Alternativní kreditní skóring: Prohledávání velkých dat pro spotřebitelské informace

KREDIT OBRAZU:
Kredit
iStock

Alternativní kreditní skóring: Prohledávání velkých dat pro spotřebitelské informace

Alternativní kreditní skóring: Prohledávání velkých dat pro spotřebitelské informace

Text podnadpisu
Alternativní kreditní bodování se stává běžnějším díky umělé inteligenci (AI), telematice a více digitální ekonomice.
    • Autor:
    • jméno autora
      Quantumrun Foiresight
    • Října 10, 2022

    Shrnutí statistik

    Stále více společností využívá alternativní kreditní skóring, protože to přináší výhody spotřebitelům a věřitelům. Umělou inteligenci (AI), konkrétně strojové učení (ML), lze použít k posouzení bonity lidí, kteří nemají přístup k tradičním bankovním produktům. Tato metoda se zaměřuje na alternativní zdroje dat, jako jsou finanční transakce, webový provoz, mobilní zařízení a veřejné záznamy. Při pohledu na jiné datové body má alternativní kreditní skóring potenciál zvýšit finanční začlenění a řídit ekonomický růst.

    Alternativní kontext kreditního bodování

    Tradiční model kreditního skóre je limitující a pro mnoho lidí nedostupný. Podle údajů z Africa CEO Forum je přibližně 57 procent Afričanů „neviditelných úvěrů“, což znamená, že nemají bankovní účet nebo kreditní skóre. V důsledku toho mají potíže se zajištěním půjčky nebo získáním kreditní karty. Jednotlivci, kteří nemají přístup k základním finančním službám, jako jsou spořicí účty, kreditní karty nebo osobní šeky, jsou považováni za osoby bez bankovního účtu (nebo s nedostatečným bankovním účtem).

    Podle Forbesu tito lidé bez bankovního účtu potřebují přístup k elektronické hotovosti, debetní kartu a možnost rychle získat peníze. Tradiční bankovní služby však tuto skupinu obvykle vylučují. Kromě toho složité papírování a další požadavky na konvenční bankovní půjčky vedly k tomu, že se zranitelné skupiny obrátily na lichváře a věřitele před výplatou, kteří ukládají vysoké úrokové sazby.

    Alternativní kreditní skóring může pomoci populaci bez bankovního účtu, zejména v rozvojových zemích, zvážením neformálnějších (a často přesnějších) způsobů hodnocení. Systémy umělé inteligence lze použít zejména ke skenování velkých objemů informací z různých zdrojů dat, jako jsou účty za energie, platby nájemného, ​​záznamy o pojištění, používání sociálních médií, historie zaměstnání, historie cestování, transakce elektronického obchodu a vládní a majetkové záznamy. . Kromě toho mohou tyto automatizované systémy pomoci identifikovat opakující se vzorce, které se promítají do úvěrového rizika, včetně neschopnosti platit účty nebo držet práci příliš dlouho nebo otevřít příliš mnoho účtů na platformách elektronického obchodu. Tyto kontroly se zaměřují na chování příjemce půjčky a identifikují datové body, které tradiční metody mohly minout. 

    Rušivý dopad

    Rozvíjející se technologie jsou klíčovým faktorem pro urychlení přijetí alternativního kreditního scoringu. Jedna taková technologie zahrnuje blockchainové aplikace díky své schopnosti umožnit zákazníkům ovládat jejich data a přitom poskytovatelům úvěrů stále dovolovat ověřovat informace. Tato funkce by mohla lidem pomoci získat větší kontrolu nad tím, jak jsou jejich osobní údaje uloženy a sdíleny.

    Banky mohou také využít internet věcí (IoT) pro podrobnější obrázek o úvěrovém riziku napříč zařízeními; to zahrnuje shromažďování metadat z mobilních telefonů v reálném čase. Poskytovatelé zdravotní péče mohou pro účely bodování přispívat různými daty souvisejícími se zdravím, jako jsou data shromážděná z nositelných zařízení, jako je srdeční frekvence, teplota a jakékoli záznamy o již existujících zdravotních problémech. I když se tyto informace nevztahují přímo na životní a zdravotní pojištění, mohou informovat o výběru bankovních produktů. Například potenciální infekce COVID-19 může signalizovat potřebu pomoci při nouzovém přečerpání nebo malé a střední podniky s vyššími rizikovými faktory pro splácení úvěru a přerušení podnikání. Mezitím u pojištění automobilů některé společnosti používají telematická data (GPS a senzory) namísto tradičního kreditního hodnocení k posouzení, kteří kandidáti budou s největší pravděpodobností odpovědní. 

    Jedním z klíčových datových bodů v alternativním kreditním hodnocení je obsah sociálních médií. Tyto sítě obsahují působivé množství dat, která mohou být užitečná pro pochopení pravděpodobnosti, že osoba splatí dluhy. Tyto informace jsou často přesnější než to, co odhalují formální kanály. Například kontrola výpisů z účtu, online příspěvků a tweetů poskytuje přehled o něčích výdajových zvyklostech a ekonomické stabilitě, což může firmám pomoci činit lepší rozhodnutí. 

    Důsledky alternativního kreditního scoringu

    Širší důsledky alternativního kreditního bodování mohou zahrnovat: 

    • Více netradičních úvěrových úvěrových služeb poháněných otevřeným bankovnictvím a bankovnictvím jako služba. Tyto služby mohou pomoci nebankovním subjektům žádat o úvěr efektivněji.
    • Rostoucí využívání internetu věcí a nositelných zařízení k hodnocení úvěrového rizika, zejména údajů o zdraví a chytrých domácnostech.
    • Startupy využívající metadatové služby telefonu k posuzování lidí bez bankovního účtu, aby nabízeli úvěrové služby.
    • Biometrie se stále častěji používají jako alternativní údaje o kreditním skóre, zejména při sledování nákupních zvyklostí.
    • Více vlád činí netradiční úvěr dostupnějším a použitelnějším. 
    • Rostoucí obavy z možného porušení ochrany osobních údajů, zejména u shromažďování biometrických údajů.

    Otázky k zamyšlení

    • Jaké jsou potenciální problémy při používání alternativních údajů o kreditním skóre?
    • Jaké další potenciální datové body lze zahrnout do alternativního kreditního skóringu?

    Statistikové reference

    Následující populární a institucionální odkazy byly uvedeny pro tento náhled: