Alternatives Kredit-Scoring: Big Data nach Verbraucherinformationen durchsuchen

• Autor:
• Autorenname

  Quantumrun Foiresight
• 10. Oktober 2022

Zusammenfassung der Einblicke

Immer mehr Unternehmen nutzen alternative Kreditwürdigkeitsprüfungen, weil Verbraucher und Kreditgeber davon profitieren. Künstliche Intelligenz (KI), insbesondere maschinelles Lernen (ML), kann verwendet werden, um die Kreditwürdigkeit von Personen zu beurteilen, die keinen Zugang zu traditionellen Bankprodukten haben. Diese Methode betrachtet alternative Datenquellen wie Finanztransaktionen, Webverkehr, mobile Geräte und öffentliche Aufzeichnungen. Durch die Betrachtung anderer Datenpunkte hat alternatives Kredit-Scoring das Potenzial, die finanzielle Inklusion zu erhöhen und das Wirtschaftswachstum anzukurbeln.

Kontext der alternativen Bonitätsbewertung

Das traditionelle Kredit-Score-Modell ist für viele Menschen einschränkend und unzugänglich. Nach Angaben des Africa CEO Forum sind rund 57 Prozent der Afrikaner „kreditunsichtbar“, was bedeutet, dass ihnen ein Bankkonto oder eine Kreditwürdigkeit fehlt. Daher haben sie Schwierigkeiten, einen Kredit zu erhalten oder eine Kreditkarte zu erhalten. Personen, die keinen Zugang zu wesentlichen Finanzdienstleistungen wie Sparkonten, Kreditkarten oder persönlichen Schecks haben, gelten als ohne Bankverbindung (oder ohne Bankverbindung).

Laut Forbes benötigen diese Menschen ohne Bankkonto Zugang zu elektronischem Bargeld, eine Debitkarte und die Möglichkeit, umgehend an Geld zu kommen. Traditionelle Bankdienstleistungen schließen diese Gruppe jedoch in der Regel aus. Darüber hinaus haben der komplexe Papierkram und andere Anforderungen für herkömmliche Bankkredite dazu geführt, dass sich schutzbedürftige Gruppen an Kredithaie und Kurzzeitgläubiger wenden, die hohe Zinssätze verlangen.

Alternatives Kredit-Scoring kann der Bevölkerung ohne Bankkonto helfen, insbesondere in Entwicklungsländern, indem informellere (und oft genauere) Bewertungsmethoden in Betracht gezogen werden. Insbesondere können KI-Systeme eingesetzt werden, um große Mengen an Informationen aus verschiedenen Datenquellen zu scannen, wie z. B. Stromrechnungen, Mietzahlungen, Versicherungsunterlagen, Nutzung sozialer Medien, Beschäftigungshistorie, Reisehistorie, E-Commerce-Transaktionen sowie Regierungs- und Eigentumsunterlagen . Darüber hinaus können diese automatisierten Systeme dabei helfen, wiederkehrende Muster zu identifizieren, die zu Kreditrisiken führen, einschließlich der Unfähigkeit, Rechnungen zu bezahlen, Jobs zu lange zu behalten oder zu viele Konten auf E-Commerce-Plattformen zu eröffnen. Diese Überprüfungen konzentrieren sich auf das Verhalten eines Kreditnehmers und identifizieren Datenpunkte, die herkömmliche Methoden möglicherweise übersehen haben. 

Störende Wirkung

Neue Technologien sind ein Schlüsselfaktor für die beschleunigte Einführung alternativer Kreditwürdigkeitsprüfungen. Eine dieser Technologien umfasst Blockchain-Anwendungen aufgrund ihrer Fähigkeit, Kunden die Kontrolle über ihre Daten zu überlassen und Kreditanbietern dennoch die Möglichkeit zu geben, die Informationen zu überprüfen. Diese Funktion könnte Menschen helfen, mehr Kontrolle darüber zu haben, wie ihre persönlichen Daten gespeichert und weitergegeben werden.

Banken können auch das Internet der Dinge (IoT) nutzen, um ein detaillierteres Bild des Kreditrisikos auf allen Geräten zu erhalten; Dazu gehört das Sammeln von Echtzeit-Metadaten von Mobiltelefonen. Gesundheitsdienstleister können verschiedene gesundheitsbezogene Daten zu Bewertungszwecken beitragen, wie z. B. von Wearables gesammelte Daten wie Herzfrequenz, Temperatur und alle Aufzeichnungen über bereits bestehende Gesundheitsprobleme. Obwohl diese Informationen nicht direkt für Lebens- und Krankenversicherungen gelten, können sie die Produktauswahl von Banken beeinflussen. Beispielsweise könnte eine potenzielle COVID-19-Infektion die Notwendigkeit einer Notfallhilfe bei Überziehungskrediten oder kleine und mittlere Unternehmen mit höheren Risikofaktoren für die Kreditrückzahlung und Geschäftsunterbrechung signalisieren. In der Zwischenzeit verwenden einige Unternehmen für Autoversicherungen Telematikdaten (GPS und Sensoren) anstelle der traditionellen Kreditwürdigkeitsprüfung, um zu beurteilen, welche Kandidaten am wahrscheinlichsten haftbar sind. 

Ein wichtiger Datenpunkt beim alternativen Kredit-Scoring sind Social-Media-Inhalte. Diese Netzwerke enthalten eine beeindruckende Menge an Daten, die hilfreich sein können, um die Wahrscheinlichkeit einer Schuldenrückzahlung einer Person zu verstehen. Diese Informationen sind oft genauer als das, was formelle Kanäle offenbaren. Beispielsweise geben Kontoauszüge, Online-Posts und Tweets Einblicke in die Ausgabegewohnheiten und die wirtschaftliche Stabilität einer Person, was Unternehmen dabei helfen kann, bessere Entscheidungen zu treffen. 

Auswirkungen des alternativen Kredit-Scorings

Weitergehende Auswirkungen der alternativen Bonitätsbewertung können Folgendes umfassen: 

• Mehr nicht-traditionelle Kreditvergabedienste, die durch Open Banking und Banking-as-a-Service angetrieben werden. Diese Dienste können Personen ohne Bankkonto dabei helfen, Kredite effizienter zu beantragen.
• Der zunehmende Einsatz von IoT und Wearables zur Bewertung von Kreditrisiken, insbesondere von Gesundheits- und Smart-Home-Daten.
• Startups, die Telefon-Metadatendienste verwenden, um Personen ohne Bankkonto zu bewerten, damit sie Kreditdienste anbieten können.
• Biometrische Daten werden zunehmend als alternative Kreditscore-Daten verwendet, insbesondere bei der Überwachung von Einkaufsgewohnheiten.
• Mehr Regierungen, die nicht-traditionelle Kredite zugänglicher und nutzbarer machen. 
• Zunehmende Bedenken hinsichtlich potenzieller Datenschutzverletzungen, insbesondere bei der Erfassung biometrischer Daten.

Fragen zu berücksichtigen

• Was sind die potenziellen Herausforderungen bei der Verwendung alternativer Kredit-Scoring-Daten?
• Welche anderen potenziellen Datenpunkte können in das alternative Kredit-Scoring einbezogen werden?