Aðrar lánshæfiseinkunn: Skoða stór gögn til að fá upplýsingar um neytendur

MYNDAGREIÐSLA:
Image inneign
iStock

Aðrar lánshæfiseinkunn: Skoða stór gögn til að fá upplýsingar um neytendur

Aðrar lánshæfiseinkunn: Skoða stór gögn til að fá upplýsingar um neytendur

Texti undirfyrirsagna
Önnur lánshæfiseinkunn er að verða almennari þökk sé gervigreind (AI), fjarskiptatækni og stafrænara hagkerfi.
    • Höfundur:
    • Höfundur nafn
      Quantumrun Foiresight
    • Október 10, 2022

    Senda texta

    Fleiri fyrirtæki nota aðra lánshæfiseinkunn vegna þess að það gagnast neytendum og lánveitendum. Gervigreind (AI), sérstaklega vélanám (ML), er hægt að nota til að meta lánstraust fólks sem hefur ekki aðgang að hefðbundnum bankavörum. Þessi aðferð lítur á aðra gagnagjafa eins og fjárhagsfærslur, vefumferð, farsíma og opinberar skrár. Með því að skoða aðra gagnapunkta hefur önnur lánshæfiseinkunn möguleika á að auka fjárhagslega þátttöku og knýja fram hagvöxt.

    Annað lánstraust samhengi

    Hefðbundið lánshæfismatslíkan er takmarkandi og óaðgengilegt fyrir marga. Samkvæmt upplýsingum frá Africa CEO Forum eru um 57 prósent Afríkubúa „ósýnilegt lánstraust“ sem þýðir að þá skortir bankareikning eða lánstraust. Þess vegna eiga þeir í erfiðleikum með að tryggja sér lán eða fá kreditkort. Einstaklingar sem ekki hafa aðgang að nauðsynlegri fjármálaþjónustu eins og sparireikningum, kreditkortum eða persónulegum ávísunum eru taldir óbankaðir (eða undirbankaðir). Samkvæmt Forbes þarf þetta óbankaða fólk rafrænan reiðufjáraðgang, debetkort og getu til að fá peninga tafarlaust. Hins vegar útilokar hefðbundin bankaþjónusta venjulega þennan hóp. Auk þess hafa flókin pappírsvinna og aðrar kröfur sem gerðar eru til hefðbundinna bankalána leitt til þess að viðkvæmir hópar hafa snúið sér til lánahákarla og útborgunarkröfuhafa sem setja háa vexti.

    Aðrir lánshæfiseinkunnir geta hjálpað óbankalausum íbúum, sérstaklega í þróunarríkjum, með því að íhuga óformlegri (og oft nákvæmari) matsaðferðir. Sérstaklega er hægt að beita gervigreindarkerfum til að skanna mikið magn upplýsinga frá ýmsum gagnaveitum, svo sem rafveitureikninga, leigugreiðslur, tryggingarskrár, notkun samfélagsmiðla, atvinnusögu, ferðasögu, rafræn viðskipti og ríkis- og eignaskrár. . Að auki geta þessi sjálfvirku kerfi hjálpað til við að bera kennsl á endurtekið mynstur sem þýða útlánaáhættu, þar á meðal vanhæfni til að borga reikninga eða halda störfum of lengi, eða opna of marga reikninga á rafrænum viðskiptakerfum. Þessar athuganir beinast að hegðun lántaka og auðkenna gagnapunkta sem hefðbundnar aðferðir gætu hafa misst af. 

    Truflandi áhrif

    Ný tækni er lykilatriði í því að flýta fyrir upptöku annarra lánstrausts. Ein slík tækni felur í sér blockchain forrit vegna getu þess til að leyfa viðskiptavinum að stjórna gögnum sínum en samt leyfa lánveitendum að sannreyna upplýsingarnar. Þessi eiginleiki gæti hjálpað fólki að finna meiri stjórn á því hvernig persónuupplýsingum þeirra er geymt og deilt.

    Bankar geta einnig notað Internet of Things (IoT) til að fá ítarlegri mynd af útlánaáhættu milli tækja; þetta felur í sér að safna rauntíma lýsigögnum úr farsímum. Heilbrigðisstarfsmenn geta lagt fram ýmis heilsutengd gögn í stigaskyni, svo sem gögnum sem safnað er úr klæðnaði eins og hjartsláttartíðni, hitastig og hvers kyns skrá yfir heilsufarsvandamál sem fyrir eru. Þó að þessar upplýsingar eigi ekki beint við um líf- og sjúkratryggingar, gætu þær upplýst vöruval banka. Til dæmis gæti hugsanleg COVID-19 sýking bent til þess að þörf sé á neyðaraðstoð við yfirdrátt eða lítil og meðalstór fyrirtæki með hærri áhættuþætti fyrir endurgreiðslu lána og truflun á rekstri. Á sama tíma, fyrir bílatryggingar, nota sum fyrirtæki fjarskiptagögn (GPS og skynjara) í stað hefðbundins lánstrausts til að meta hvaða umsækjendur eru líklegastir til að bera ábyrgð. 

    Einn lykilgagnapunktur í öðrum lánshæfiseinkunn er efni á samfélagsmiðlum. Þessi net geyma glæsilegt magn af gögnum sem geta verið gagnleg til að skilja líkurnar á að einstaklingur greiði niður skuldir. Þessar upplýsingar eru oft nákvæmari en það sem formlegar leiðir sýna. Til dæmis gefur það að skoða reikningsyfirlit, færslur á netinu og tíst innsýn í eyðsluvenjur og efnahagslegan stöðugleika einhvers, sem getur hjálpað fyrirtækjum að taka betri ákvarðanir. 

    Afleiðingar annarrar lánshæfiseinkunnar

    Víðtækari áhrif annarra lánstrausts geta verið: 

    • Óhefðbundnari lánaþjónustu sem er knúin áfram af opnum banka og bankastarfsemi sem þjónustu. Þessi þjónusta getur hjálpað þeim sem ekki eru í banka að sækja um lán á skilvirkari hátt.
    • Aukin notkun IoT og wearables til að meta útlánaáhættu, sérstaklega heilsufars- og snjallheimilisgögn.
    • Sprotafyrirtæki sem nota lýsigagnaþjónustu síma til að meta óbankað fólk til að bjóða upp á lánaþjónustu.
    • Líffræðileg tölfræði er í auknum mæli notuð sem önnur lánshæfismatsgögn, sérstaklega við að fylgjast með verslunarvenjum.
    • Fleiri stjórnvöld gera óhefðbundið lánsfé aðgengilegra og þjónustuvænlegra. 
    • Vaxandi áhyggjur af hugsanlegum brotum á persónuvernd gagna, sérstaklega fyrir söfnun líffræðilegra tölfræðigagna.

    Spurningar til að tjá sig um

    • Hverjar eru hugsanlegar áskoranir við að nota önnur lánshæfismatsgögn?
    • Hvað geta aðrir mögulegir gagnapunktar verið með í vali á lánshæfiseinkunn?

    Innsýn tilvísanir

    Vísað var til eftirfarandi vinsælu og stofnanatengla fyrir þessa innsýn: