Алтернативно кредитно бодување: Проверка на големи податоци за информации за потрошувачите

• автор:
• име на авторот

  Quantumrun Foiresight
• Октомври 10, 2022

Резиме на увид

Повеќе компании користат алтернативно кредитно бодување бидејќи тоа е од корист за потрошувачите и заемодавците. Вештачката интелигенција (ВИ), особено машинското учење (ML), може да се користи за да се процени кредитната способност на луѓето кои немаат пристап до традиционалните банкарски производи. Овој метод ги разгледува алтернативните извори на податоци како што се финансиските трансакции, веб сообраќајот, мобилните уреди и јавните записи. Со разгледување на други точки на податоци, алтернативното кредитно бодување има потенцијал да ја зголеми финансиската вклученост и да го поттикне економскиот раст.

Алтернативен контекст на кредитно бодување

Традиционалниот модел на кредитни оценки е ограничен и недостапен за многу луѓе. Според податоците од Форумот за извршни директори на Африка, околу 57 проценти од Африканците се „невидливи за кредит“, што значи дека немаат банкарска сметка или кредитен рејтинг. Како резултат на тоа, тие имаат потешкотии да обезбедат заем или да добијат кредитна картичка. Поединците кои немаат пристап до основните финансиски услуги како што се штедни сметки, кредитни картички или лични чекови се сметаат за безбанкарски (или недоволно банкарирани).

Според Форбс, на овие небанкарски луѓе им е потребен електронски пристап во готовина, дебитна картичка и можност навремено да добијат пари. Сепак, традиционалните банкарски услуги обично ја исклучуваат оваа група. Дополнително, сложената документација и другите барања за конвенционалните банкарски заеми резултираа со ранливите групи да се свртат кон ајкулите и доверителите кои наметнуваат високи каматни стапки.

Алтернативното кредитно бодување може да му помогне на населението без банка, особено во земјите во развој, со разгледување на понеформални (и често попрецизни) средства за евалуација. Конкретно, системите за вештачка интелигенција може да се применат за скенирање на големи количини на информации од различни извори на податоци, како што се сметки за комунални услуги, плаќања за кирии, записи за осигурување, користење на социјалните медиуми, историја на вработување, историја на патувања, трансакции со е-трговија и државна и имотна евиденција . Дополнително, овие автоматизирани системи можат да помогнат да се идентификуваат повторливите обрасци кои се претвораат во кредитен ризик, вклучително и неможноста да се платат сметките или да се задржат работните места предолго или да се отворат премногу сметки на платформите за е-трговија. Овие проверки се фокусираат на однесувањето на заемопримачот и ги идентификуваат точките на податоци што традиционалните методи можеби ги пропуштиле. 

Нарушувачко влијание

Новите технологии се клучен фактор за забрзување на усвојувањето на алтернативно кредитно бодување. Една таква технологија вклучува блокчејн апликации поради нејзината способност да им дозволи на клиентите да ги контролираат своите податоци, додека сè уште им дозволува на давателите на кредити да ги потврдат информациите. Оваа функција би можела да им помогне на луѓето да чувствуваат поголема контрола врз тоа како се чуваат и споделуваат нивните лични информации.

Банките исто така можат да го користат Интернетот на нештата (IoT) за подетална слика за кредитниот ризик низ уредите; ова вклучува собирање метаподатоци во реално време од мобилни телефони. Давателите на здравствена заштита можат да допринесат различни податоци поврзани со здравјето за цели на бодување, како што се податоци собрани од уреди за носење, како што се отчукувањата на срцето, температурата и каква било евиденција за веќе постоечки здравствени проблеми. Иако овие информации не се однесуваат директно на животното и здравственото осигурување, тие може да го информираат изборот на банкарски производ. На пример, потенцијалната инфекција со СОВИД-19 може да сигнализира потреба од итна помош за пречекорување или малите и средни претпријатија кои имаат повисоки фактори на ризик за отплата на заемот и нарушување на бизнисот. Во меѓувреме, за осигурување на автомобили, некои компании користат телематички податоци (GPS и сензори) наместо традиционално кредитно бодување за да проценат кои кандидати најверојатно ќе бидат одговорни. 

Една клучна точка на податоци во алтернативното кредитно бодување е содржината на социјалните медиуми. Овие мрежи содржат импресивна количина на податоци кои можат да бидат корисни за разбирање на веројатноста на лицето да ги отплати долговите. Оваа информација е често поточна од она што го откриваат формалните канали. На пример, проверката на изјавите на сметките, онлајн објавите и твитовите дава увид во нечии навики за трошење и економска стабилност, што може да им помогне на бизнисите да донесат подобри одлуки. 

Импликации на алтернативно кредитно бодување

Пошироките импликации на алтернативното кредитно бодување може да вклучуваат: 

• Повеќе нетрадиционални кредитни кредитни услуги поттикнати од отвореното банкарство и банкарството како услуга. Овие услуги може да им помогнат на лицата без банка поефикасно да аплицираат за заеми.
• Зголемената употреба на IoT и уреди за носење за да се процени кредитниот ризик, особено податоците за здравјето и паметните домови.
• Стартапи кои користат услуги за телефонски метаподатоци за да ги проценат луѓето без банка за да понудат кредитни услуги.
• Биометриката се повеќе се користи како алтернативен податок за кредитен рејтинг, особено во следењето на навиките за купување.
• Повеќе влади ги прават нетрадиционалните кредити подостапни и попогодни. 
• Зголемена загриженост за потенцијални прекршувања на приватноста на податоците, особено за собирање биометриски податоци.

Прашања што треба да се разгледаат

• Кои се потенцијалните предизвици при користењето на алтернативните податоци за кредитното бодување?
• Кои други потенцијални точки на податоци можат да бидат вклучени во алтернативното кредитно бодување?