Alternatibong credit scoring: Pag-scoring ng malaking data para sa impormasyon ng consumer

• May-akda:
• pangalan Author

  Quantumrun Foiresight
• Oktubre 10, 2022

Buod ng pananaw

Mas maraming kumpanya ang gumagamit ng alternatibong credit scoring dahil nakikinabang ito sa mga consumer at nagpapahiram. Maaaring gamitin ang artificial intelligence (AI), partikular ang machine learning (ML), para masuri ang pagiging credit ng mga taong walang access sa mga tradisyonal na produkto ng pagbabangko. Tinitingnan ng paraang ito ang mga alternatibong pinagmumulan ng data tulad ng mga transaksyong pinansyal, trapiko sa web, mga mobile device, at mga pampublikong tala. Sa pamamagitan ng pagtingin sa iba pang mga punto ng data, ang alternatibong credit scoring ay may potensyal na pataasin ang pagsasama sa pananalapi at humimok ng paglago ng ekonomiya.

Alternatibong konteksto ng credit scoring

Ang tradisyonal na modelo ng credit score ay nililimitahan at hindi naa-access para sa maraming tao. Ayon sa data mula sa Africa CEO Forum, humigit-kumulang 57 porsiyento ng mga Aprikano ay "hindi nakikita ng kredito," na nangangahulugang kulang sila ng bank account o credit score. Dahil dito, nahihirapan silang mag-secure ng loan o makakuha ng credit card. Ang mga indibidwal na walang access sa mahahalagang serbisyo sa pananalapi gaya ng mga savings account, credit card, o mga personal na tseke ay itinuturing na hindi naka-banko (o underbanked).

Ayon sa Forbes, ang mga taong ito na hindi naka-banko ay nangangailangan ng electronic cash access, isang debit card, at ang kakayahang makakuha ng pera kaagad. Gayunpaman, ang mga tradisyonal na serbisyo sa pagbabangko ay karaniwang hindi kasama ang pangkat na ito. Bilang karagdagan, ang kumplikadong mga papeles at iba pang mga kinakailangan para sa mga karaniwang pautang sa bangko ay nagresulta sa mga mahihinang grupo na bumaling sa mga loan shark at payday creditors na nagpapataw ng mataas na mga rate ng interes.

Ang alternatibong credit scoring ay maaaring makatulong sa hindi nabangko na populasyon, lalo na sa mga umuunlad na bansa, sa pamamagitan ng pagsasaalang-alang sa mas impormal (at kadalasang mas tumpak) na paraan ng pagsusuri. Sa partikular, maaaring ilapat ang mga AI system upang mag-scan ng malalaking volume ng impormasyon mula sa magkakaibang mga pinagmumulan ng data, tulad ng mga utility bill, pagbabayad ng upa, mga rekord ng insurance, paggamit ng social media, kasaysayan ng trabaho, kasaysayan ng paglalakbay, mga transaksyon sa e-commerce, at mga talaan ng gobyerno at ari-arian . Bukod pa rito, makakatulong ang mga automated na system na ito na matukoy ang mga umuulit na pattern na nagsasalin sa panganib sa kredito, kabilang ang kawalan ng kakayahang magbayad ng mga bill o humawak ng mga trabaho nang napakatagal, o pagbubukas ng masyadong maraming account sa mga platform ng e-commerce. Nakatuon ang mga pagsusuring ito sa gawi ng isang nagpapahiram at tinutukoy ang mga punto ng data na maaaring napalampas ng mga tradisyonal na pamamaraan. 

Nakakagambalang epekto

Ang mga umuusbong na teknolohiya ay isang pangunahing salik sa pagpapabilis ng pag-aampon ng alternatibong credit scoring. Kabilang sa isang naturang teknolohiya ang mga application ng blockchain dahil sa kakayahan nitong hayaan ang mga customer na kontrolin ang kanilang data habang pinapayagan pa rin ang mga credit provider na i-verify ang impormasyon. Ang tampok na ito ay maaaring makatulong sa mga tao na makaramdam ng higit na kontrol sa kung paano iniimbak at ibinabahagi ang kanilang personal na impormasyon.

Magagamit din ng mga bangko ang Internet of Things (IoT) para sa isang mas detalyadong larawan ng panganib sa kredito sa mga device; kabilang dito ang pagkolekta ng real-time na metadata mula sa mga mobile phone. Maaaring mag-ambag ang mga provider ng pangangalagang pangkalusugan ng iba't ibang data na nauugnay sa kalusugan para sa mga layunin ng pagmamarka, tulad ng data na nakolekta mula sa mga naisusuot tulad ng tibok ng puso, temperatura, at anumang talaan ng mga dati nang isyu sa kalusugan. Bagama't hindi direktang nalalapat ang impormasyong ito sa seguro sa buhay at kalusugan, maaari nitong ipaalam ang mga pagpipilian sa produkto ng bangko. Halimbawa, ang isang potensyal na impeksyon sa COVID-19 ay maaaring magpahiwatig ng pangangailangan para sa emergency overdraft na tulong o mga maliliit at katamtamang negosyo na may mas mataas na mga kadahilanan sa panganib para sa pagbabayad ng utang at pagkagambala sa negosyo. Samantala, para sa insurance ng sasakyan, ang ilang kumpanya ay gumagamit ng data ng telematics (GPS at mga sensor) sa halip na tradisyonal na credit scoring upang masuri kung sinong mga kandidato ang pinakamalamang na mananagot. 

Ang isang mahalagang punto ng data sa alternatibong credit scoring ay ang nilalaman ng social media. Ang mga network na ito ay nagtataglay ng kahanga-hangang dami ng data na maaaring maging kapaki-pakinabang sa pag-unawa sa posibilidad ng isang tao na magbayad ng mga utang. Ang impormasyong ito ay madalas na mas tumpak kaysa sa kung ano ang ipinapakita ng mga pormal na channel. Halimbawa, ang pagsuri sa mga statement ng account, online na post, at tweet ay nagbibigay ng mga insight sa mga gawi sa paggastos at katatagan ng ekonomiya ng isang tao, na makakatulong sa mga negosyo na gumawa ng mas mahusay na mga desisyon. 

Mga implikasyon ng alternatibong credit scoring

Maaaring kabilang sa mas malawak na implikasyon ng alternatibong credit scoring ang: 

• Higit pang mga hindi tradisyunal na serbisyo sa pagpapahiram ng kredito na pinalakas ng bukas na pagbabangko at pagbabangko-bilang-isang-serbisyo. Ang mga serbisyong ito ay maaaring makatulong sa mga hindi naka-banko na mag-aplay para sa mga pautang nang mas mahusay.
• Ang dumaraming paggamit ng IoT at mga naisusuot upang masuri ang panganib sa kredito, partikular na ang data sa kalusugan at smart home.
• Mga startup na gumagamit ng mga serbisyo ng metadata ng telepono upang suriin ang mga taong hindi naka-banko upang mag-alok ng mga serbisyo ng kredito.
• Ang biometrics ay lalong ginagamit bilang alternatibong data ng credit score, partikular sa pagsubaybay sa mga gawi sa pamimili.
• Mas maraming pamahalaan na ginagawang mas madaling naa-access at magagamit ang hindi tradisyonal na kredito. 
• Dumarami ang mga alalahanin tungkol sa mga potensyal na paglabag sa privacy ng data, partikular para sa biometric data collection.

Mga katanungang dapat isaalang-alang

• Ano ang mga potensyal na hamon sa paggamit ng alternatibong data ng pagmamarka ng kredito?
• Ano ang maaaring isama ng iba pang potensyal na data point sa alternatibong credit scoring?