Alternativ kreditvurdering: Gennemsøgning af big data for forbrugerinformation

• Forfatter:
• Forfatter navn

  Quantumrun Foiresight
• Oktober 10, 2022

Oversigt over indsigt

Flere virksomheder bruger alternativ kreditvurdering, fordi det gavner forbrugere og långivere. Kunstig intelligens (AI), specifikt maskinlæring (ML), kan bruges til at vurdere kreditværdigheden hos mennesker, der ikke har adgang til traditionelle bankprodukter. Denne metode ser på alternative datakilder som finansielle transaktioner, webtrafik, mobile enheder og offentlige registre. Ved at se på andre datapunkter har alternativ kreditvurdering potentiale til at øge finansiel inklusion og drive økonomisk vækst.

Alternativ kreditvurderingskontekst

Den traditionelle kreditscore-model er begrænsende og utilgængelig for mange mennesker. Ifølge data fra Africa CEO Forum er omkring 57 procent af afrikanerne "kredit usynlige", hvilket betyder, at de mangler en bankkonto eller kreditscore. Som følge heraf har de svært ved at sikre et lån eller få et kreditkort. Personer, der ikke har adgang til væsentlige finansielle tjenester såsom opsparingskonti, kreditkort eller personlige checks, anses for at være uden bank (eller underbank).

Ifølge Forbes har disse ubankede mennesker brug for elektronisk kontantadgang, et betalingskort og evnen til at få penge med det samme. Traditionelle banktjenester udelukker dog normalt denne gruppe. Derudover har det komplekse papirarbejde og andre krav til konventionelle banklån resulteret i, at sårbare grupper henvender sig til lånehajer og lønningskreditorer, der pålægger høje renter.

Alternativ kreditscoring kan hjælpe den ubankede befolkning, især i udviklingslande, ved at overveje mere uformelle (og ofte mere præcise) metoder til evaluering. Især kan AI-systemer anvendes til at scanne store mængder information fra forskellige datakilder, såsom forsyningsregninger, huslejebetalinger, forsikringsregistre, brug af sociale medier, ansættelseshistorik, rejsehistorik, e-handelstransaktioner og regerings- og ejendomsregistre . Derudover kan disse automatiserede systemer hjælpe med at identificere tilbagevendende mønstre, der oversættes til kreditrisiko, herunder manglende evne til at betale regninger eller holde job for længe eller åbne for mange konti på e-handelsplatforme. Disse kontroller fokuserer på en låntagers adfærd og identificerer datapunkter, som traditionelle metoder måske er gået glip af. 

Forstyrrende påvirkning

Nye teknologier er en nøglefaktor for at fremskynde vedtagelsen af ​​alternativ kreditscoring. En sådan teknologi inkluderer blockchain-applikationer på grund af dens evne til at lade kunder kontrollere deres data, mens de stadig giver kreditudbydere mulighed for at verificere oplysningerne. Denne funktion kan hjælpe folk til at føle mere kontrol over, hvordan deres personlige oplysninger gemmes og deles.

Banker kan også bruge tingenes internet (IoT) til et mere detaljeret billede af kreditrisiko på tværs af enheder; dette omfatter indsamling af metadata i realtid fra mobiltelefoner. Sundhedsudbydere kan bidrage med forskellige sundhedsrelaterede data til scoringsformål, såsom data indsamlet fra wearables som puls, temperatur og enhver registrering af allerede eksisterende sundhedsproblemer. Selvom disse oplysninger ikke direkte gælder for livs- og sygeforsikringer, kan de informere bankens produktvalg. For eksempel kan en potentiel COVID-19-infektion signalere behovet for nødhjælp ved kassekredit eller små og mellemstore virksomheder, der har højere risikofaktorer for tilbagebetaling af lån og forretningsafbrydelser. I mellemtiden, for bilforsikring, bruger nogle virksomheder telematikdata (GPS og sensorer) i stedet for traditionel kreditvurdering til at vurdere, hvilke kandidater der med størst sandsynlighed er ansvarlige. 

Et nøgledatapunkt i alternativ kreditvurdering er indhold på sociale medier. Disse netværk rummer en imponerende mængde data, som kan være nyttige til at forstå en persons sandsynlighed for at tilbagebetale gæld. Disse oplysninger er ofte mere nøjagtige end hvad formelle kanaler afslører. For eksempel giver kontrol af kontoudtog, onlineopslag og tweets indsigt i en persons forbrugsvaner og økonomiske stabilitet, hvilket kan hjælpe virksomheder med at træffe bedre beslutninger. 

Implikationer af alternativ kreditscoring

Bredere implikationer af alternativ kreditvurdering kan omfatte: 

• Mere utraditionelle kreditudlånstjenester drevet af åben bankvirksomhed og bank-som-en-service. Disse tjenester kan hjælpe dem, der ikke er banker, med at ansøge om lån mere effektivt.
• Den stigende brug af IoT og wearables til at vurdere kreditrisiko, især sundheds- og smart home-data.
• Startups, der bruger telefonmetadatatjenester til at vurdere bankfrie personer til at tilbyde kredittjenester.
• Biometri bliver i stigende grad brugt som alternativ kreditscoredata, især til overvågning af indkøbsvaner.
• Flere regeringer gør ikke-traditionel kredit mere tilgængelig og brugbar. 
• Stigende bekymring over potentielle krænkelser af databeskyttelse, især for biometrisk dataindsamling.

Spørgsmål at overveje

• Hvad er de potentielle udfordringer ved at bruge alternative kreditscoringsdata?
• Hvad kan andre potentielle datapunkter inkluderes i alternativ kreditvurdering?