Penilaian kredit alternatif: Menjelajahi data besar untuk informasi konsumen

• Penulis:
• nama penulis

  Pandangan ke Depan Quantumrun
• Oktober 10, 2022

Ringkasan wawasan

Lebih banyak perusahaan menggunakan penilaian kredit alternatif karena menguntungkan konsumen dan pemberi pinjaman. Kecerdasan buatan (AI), khususnya pembelajaran mesin (ML), dapat digunakan untuk menilai kelayakan kredit orang-orang yang tidak memiliki akses ke produk perbankan tradisional. Metode ini melihat sumber data alternatif seperti transaksi keuangan, lalu lintas web, perangkat seluler, dan catatan publik. Dengan melihat data lain, alternatif credit scoring berpotensi meningkatkan inklusi keuangan dan mendorong pertumbuhan ekonomi.

Konteks penilaian kredit alternatif

Model skor kredit tradisional membatasi dan tidak dapat diakses oleh banyak orang. Menurut data dari Forum CEO Afrika, sekitar 57 persen orang Afrika “tidak terlihat dalam hal kredit”, yang berarti mereka tidak memiliki rekening bank atau nilai kredit. Akibatnya, mereka kesulitan mendapatkan pinjaman atau mendapatkan kartu kredit. Individu yang tidak memiliki akses terhadap layanan keuangan penting seperti rekening tabungan, kartu kredit, atau cek pribadi dianggap tidak memiliki rekening bank (atau tidak mempunyai rekening bank).

Menurut Forbes, orang-orang yang tidak memiliki rekening bank ini memerlukan akses uang elektronik, kartu debit, dan kemampuan untuk mendapatkan uang dengan cepat. Namun, layanan perbankan tradisional biasanya mengecualikan kelompok ini. Selain itu, rumitnya dokumen dan persyaratan lain untuk pinjaman bank konvensional telah mengakibatkan kelompok rentan beralih ke rentenir dan kreditor bayaran yang mengenakan suku bunga tinggi.

Penilaian kredit alternatif dapat membantu penduduk yang tidak memiliki rekening bank, terutama di negara berkembang, dengan mempertimbangkan sarana evaluasi yang lebih informal (dan seringkali lebih akurat). Secara khusus, sistem AI dapat diterapkan untuk memindai informasi dalam jumlah besar dari berbagai sumber data, seperti tagihan listrik, pembayaran sewa, catatan asuransi, penggunaan media sosial, riwayat pekerjaan, riwayat perjalanan, transaksi e-niaga, dan catatan pemerintah dan properti. . Selain itu, sistem otomatis ini dapat membantu mengidentifikasi pola berulang yang menyebabkan risiko kredit, termasuk ketidakmampuan membayar tagihan atau menahan pekerjaan terlalu lama, atau membuka terlalu banyak akun di platform e-niaga. Pemeriksaan ini berfokus pada perilaku penerima pinjaman dan mengidentifikasi poin data yang mungkin terlewatkan oleh metode tradisional. 

Dampak yang mengganggu

Teknologi yang muncul merupakan faktor kunci dalam mempercepat penerapan penilaian kredit alternatif. Salah satu teknologi tersebut termasuk aplikasi blockchain karena kemampuannya untuk membiarkan pelanggan mengontrol data mereka sambil tetap memungkinkan penyedia kredit untuk memverifikasi informasi. Fitur ini dapat membantu orang merasa lebih mengontrol bagaimana informasi pribadi mereka disimpan dan dibagikan.

Bank juga dapat menggunakan Internet of Things (IoT) untuk gambaran yang lebih rinci tentang risiko kredit di seluruh perangkat; ini termasuk mengumpulkan metadata real-time dari ponsel. Penyedia layanan kesehatan dapat menyumbangkan berbagai data terkait kesehatan untuk tujuan penilaian, seperti data yang dikumpulkan dari perangkat yang dapat dikenakan seperti detak jantung, suhu, dan catatan masalah kesehatan yang sudah ada sebelumnya. Meskipun informasi ini tidak secara langsung berlaku untuk asuransi jiwa dan kesehatan, informasi ini dapat menginformasikan pilihan produk bank. Misalnya, potensi infeksi COVID-19 mungkin menandakan perlunya bantuan cerukan darurat atau usaha kecil dan menengah yang memiliki faktor risiko lebih tinggi untuk pembayaran pinjaman dan gangguan bisnis. Sementara itu, untuk asuransi mobil, beberapa perusahaan menggunakan data telematika (GPS dan sensor) alih-alih penilaian kredit tradisional untuk menilai kandidat mana yang paling mungkin bertanggung jawab. 

Salah satu poin data kunci dalam penilaian kredit alternatif adalah konten media sosial. Jaringan ini menyimpan sejumlah besar data yang dapat berguna dalam memahami kemungkinan seseorang untuk membayar utang. Informasi ini seringkali lebih akurat daripada yang diungkapkan oleh saluran formal. Misalnya, memeriksa laporan akun, posting online, dan tweet memberikan wawasan tentang kebiasaan belanja seseorang dan stabilitas ekonomi, yang dapat membantu bisnis membuat keputusan yang lebih baik. 

Implikasi dari penilaian kredit alternatif

Implikasi yang lebih luas dari penilaian kredit alternatif dapat mencakup: 

• Lebih banyak layanan pinjaman kredit non-tradisional yang didorong oleh perbankan terbuka dan perbankan sebagai layanan. Layanan ini dapat membantu mereka yang tidak memiliki rekening bank untuk mengajukan pinjaman secara lebih efisien.
• Meningkatnya penggunaan IoT dan perangkat yang dapat dikenakan untuk menilai risiko kredit, khususnya data kesehatan dan rumah pintar.
• Startup menggunakan layanan metadata telepon untuk menilai orang yang tidak memiliki rekening bank untuk menawarkan layanan kredit.
• Biometrik semakin banyak digunakan sebagai data skor kredit alternatif, terutama dalam memantau kebiasaan belanja.
• Lebih banyak pemerintah membuat kredit non-tradisional lebih mudah diakses dan berguna. 
• Meningkatnya kekhawatiran tentang potensi pelanggaran privasi data, terutama untuk pengumpulan data biometrik.

Pertanyaan untuk dipertimbangkan

• Apa tantangan potensial dalam menggunakan data penilaian kredit alternatif?
• Apa poin data potensial lainnya yang dapat dimasukkan dalam penilaian kredit alternatif?