امتیازدهی اعتباری جایگزین: جستجوی کلان داده ها برای اطلاعات مصرف کننده

• نویسنده:
• نام نویسنده

  Quantumrun Foiresight
• اکتبر 10، 2022

خلاصه بینش

شرکت های بیشتری از امتیازدهی اعتباری جایگزین استفاده می کنند زیرا به نفع مصرف کنندگان و وام دهندگان است. هوش مصنوعی (AI)، به ویژه یادگیری ماشین (ML)، می تواند برای ارزیابی اعتبار افرادی که به محصولات بانکداری سنتی دسترسی ندارند، استفاده شود. این روش به منابع داده جایگزین مانند تراکنش های مالی، ترافیک وب، دستگاه های تلفن همراه و سوابق عمومی نگاه می کند. با نگاهی به سایر نقاط داده، امتیازدهی اعتباری جایگزین این پتانسیل را دارد که شمول مالی را افزایش دهد و رشد اقتصادی را هدایت کند.

زمینه امتیازدهی اعتباری جایگزین

مدل امتیاز اعتباری سنتی برای بسیاری از افراد محدود و غیرقابل دسترسی است. طبق داده‌های انجمن مدیر عامل آفریقا، حدود 57 درصد از آفریقایی‌ها «اعتبار نامرئی» هستند، به این معنی که فاقد حساب بانکی یا امتیاز اعتباری هستند. در نتیجه، آنها در تأمین وام یا دریافت کارت اعتباری با مشکل مواجه می شوند. افرادی که به خدمات مالی ضروری مانند حساب‌های پس‌انداز، کارت‌های اعتباری یا چک‌های شخصی دسترسی ندارند، فاقد بانک (یا فاقد بانک) در نظر گرفته می‌شوند.

به گفته فوربس، این افراد بدون بانک نیاز به دسترسی الکترونیکی به پول نقد، کارت نقدی و توانایی دریافت سریع پول دارند. با این حال، خدمات بانکداری سنتی معمولاً این گروه را حذف می کنند. علاوه بر این، اوراق اداری پیچیده و سایر الزامات وام‌های بانکی متعارف منجر به روی آوردن گروه‌های آسیب‌پذیر به قرض‌الحسنه‌ها و طلبکارانی شده است که نرخ‌های بهره بالا را تحمیل می‌کنند.

امتیازدهی اعتباری جایگزین می‌تواند با در نظر گرفتن ابزارهای ارزیابی غیررسمی‌تر (و اغلب دقیق‌تر) به جمعیت بدون بانک، به ویژه در کشورهای در حال توسعه کمک کند. به طور خاص، سیستم‌های هوش مصنوعی می‌توانند برای اسکن حجم زیادی از اطلاعات از منابع داده‌های مختلف، مانند صورت‌حساب‌های آب و برق، پرداخت‌های اجاره، سوابق بیمه، استفاده از رسانه‌های اجتماعی، تاریخچه اشتغال، سابقه سفر، تراکنش‌های تجارت الکترونیک، و سوابق دولتی و دارایی استفاده شوند. . به‌علاوه، این سیستم‌های خودکار می‌توانند به شناسایی الگوهای تکرارشونده‌ای که به ریسک اعتباری تبدیل می‌شوند، از جمله ناتوانی در پرداخت صورت‌حساب یا حفظ مشاغل برای مدت طولانی، یا باز کردن حساب‌های بیش از حد در پلتفرم‌های تجارت الکترونیک کمک کنند. این بررسی‌ها بر رفتار وام‌گیرنده تمرکز می‌کنند و نقاط داده‌ای را که ممکن است روش‌های سنتی از دست داده باشند، شناسایی می‌کنند. 

تاثیر مخرب

فناوری های نوظهور یک عامل کلیدی در تسریع پذیرش امتیازدهی اعتباری جایگزین هستند. یکی از این فناوری‌ها شامل برنامه‌های بلاک‌چین می‌شود، زیرا این امکان را دارد که مشتریان داده‌های خود را کنترل کنند و در عین حال به ارائه‌دهندگان اعتبار اجازه می‌دهد تا اطلاعات را تأیید کنند. این ویژگی می تواند به افراد کمک کند که کنترل بیشتری بر نحوه ذخیره و اشتراک گذاری اطلاعات شخصی خود داشته باشند.

بانک ها همچنین می توانند از اینترنت اشیا (IoT) برای تصویر دقیق تری از ریسک اعتباری در دستگاه ها استفاده کنند. این شامل جمع آوری ابرداده های بلادرنگ از تلفن های همراه است. ارائه‌دهندگان خدمات بهداشتی می‌توانند داده‌های مرتبط با سلامتی مختلف را برای اهداف امتیازدهی ارائه دهند، مانند داده‌های جمع‌آوری‌شده از ابزارهای پوشیدنی مانند ضربان قلب، دما، و هرگونه سابقه مشکلات سلامتی از قبل موجود. در حالی که این اطلاعات مستقیماً در مورد بیمه عمر و سلامت صدق نمی کند، ممکن است انتخاب محصول بانک را مطلع کند. به عنوان مثال، یک عفونت بالقوه COVID-19 ممکن است نشان دهنده نیاز به کمک های اضافه برداشت اضطراری باشد یا شرکت های کوچک و متوسط ​​دارای عوامل خطر بالاتر برای بازپرداخت وام و اختلال در تجارت هستند. در همین حال، برای بیمه خودرو، برخی از شرکت‌ها از داده‌های تله‌ماتیک (GPS و حسگرها) به‌جای امتیازدهی اعتباری سنتی استفاده می‌کنند تا ارزیابی کنند که کدام کاندیداها احتمالاً مسئول هستند. 

یک نقطه داده کلیدی در امتیازدهی اعتباری جایگزین، محتوای رسانه های اجتماعی است. این شبکه ها حجم قابل توجهی از داده ها را در خود جای می دهند که می تواند در درک احتمال بازپرداخت بدهی های افراد مفید باشد. این اطلاعات اغلب دقیق تر از آن چیزی است که کانال های رسمی فاش می کنند. به عنوان مثال، بررسی صورت‌های حساب، پست‌های آنلاین و توییت‌ها بینش‌هایی در مورد عادات خرج کردن و ثبات اقتصادی افراد می‌دهد، که می‌تواند به کسب‌وکارها در تصمیم‌گیری بهتر کمک کند. 

پیامدهای امتیازدهی اعتباری جایگزین

پیامدهای گسترده تر امتیازدهی اعتباری جایگزین ممکن است شامل موارد زیر باشد: 

• خدمات وام‌دهی غیرسنتی بیشتر با بانکداری باز و بانکداری به‌عنوان یک خدمت تقویت می‌شود. این خدمات ممکن است به افراد بدون بانک کمک کند تا به طور کارآمدتر برای وام اقدام کنند.
• استفاده روزافزون از اینترنت اشیا و ابزارهای پوشیدنی برای ارزیابی ریسک اعتباری، به ویژه داده های سلامت و خانه هوشمند.
• استارت‌آپ‌هایی که از خدمات فراداده تلفن برای ارزیابی افراد بدون بانک برای ارائه خدمات اعتباری استفاده می‌کنند.
• بیومتریک به طور فزاینده ای به عنوان داده های امتیاز اعتباری جایگزین، به ویژه در نظارت بر عادات خرید استفاده می شود.
• دولت های بیشتری اعتبار غیرسنتی را در دسترس تر و قابل استفاده تر می کنند. 
• افزایش نگرانی ها در مورد نقض احتمالی حریم خصوصی داده ها، به ویژه برای جمع آوری داده های بیومتریک.

سوالاتی که باید در نظر گرفته شود

• چالش های بالقوه در استفاده از داده های امتیازدهی اعتباری جایگزین چیست؟
• سایر نقاط داده بالقوه را می توان در امتیازدهی اعتباری جایگزین گنجاند؟