Алтернативни кредитни бодови: Претрага великих података за информације о потрошачима

• Аутор:
• ime аутора

  Куантумрун Фоиресигхт
• Октобар КСНУМКС, КСНУМКС

Сажетак увида

Више компанија користи алтернативно кредитно бодовање јер користи потрошачима и зајмодавцима. Вештачка интелигенција (АИ), посебно машинско учење (МЛ), може се користити за процену кредитне способности људи који немају приступ традиционалним банкарским производима. Овај метод разматра алтернативне изворе података као што су финансијске трансакције, веб саобраћај, мобилни уређаји и јавни записи. Гледајући друге тачке података, алтернативни кредитни бодови има потенцијал да повећа финансијску укљученост и подстакне економски раст.

Алтернативни контекст кредитног бодовања

Традиционални модел кредитног резултата је ограничавајући и недоступан за многе људе. Према подацима Афричког форума извршних директора, око 57 одсто Африканаца је „кредитно невидљиво“, што значи да немају банковни рачун или кредитни резултат. Као резултат тога, имају потешкоћа да обезбеде зајам или добију кредитну картицу. Појединци који немају приступ основним финансијским услугама као што су штедни рачуни, кредитне картице или лични чекови сматрају се небанкарским (или недовољно банковним).

Према Форбесу, овим људима који немају банку потребан је електронски приступ готовини, дебитна картица и могућност да брзо добију новац. Међутим, традиционалне банкарске услуге обично искључују ову групу. Поред тога, сложена папирологија и други захтеви за конвенционалне банкарске кредите довели су до тога да се рањиве групе окрећу лихварима и кредиторима који намећу високе камате.

Алтернативно кредитно оцјењивање може помоћи становништву без банковног пословања, посебно у земљама у развоју, узимајући у обзир неформалније (и често тачније) начине процјене. Конкретно, АИ системи се могу применити за скенирање великих количина информација из различитих извора података, као што су рачуни за комуналије, плаћања станарине, евиденција осигурања, коришћење друштвених медија, историја запослења, историја путовања, трансакције е-трговине, и евиденција владе и имовине . Поред тога, ови аутоматизовани системи могу помоћи у идентификацији понављајућих образаца који се претварају у кредитни ризик, укључујући немогућност плаћања рачуна или задржавања послова предуго, или отварање превише налога на платформама за е-трговину. Ове провере се фокусирају на понашање зајмопримца и идентификују тачке података које су традиционалне методе можда пропустиле. 

Ометајући утицај

Технологије у настајању су кључни фактор у убрзавању усвајања алтернативних кредитних бодова. Једна таква технологија укључује блоцкцхаин апликације због своје способности да дозволи купцима да контролишу своје податке, а да притом дозвољавају провајдерима кредита да провере информације. Ова функција би могла помоћи људима да осете већу контролу над начином на који се њихови лични подаци чувају и деле.

Банке такође могу да користе Интернет ствари (ИоТ) за детаљнију слику кредитног ризика на различитим уређајима; ово укључује прикупљање метаподатака у реалном времену са мобилних телефона. Пружаоци здравствених услуга могу да допринесу различитим здравственим подацима у сврху оцењивања, као што су подаци прикупљени са носивих уређаја као што су пулс, температура и било који запис о већ постојећим здравственим проблемима. Иако се ове информације не односе директно на животно и здравствено осигурање, оне могу утицати на избор банкарских производа. На пример, потенцијална инфекција ЦОВИД-19 може сигнализирати потребу за хитном помоћи прекорачења или мала и средња предузећа која имају веће факторе ризика за отплату кредита и прекид пословања. У међувремену, за осигурање аутомобила, неке компаније користе телематичке податке (ГПС и сензоре) уместо традиционалног кредитног бодовања како би проценили који кандидати ће највероватније бити одговорни. 

Једна кључна тачка података у алтернативном кредитном бодовању је садржај друштвених медија. Ове мреже садрже импресивну количину података који могу бити корисни у разумевању вероватноће неке особе да отплати дугове. Ове информације су често тачније од онога што формални канали откривају. На пример, провера извода рачуна, онлајн постова и твитова дају увид у нечије навике потрошње и економску стабилност, што може помоћи предузећима да донесу боље одлуке. 

Импликације алтернативног кредитног бодовања

Шире импликације алтернативног кредитног бодовања могу укључивати: 

• Више нетрадиционалних услуга кредитног зајма подстакнуте отвореним банкарством и банкарством као услугом. Ове услуге могу помоћи онима који немају банку да ефикасније аплицирају за кредите.
• Све већа употреба интернета ствари и носивих уређаја за процену кредитног ризика, посебно података о здрављу и паметним кућама.
• Стартапи који користе услуге телефонских метаподатака за процену људи који немају банку да би понудили кредитне услуге.
• Биометрија се све више користи као алтернативни кредитни резултат, посебно у праћењу навика куповине.
• Више влада чини нетрадиционалне кредите приступачнијим и услужнијим. 
• Све већа забринутост због потенцијалног кршења приватности података, посебно за прикупљање биометријских података.

Питања која треба размотрити

• Који су потенцијални изазови у коришћењу алтернативних података о кредитном бодовању?
• Који други потенцијални подаци могу бити укључени у алтернативно оцјењивање кредита?