Why Kreditech Failed: Unit Economics | Startup Autopsy
€484M
Recaudado
8y
Tiempo al colapso
€500M
Valoración pico
// startup autopsy
Kreditech
Fintech de Hamburgo usó 20.000 puntos de datos para prestar a los no bancarizados en 8 países. Las pérdidas crediticias en mercados emergentes consumieron 484M USD. Presentó insolvencia en 2020.
Declive de años antes del cierre final · Error fatal: Consumer credit default rates in emerging markets (Mexico, India, Russia) were significantly higher than the alternative data model predicted, creating sustained credit losses at scale
Evaluando solo el perfil de Kreditech en su pico —sin conocer el desenlace— el modelo situó Unit economics como causa nº1. Es exactamente como murió.
Timeline de Eventos Clave
FOUNDING
Fundación de Kreditech
FOUNDING
FUNDING
DOWN ROUND
Ronda bajista o financiación puente
CRISIS
SHUTDOWN
Quiebra: Kreditech cesa operaciones
SHUTDOWN
Full Analysis
Gratis · sin cuenta
Causa documentada
Kreditech fue fundada en 2012 en Hamburgo por Sebastian Diemer y Alexander Graubner-Müller con la misión de proporcionar acceso al crédito a poblaciones no bancarizadas utilizando puntuación de datos alternativos. El sistema ingería más de 20.000 puntos de datos por solicitante — incluyendo comportamiento en redes sociales, tipo de dispositivo, patrones de navegación y datos de ubicación. La empresa se expandió a Polonia, República Checa, Rusia, España, México, India y Australia, recaudando 484M USD de inversores incluyendo TCV y Warburg Pincus. El problema estructural era el riesgo de crédito en mercados emergentes: las tasas de impago eran significativamente más altas de lo que predecía el modelo de datos alternativos. El CEO fundador Sebastian Diemer se fue en 2017. La empresa se rebautizó como Monedo. En agosto de 2020, Monedo GmbH presentó insolvencia. Capital total consumido: aproximadamente 484M USD.
Cuenta alternativa: Kreditech construyó un motor alternativo de puntuación crediticia usando miles de señales de comportamiento en línea para prestar a consumidores no bancarizados en Polonia, Rusia y América Latina. La empresa recaudó más de $200M de inversores incluyendo TCV, IFC y Rakuten. Las tasas de fraude en mercados emergentes resultaron ser mucho más altas de lo que anticipaban los modelos de aprendizaje automático. Las presiones regulatorias en Polonia forzaron giros del producto. Tras un cambio de marca a Monedo en 2019, la empresa presentó insolvencia en julio de 2020 con pasivos superiores a activos.
Lección
“Más datos no significa automáticamente mejores decisiones de crédito. La puntuación de datos alternativos en mercados emergentes no está probada a escala, y expandir el riesgo de crédito geográfico antes de validar el modelo en un solo mercado convierte la hipótesis en catástrofe.
Cuenta alternativa: Los datos alternativos de crédito son poderosos en mercados estables pero pierden valor predictivo cuando los prestatarios en mercados emergentes manipulan las señales de puntuación. Los modelos de aprendizaje automático entrenados en datos de un entorno regulatorio se generalizan mal a mercados con diferentes normas de aplicación. $200M es insuficiente para absorber las tasas de morosidad de poblaciones genuinamente no bancarizadas.”
Anatomía del fracaso
Tipo de colapso
Slow Death
🐌 LOW
Ciclo hype
trough of disillusionment
Tipo de moat
Data
Error fatal
Consumer credit default rates in emerging markets (Mexico, India, Russia) were significantly higher than the alternative data model predicted, creating sustained credit losses at scale