Alternativno kreditno bodovanje: pretraživanje velikih podataka za informacije o potrošačima

KREDIT ZA SLIKE:
Slika kreditne
Istockphoto

Alternativno kreditno bodovanje: pretraživanje velikih podataka za informacije o potrošačima

Alternativno kreditno bodovanje: pretraživanje velikih podataka za informacije o potrošačima

Tekst podnaslova
Alternativno kreditno bodovanje postaje sve popularnije zahvaljujući umjetnoj inteligenciji (AI), telematici i digitalnijem gospodarstvu.
    • Autor:
    • ime autora
      Quantumrun Foiresight
    • Listopada 10, 2022

    Sažetak uvida

    Više tvrtki koristi alternativno kreditno bodovanje jer koristi potrošačima i zajmodavcima. Umjetna inteligencija (AI), posebno strojno učenje (ML), može se koristiti za procjenu kreditne sposobnosti ljudi koji nemaju pristup tradicionalnim bankarskim proizvodima. Ova metoda gleda na alternativne izvore podataka kao što su financijske transakcije, web promet, mobilni uređaji i javne evidencije. Gledajući druge podatkovne točke, alternativno kreditno bodovanje ima potencijal povećati financijsku uključenost i potaknuti gospodarski rast.

    Alternativni kontekst kreditnog bodovanja

    Tradicionalni model kreditnog bodovanja je ograničavajući i nedostupan za mnoge ljude. Prema podacima Africa CEO Foruma, oko 57 posto Afrikanaca je "kreditno nevidljivo", što znači da nemaju bankovni račun ili kreditnu ocjenu. Zbog toga imaju poteškoća s dobivanjem zajma ili kreditne kartice. Pojedinci koji nemaju pristup osnovnim financijskim uslugama kao što su štedni računi, kreditne kartice ili osobni čekovi smatraju se da nemaju bankovne usluge (ili nemaju dovoljno bankovnih usluga).

    Prema Forbesu, ti ljudi koji nemaju bankarske usluge trebaju elektronički pristup gotovini, debitnu karticu i mogućnost brzog dobivanja novca. Međutim, tradicionalne bankarske usluge obično isključuju ovu skupinu. Osim toga, složena papirologija i drugi zahtjevi za konvencionalne bankovne zajmove doveli su do toga da se ranjive skupine okreću kamatarima i kreditorima koji nameću visoke kamate.

    Alternativno kreditno bodovanje može pomoći stanovništvu koje nema bankovne usluge, posebno u zemljama u razvoju, razmatranjem neformalnijih (i često preciznijih) načina procjene. Konkretno, sustavi umjetne inteligencije mogu se primijeniti za skeniranje velikih količina informacija iz različitih izvora podataka, kao što su računi za režije, plaćanje stanarine, evidencija osiguranja, korištenje društvenih medija, povijest zaposlenja, povijest putovanja, transakcije e-trgovine te državni i imovinski zapisi . Osim toga, ovi automatizirani sustavi mogu pomoći u prepoznavanju ponavljajućih obrazaca koji se prevode u kreditni rizik, uključujući nemogućnost plaćanja računa ili zadržavanja poslova predugo ili otvaranje previše računa na platformama za e-trgovinu. Te se provjere usredotočuju na ponašanje zajmoprimca i identificiraju podatkovne točke koje su tradicionalne metode možda propustile. 

    Razarajući učinak

    Tehnologije u nastajanju ključni su čimbenik u ubrzavanju usvajanja alternativnog kreditnog bodovanja. Jedna takva tehnologija uključuje blockchain aplikacije zbog svoje sposobnosti da omogući korisnicima da kontroliraju svoje podatke, dok još uvijek omogućuje davateljima kredita provjeru informacija. Ova bi značajka mogla pomoći ljudima da imaju veću kontrolu nad načinom na koji se njihovi osobni podaci pohranjuju i dijele.

    Banke također mogu koristiti Internet of Things (IoT) za detaljniju sliku kreditnog rizika na svim uređajima; to uključuje prikupljanje metapodataka u stvarnom vremenu s mobilnih telefona. Pružatelji zdravstvenih usluga mogu pridonijeti različitim zdravstvenim podacima u svrhu bodovanja, kao što su podaci prikupljeni iz nosivih uređaja kao što su otkucaji srca, temperatura i svi zapisi o postojećim zdravstvenim problemima. Iako se ove informacije ne odnose izravno na životno i zdravstveno osiguranje, mogu utjecati na odabir bankovnih proizvoda. Na primjer, potencijalna infekcija COVID-19 može signalizirati potrebu za hitnom prekoračenjem ili mala i srednja poduzeća koja imaju veće faktore rizika za otplatu kredita i prekid poslovanja. U međuvremenu, za osiguranje automobila, neke tvrtke koriste telematske podatke (GPS i senzore) umjesto tradicionalnog kreditnog bodovanja kako bi procijenile koji će kandidati najvjerojatnije biti odgovorni. 

    Jedna ključna podatkovna točka u alternativnom kreditnom bodovanju je sadržaj društvenih medija. Ove mreže sadrže impresivnu količinu podataka koji mogu biti korisni u razumijevanju vjerojatnosti da će osoba vratiti dugove. Te su informacije često točnije od onoga što formalni kanali otkrivaju. Na primjer, izvodi s tekućeg računa, objave na mreži i tweetovi daju uvid u nečije navike potrošnje i ekonomsku stabilnost, što može pomoći tvrtkama u donošenju boljih odluka. 

    Implikacije alternativnog kreditnog bodovanja

    Šire implikacije alternativnog kreditnog bodovanja mogu uključivati: 

    • Više netradicionalnih usluga kreditiranja potaknutih otvorenim bankarstvom i bankarstvom kao uslugom. Ove usluge mogu pomoći onima koji nemaju bankarske usluge da se učinkovitije prijave za kredite.
    • Sve veća upotreba IoT-a i nosivih uređaja za procjenu kreditnog rizika, posebice podataka o zdravlju i pametnom domu.
    • Startupi koji koriste usluge telefonskih metapodataka za procjenu ljudi koji nemaju bankovne usluge da bi ponudili kreditne usluge.
    • Biometrija se sve više koristi kao alternativni podatak o kreditnoj sposobnosti, osobito u praćenju kupovnih navika.
    • Više vlada čini netradicionalne kredite pristupačnijim i korisnijim. 
    • Sve veća zabrinutost zbog mogućih povreda privatnosti podataka, osobito za prikupljanje biometrijskih podataka.

    Pitanja za razmatranje

    • Koji su potencijalni izazovi u korištenju alternativnih podataka o kreditnom bodovanju?
    • Koje druge potencijalne podatkovne točke mogu biti uključene u alternativno kreditno bodovanje?

    Reference uvida

    Za ovaj uvid korištene su sljedeće popularne i institucionalne veze: