वैकल्पिक क्रेडिट स्कोरिंग: उपभोक्ता की जानकारी के लिए बड़ा डेटा खंगालना

छवि क्रेडिट:
छवि क्रेडिट
iStock

वैकल्पिक क्रेडिट स्कोरिंग: उपभोक्ता की जानकारी के लिए बड़ा डेटा खंगालना

वैकल्पिक क्रेडिट स्कोरिंग: उपभोक्ता की जानकारी के लिए बड़ा डेटा खंगालना

उपशीर्षक पाठ
वैकल्पिक क्रेडिट स्कोरिंग कृत्रिम बुद्धिमत्ता (एआई), टेलीमैटिक्स और अधिक डिजिटल अर्थव्यवस्था की बदौलत अधिक मुख्यधारा बन रही है।
    • लेखक:
    • लेखक का नाम
      क्वांटमरन दूरदर्शिता
    • अक्टूबर 10

    पाठ पोस्ट करें

    अधिक कंपनियां वैकल्पिक क्रेडिट स्कोरिंग का उपयोग कर रही हैं क्योंकि इससे उपभोक्ताओं और उधारदाताओं को लाभ होता है। आर्टिफिशियल इंटेलिजेंस (एआई), विशेष रूप से मशीन लर्निंग (एमएल) का उपयोग उन लोगों की साख का आकलन करने के लिए किया जा सकता है, जिनके पास पारंपरिक बैंकिंग उत्पादों तक पहुंच नहीं है। यह विधि वैकल्पिक डेटा स्रोतों जैसे वित्तीय लेनदेन, वेब ट्रैफ़िक, मोबाइल उपकरणों और सार्वजनिक रिकॉर्ड को देखती है। अन्य डेटा बिंदुओं को देखते हुए, वैकल्पिक क्रेडिट स्कोरिंग में वित्तीय समावेशन को बढ़ाने और आर्थिक विकास को गति देने की क्षमता है।

    वैकल्पिक क्रेडिट स्कोरिंग संदर्भ

    पारंपरिक क्रेडिट स्कोर मॉडल कई लोगों के लिए सीमित और दुर्गम है। अफ्रीका सीईओ फोरम के आंकड़ों के अनुसार, लगभग 57 प्रतिशत अफ्रीकी "क्रेडिट अदृश्य" हैं, जिसका अर्थ है कि उनके पास बैंक खाते या क्रेडिट स्कोर की कमी है। नतीजतन, उन्हें ऋण हासिल करने या क्रेडिट कार्ड प्राप्त करने में कठिनाई होती है। जिन व्यक्तियों के पास बचत खाते, क्रेडिट कार्ड या व्यक्तिगत चेक जैसी आवश्यक वित्तीय सेवाओं तक पहुंच नहीं है, उन्हें बैंक रहित (या कम बैंकिंग सुविधा वाला) माना जाता है। फोर्ब्स के अनुसार, इन बैंक रहित लोगों को इलेक्ट्रॉनिक कैश एक्सेस, डेबिट कार्ड और तुरंत धन प्राप्त करने की क्षमता की आवश्यकता होती है। हालांकि, पारंपरिक बैंकिंग सेवाएं आमतौर पर इस समूह को बाहर करती हैं। इसके अलावा, पारंपरिक बैंक ऋणों के लिए जटिल कागजी कार्रवाई और अन्य आवश्यकताओं के परिणामस्वरूप कमजोर समूह ऋण शार्क और वेतन-दिवस लेनदारों की ओर मुड़ गए हैं जो उच्च-ब्याज दरें लगाते हैं।

    वैकल्पिक क्रेडिट स्कोरिंग मूल्यांकन के अधिक अनौपचारिक (और अक्सर अधिक सटीक) साधनों पर विचार करके, विशेष रूप से विकासशील देशों में बैंक रहित आबादी की मदद कर सकता है। विशेष रूप से, एआई सिस्टम को विभिन्न डेटा स्रोतों से बड़ी मात्रा में जानकारी स्कैन करने के लिए लागू किया जा सकता है, जैसे उपयोगिता बिल, किराया भुगतान, बीमा रिकॉर्ड, सोशल मीडिया उपयोग, रोजगार इतिहास, यात्रा इतिहास, ई-कॉमर्स लेनदेन, और सरकार और संपत्ति रिकॉर्ड। . इसके अतिरिक्त, ये स्वचालित प्रणालियां उन आवर्ती पैटर्न की पहचान करने में मदद कर सकती हैं जो क्रेडिट जोखिम में अनुवाद करते हैं, जिसमें बिलों का भुगतान करने में असमर्थता या बहुत लंबे समय तक नौकरी रखने या ई-कॉमर्स प्लेटफॉर्म पर बहुत सारे खाते खोलना शामिल है। ये चेक एक ऋणी के व्यवहार पर ध्यान केंद्रित करते हैं और उन डेटा बिंदुओं की पहचान करते हैं जो पारंपरिक तरीकों से छूट गए होंगे। 

