Puntuació de crèdit alternativa: recerca de grans dades per obtenir informació del consumidor

• autor:
• nom de l'autor

  Quantumrun Foiresight
• Octubre 10, 2022

Resum d'informació

Més empreses estan utilitzant una puntuació de crèdit alternativa perquè beneficia els consumidors i els prestadors. La intel·ligència artificial (IA), concretament l'aprenentatge automàtic (ML), es pot utilitzar per avaluar la solvència de les persones que no tenen accés als productes bancaris tradicionals. Aquest mètode analitza fonts de dades alternatives, com ara transaccions financeres, trànsit web, dispositius mòbils i registres públics. En analitzar altres punts de dades, la puntuació creditícia alternativa té el potencial d'augmentar la inclusió financera i impulsar el creixement econòmic.

Context alternatiu de puntuació de crèdit

El model de puntuació de crèdit tradicional és limitant i inaccessible per a moltes persones. Segons dades del Fòrum de CEO d'Àfrica, al voltant del 57% dels africans són "crèdits invisibles", la qual cosa significa que no tenen un compte bancari o una puntuació de crèdit. Com a resultat, tenen dificultats per assegurar-se un préstec o per obtenir una targeta de crèdit. Les persones que no tenen accés a serveis financers essencials, com ara comptes d'estalvi, targetes de crèdit o xecs personals, es consideren no bancàries (o insuficients).

Segons Forbes, aquestes persones no bancàries necessiten accés electrònic a diners en efectiu, una targeta de dèbit i la possibilitat d'obtenir diners ràpidament. Tanmateix, els serveis bancaris tradicionals solen excloure aquest grup. A més, la complexa documentació i altres requisits per als préstecs bancaris convencionals han fet que els grups vulnerables es recorren a usurors i creditors de pagament que imposen tipus d'interès elevats.

La puntuació de crèdit alternativa pot ajudar la població no bancària, especialment a les nacions en desenvolupament, considerant mitjans d'avaluació més informals (i sovint més precisos). En particular, els sistemes d'IA es poden aplicar per escanejar grans volums d'informació de diverses fonts de dades, com ara factures de serveis públics, pagaments de lloguer, registres d'assegurances, ús de xarxes socials, historial laboral, historial de viatges, transaccions de comerç electrònic i registres governamentals i de propietat. . A més, aquests sistemes automatitzats poden ajudar a identificar patrons recurrents que es tradueixen en risc de crèdit, inclosa la incapacitat de pagar factures o mantenir feina durant massa temps, o obrir massa comptes a les plataformes de comerç electrònic. Aquestes comprovacions se centren en el comportament d'un prestatari i identifiquen punts de dades que els mètodes tradicionals podrien haver perdut. 

Impacte disruptiu

Les tecnologies emergents són un factor clau per accelerar l'adopció de la puntuació creditícia alternativa. Una d'aquestes tecnologies inclou aplicacions blockchain a causa de la seva capacitat per permetre als clients controlar les seves dades alhora que permet als proveïdors de crèdit verificar la informació. Aquesta funció podria ajudar les persones a tenir més control de com s'emmagatzema i comparteix la seva informació personal.

Els bancs també poden utilitzar l'Internet de les coses (IoT) per obtenir una imatge més detallada del risc de crèdit a través dels dispositius; això inclou la recollida de metadades en temps real dels telèfons mòbils. Els proveïdors d'assistència sanitària poden aportar diverses dades relacionades amb la salut amb finalitats de puntuació, com ara dades recollides a partir de dispositius portàtils com la freqüència cardíaca, la temperatura i qualsevol registre de problemes de salut preexistents. Tot i que aquesta informació no s'aplica directament a l'assegurança de vida i salut, pot informar sobre les opcions de productes bancaris. Per exemple, una possible infecció per COVID-19 pot indicar la necessitat d'assistència per descoberts d'emergència o que les petites i mitjanes empreses tinguin factors de risc més alts per a l'amortització del préstec i la interrupció del negoci. Mentrestant, per a l'assegurança d'automòbil, algunes empreses utilitzen dades telemàtiques (GPS i sensors) en lloc de la puntuació de crèdit tradicional per avaluar quins candidats tenen més probabilitats de ser responsables. 

Un punt de dades clau en la puntuació de crèdit alternativa és el contingut de les xarxes socials. Aquestes xarxes contenen una quantitat impressionant de dades que poden ser útils per entendre la probabilitat d'una persona de pagar els deutes. Aquesta informació sovint és més precisa que la que revelen els canals formals. Per exemple, comprovar els extractes del compte, les publicacions en línia i els tuits donen informació sobre els hàbits de despesa i l'estabilitat econòmica d'algú, cosa que pot ajudar les empreses a prendre millors decisions. 

Implicacions de la puntuació creditícia alternativa

Les implicacions més àmplies de la puntuació de crèdit alternativa poden incloure: 

• Més serveis de préstec de crèdit no tradicionals impulsats per la banca oberta i la banca com a servei. Aquests serveis poden ajudar els no bancaris a sol·licitar préstecs de manera més eficient.
• L'ús creixent de l'IoT i els wearables per avaluar el risc de crèdit, especialment les dades de salut i llars intel·ligents.
• Startups que utilitzen serveis de metadades telefòniques per avaluar persones no bancàries per oferir serveis de crèdit.
• La biometria s'utilitza cada cop més com a dades de puntuació de crèdit alternativa, especialment en el seguiment dels hàbits de compra.
• Més governs fan que el crèdit no tradicional sigui més accessible i útil. 
• Creixent les preocupacions sobre possibles violacions de la privadesa de les dades, especialment per a la recollida de dades biomètriques.

Preguntes a tenir en compte

• Quins són els possibles reptes a l'hora d'utilitzar dades alternatives de puntuació de crèdit?
• Quins altres punts de dades potencials es poden incloure en la puntuació de crèdit alternativa?