas después,alertas de riesgos que se detectan al cierre del mes,cambios en condiciones de los intermediarios que se observan por reportes,señales de rezago habitacional detectadas con datos atrasados.No espera batchNo espera reportesNo espera supervisión manual
Datos que fluyen continuamente (streaming)Procesamiento inmediato (motores tipo Kafka + Spark Streaming)Decisiones automáticas y trazables (motores de reglas + dashboards vivos)
quiénquécuándocuántodónde
enriquecen el evento,comparan con históricos,aplican reglas,detectan anomalías,correlacionan señales.
bloquear una dispersión,pedir evidencia de obra,alertar sobre avalúo sospechoso,recalcular el CAT dinámico,actualizar el IPV Flash,generar un semáforo de desarrolladores.
No es un tablero tradicionalNo es un reporte mensualNo es una base de datos históricaNo es IA complejaNo es un modelo que vive en silosUna fábrica de decisiones en tiempo realUn flujo continuo de eventos evaluados automáticamenteUna operación que “se observa a sí misma”La base de la banca sin rezagos
CLABE cambiada en 30 minutosAltas masivas sospechosasBeneficiarios duplicadosAvance físico vs desembolsoProveedores recurrentes con sobrepreciosRetrasos detectados semanas despuésValores fuera de rangoPatrones repetidos por UVsConcentración en zonas específicasPublicación trimestral → Flash semanal/díaPromedio de vivienda, mediana de la viviendaAjustes automáticos del CAT por curvas de tasasControl de calidad de avalúos al momento
créditos originados,avalúos cargados,datos de portales de vivienda,permisos urbanos,CFDI del sector.cambia la curva de Banxicosuben spreads hipotecariosse modifican costos operativos
variaciones atípicas,inconsistencias,desviaciones por zona,patrones por UV.sobrevaluación,presión de precios,caída en absorción,riesgo de burbuja local.
Decidir antes del resultado no deseadoPrevenir antes del deterioroControlar el riesgo antes de que crezca
Ventanas móviles: 5s, 1m, 30mEnriquecimiento con catálogos SHFCorrelaciones y reglasDetección de atípicos (outliers)IPV, CAT, avalúos, tasas, permisos urbanosVariables geoespaciales y territorialesColocación por minutoAvalúos cargados con alertasObra vivaCAT dinámicoIPV Flash
CLABE cambiada en ventana 30–60 minCURP duplicadosRedes entre valuadores–desarrolladoresAvalúos inconsistentesVariaciones abruptas en absorciónMora emergenteSobrevaluación localRiesgo de deterioro de desarrolladoresColocación por región y productoCambios por segmentoSensores de mercado (HFEI)Impacto en programas de vivienda social
Módulo 5 — Inteligencia Continua y Analítica en Tiempo Real
Introducción
La operación de SHF se sostiene en procesos donde la información llega tarde:
La Inteligencia Continua (CI) rompe esta dinámica: convierte cada evento —un pago hipotecario, un cambio en la CLABE, un avance de obra, un movimiento en un intermediario financiero— en señal procesable al instante.
¿Puede la SHF transformar su mandato público si integra analítica en tiempo real para anticipar riesgos, focalizar recursos y operar con precisión minuto a minuto?
El objetivo del módulo: mostrar cómo SHF puede operar con pipelines vivo–vivo y tableros en segundos, no meses.
Enfoquemos el tema en los datos que produce SHF
Qué es CI y cómo se integra a operaciones diarias
La Inteligencia Continua (Continuous Intelligence) es un modelo operativo donde las decisiones se alimentan de datos en tiempo real, no de reportes atrasados.
En términos prácticos:
CI convierte cada evento del negocio en una señal procesable —al instante— que dispara alertas, reglas y acciones automáticas.
Es la integración de tres elementos:
La esencia de CI:
Pasar de revisar el pasado a gobernar el presente.
En vez de analizar lo que pasó hace un trimestre, CI permite actuar mientras está ocurriendo.
Cómo funciona en lenguaje empresarial
1) Los sistemas del negocio generan eventos
Cada vez que algo ocurre —avalúo cargado, CLABE cambiada, originación, avance de obra, variación del CAT— se emite un evento.
2) El evento entra a un “bus” (Kafka)
Ese bus recibe:
3) El motor de streaming procesa en segundos
Spark Streaming o Flink:
4) Se dispara una acción
Puede ser automática o manual:
5) Tableros vivos muestran el estado actual del negocio
No cada trimestre. No cada mes.
Cada minuto o incluso cada segundo.
Qué NO es CI
Qué SÍ es CI
Por qué es relevante para SHF
Porque muchos procesos críticos dependen de señales que hoy se detectan tarde:
1. Subsidios
2. Crédito puente
3. Avalúos
4. Índice SHF (IPV, CAT, valuaciones)
Ejemplos puntuales de CI en SHF
IPV Flash semanal (vs trimestral tradicional)
Basado en:
CAT dinámico
Actualizado automáticamente cuando:
Motor de Avalúos Atípicos (outliers)
Detecta:
Radar de riesgo territorial
Alertas por AGEB:
Beneficio final
Arquitectura de CI en SHF
Bus de eventos (Kafka / PubSub)
“Quién–qué–cuándo–cuánto–dónde” de cada operación.
Procesamiento (Spark Streaming / Flink)
(Fábrica de Atributos) Feature Store de Vivienda y Crédito
Tableros en streaming
Aplicaciones en banca
1. Detección instantánea de fraude
2. Alertas de riesgo vivo
3. Monitoreo de colocación
Beneficios
Want to print your doc?
This is not the way.
This is not the way.
Try clicking the ··· in the right corner or using a keyboard shortcut (
CtrlP
) instead.