    विघटनकारी प्रभाव

    वैकल्पिक क्रेडिट स्कोरिंग को अपनाने में तेजी लाने के लिए उभरती प्रौद्योगिकियां एक महत्वपूर्ण कारक हैं। ऐसी ही एक तकनीक में ब्लॉकचैन एप्लिकेशन शामिल हैं जो ग्राहकों को अपने डेटा को नियंत्रित करने की क्षमता के कारण क्रेडिट प्रदाताओं को जानकारी सत्यापित करने की अनुमति देते हैं। यह सुविधा लोगों को यह महसूस करने में मदद कर सकती है कि उनकी व्यक्तिगत जानकारी कैसे संग्रहीत और साझा की जाती है।

    सभी उपकरणों में क्रेडिट जोखिम की अधिक विस्तृत तस्वीर के लिए बैंक इंटरनेट ऑफ थिंग्स (IoT) का भी उपयोग कर सकते हैं; इसमें मोबाइल फोन से रीयल-टाइम मेटाडेटा एकत्र करना शामिल है। हेल्थकेयर प्रदाता स्कोरिंग उद्देश्यों के लिए विभिन्न स्वास्थ्य संबंधी डेटा का योगदान कर सकते हैं, जैसे कि हृदय गति, तापमान, और पहले से मौजूद स्वास्थ्य समस्याओं के किसी भी रिकॉर्ड से एकत्र किए गए डेटा। हालांकि यह जानकारी सीधे जीवन और स्वास्थ्य बीमा पर लागू नहीं होती है, यह बैंक उत्पाद विकल्पों को सूचित कर सकती है। उदाहरण के लिए, एक संभावित COVID-19 संक्रमण आपातकालीन ओवरड्राफ्ट सहायता या ऋण चुकौती और व्यावसायिक व्यवधान के लिए उच्च जोखिम वाले छोटे और मध्यम उद्यमों की आवश्यकता का संकेत दे सकता है। इस बीच, कार बीमा के लिए, कुछ कंपनियां पारंपरिक क्रेडिट स्कोरिंग के बजाय टेलीमैटिक्स डेटा (जीपीएस और सेंसर) का उपयोग करती हैं ताकि यह आकलन किया जा सके कि कौन से उम्मीदवार सबसे अधिक उत्तरदायी हैं। 

    वैकल्पिक क्रेडिट स्कोरिंग में एक प्रमुख डेटा बिंदु सोशल मीडिया सामग्री है। इन नेटवर्कों में प्रभावशाली मात्रा में डेटा होता है जो किसी व्यक्ति की ऋण चुकाने की संभावना को समझने में उपयोगी हो सकता है। औपचारिक चैनलों द्वारा प्रकट की जाने वाली जानकारी की तुलना में यह जानकारी अक्सर अधिक सटीक होती है। उदाहरण के लिए, अकाउंट स्टेटमेंट, ऑनलाइन पोस्ट और ट्वीट्स की जांच से किसी की खर्च करने की आदतों और आर्थिक स्थिरता के बारे में जानकारी मिलती है, जिससे व्यवसायों को बेहतर निर्णय लेने में मदद मिल सकती है। 

    वैकल्पिक क्रेडिट स्कोरिंग के निहितार्थ

    वैकल्पिक क्रेडिट स्कोरिंग के व्यापक निहितार्थों में शामिल हो सकते हैं: 

    • ओपन बैंकिंग और बैंकिंग-एज़-ए-सर्विस द्वारा संचालित अधिक गैर-पारंपरिक ऋण ऋण सेवाएं। ये सेवाएं बैंक रहित लोगों को अधिक कुशलता से ऋण के लिए आवेदन करने में मदद कर सकती हैं।
    • क्रेडिट जोखिम, विशेष रूप से स्वास्थ्य और स्मार्ट होम डेटा का आकलन करने के लिए IoT और वियरेबल्स का बढ़ता उपयोग।
    • फोन मेटाडेटा सेवाओं का उपयोग करने वाले स्टार्टअप बिना बैंक वाले लोगों को क्रेडिट सेवाएं प्रदान करने का आश्वासन देते हैं।
    • वैकल्पिक क्रेडिट स्कोर डेटा के रूप में बायोमेट्रिक्स का तेजी से उपयोग किया जा रहा है, खासकर खरीदारी की आदतों की निगरानी में।
    • गैर-पारंपरिक ऋण को अधिक सुलभ और सेवा योग्य बनाने वाली अधिक सरकारें। 
    • संभावित डेटा गोपनीयता उल्लंघनों के बारे में बढ़ती चिंताएं, विशेष रूप से बायोमेट्रिक डेटा संग्रह के लिए।

    टिप्पणी करने के लिए प्रश्न

    • वैकल्पिक क्रेडिट स्कोरिंग डेटा का उपयोग करने में संभावित चुनौतियां क्या हैं?
    • वैकल्पिक क्रेडिट स्कोरिंग में अन्य संभावित डेटा बिंदुओं को क्या शामिल किया जा सकता है?

    अंतर्दृष्टि संदर्भ

    इस अंतर्दृष्टि के लिए निम्नलिखित लोकप्रिय और संस्थागत लिंक संदर्भित किए गए थे: