ალტერნატიული საკრედიტო ქულები: დიდი მონაცემების მოძიება მომხმარებლის ინფორმაციისთვის

სურათის კრედიტი:
გამოსახულება საკრედიტო
iStock

ალტერნატიული საკრედიტო ქულები: დიდი მონაცემების მოძიება მომხმარებლის ინფორმაციისთვის

ალტერნატიული საკრედიტო ქულები: დიდი მონაცემების მოძიება მომხმარებლის ინფორმაციისთვის

ქვესათაური ტექსტი
ალტერნატიული საკრედიტო ქულები უფრო მეინსტრიმული ხდება ხელოვნური ინტელექტის (AI), ტელემატიკისა და უფრო ციფრული ეკონომიკის წყალობით.
    • ავტორი:
    • ავტორის სახელი
      Quantumrun Foiresight
    • ოქტომბერი 10, 2022

    Insight რეზიუმე

    უფრო მეტი კომპანია იყენებს ალტერნატიულ საკრედიტო ქულებს, რადგან ეს სარგებლობს მომხმარებლებისთვის და კრედიტორებისთვის. ხელოვნური ინტელექტი (AI), კონკრეტულად მანქანათმცოდნეობა (ML), შეიძლება გამოყენებულ იქნას იმ ადამიანების კრედიტუნარიანობის შესაფასებლად, რომლებსაც არ აქვთ წვდომა ტრადიციულ საბანკო პროდუქტებზე. ეს მეთოდი განიხილავს მონაცემთა ალტერნატიულ წყაროებს, როგორიცაა ფინანსური ტრანზაქციები, ვებ ტრაფიკი, მობილური მოწყობილობები და საჯარო ჩანაწერები. სხვა მონაცემების გადახედვით, ალტერნატიულ საკრედიტო ქულებს აქვს ფინანსური ინკლუზიის გაზრდის და ეკონომიკური ზრდის სტიმულირების პოტენციალი.

    საკრედიტო ქულების ალტერნატიული კონტექსტი

    ტრადიციული საკრედიტო ქულის მოდელი შეზღუდული და მიუწვდომელია მრავალი ადამიანისთვის. აფრიკის აღმასრულებელი დირექტორის ფორუმის მონაცემებით, აფრიკელების დაახლოებით 57 პროცენტი არის „კრედიტი უხილავი“, რაც ნიშნავს, რომ მათ არ აქვთ საბანკო ანგარიში ან საკრედიტო ანგარიში. შედეგად, მათ უჭირთ სესხის უზრუნველყოფა ან საკრედიტო ბარათის აღება. პირები, რომლებსაც არ აქვთ წვდომა აუცილებელ ფინანსურ სერვისებზე, როგორიცაა შემნახველი ანგარიშები, საკრედიტო ბარათები ან პირადი ჩეკები, ითვლებიან არაბანკებად (ან არასაკმარისად ბანკირებულად).

    Forbes-ის თანახმად, ამ არაბანკგარეშე ადამიანებს სჭირდებათ ელექტრონული ფულადი წვდომა, სადებეტო ბარათი და ფულის დროულად მიღების შესაძლებლობა. თუმცა, ტრადიციული საბანკო მომსახურება ჩვეულებრივ გამორიცხავს ამ ჯგუფს. გარდა ამისა, კომპლექსურმა დოკუმენტაციამ და სხვა მოთხოვნებმა ჩვეულებრივი საბანკო სესხებისთვის გამოიწვია ის, რომ მოწყვლადი ჯგუფები მიმართავენ სასესხო ზვიგენებს და კრედიტორებს, რომლებიც აწესებენ მაღალ საპროცენტო განაკვეთებს.

    ალტერნატიული საკრედიტო ქულები შეიძლება დაეხმაროს არასაბანკო მოსახლეობას, განსაკუთრებით განვითარებად ქვეყნებში, შეფასების უფრო არაფორმალური (და ხშირად უფრო ზუსტი) საშუალებების გათვალისწინებით. კერძოდ, ხელოვნური ინტელექტის სისტემები შეიძლება გამოყენებულ იქნას ინფორმაციის დიდი მოცულობის სკანირებისთვის სხვადასხვა მონაცემთა წყაროდან, როგორიცაა კომუნალური გადასახადები, ქირის გადასახადები, სადაზღვევო ჩანაწერები, სოციალური მედიის გამოყენება, დასაქმების ისტორია, მოგზაურობის ისტორია, ელექტრონული კომერციის ტრანზაქციები და სახელმწიფო და ქონების ჩანაწერები. . გარდა ამისა, ამ ავტომატიზირებულ სისტემებს შეუძლიათ დაეხმარონ განმეორებადი შაბლონების იდენტიფიცირებას, რომლებიც ითარგმნება საკრედიტო რისკზე, მათ შორის გადასახადების გადახდის შეუძლებლობა ან სამუშაოს ძალიან დიდი ხნის განმავლობაში შეკავება, ან ძალიან ბევრი ანგარიშის გახსნა ელექტრონული კომერციის პლატფორმებზე. ეს შემოწმებები ფოკუსირებულია სესხის მიმღების ქცევაზე და იდენტიფიცირებს მონაცემთა წერტილებს, რომლებიც ტრადიციულ მეთოდებს შესაძლოა გამოტოვებული ჰქონოდათ. 

    დამრღვევი გავლენა

    განვითარებადი ტექნოლოგიები ძირითადი ფაქტორია ალტერნატიული საკრედიტო სკორინგის მიღების დაჩქარებაში. ერთ-ერთი ასეთი ტექნოლოგია მოიცავს ბლოკჩეინის აპლიკაციებს იმის გამო, რომ მომხმარებელს შეუძლია აკონტროლოს მათი მონაცემები, ხოლო საკრედიტო პროვაიდერებს ინფორმაციის გადამოწმების საშუალებას აძლევს. ეს ფუნქცია შეიძლება დაეხმაროს ადამიანებს უფრო მეტად გააკონტროლონ მათი პირადი ინფორმაციის შენახვა და გაზიარება.

    ბანკებს ასევე შეუძლიათ გამოიყენონ ნივთების ინტერნეტი (IoT) მოწყობილობების შორის საკრედიტო რისკის უფრო დეტალური სურათისთვის; ეს მოიცავს რეალურ დროში მეტამონაცემების შეგროვებას მობილური ტელეფონებიდან. ჯანდაცვის პროვაიდერებს შეუძლიათ შეიტანონ ჯანმრთელობასთან დაკავშირებული სხვადასხვა მონაცემები ქულების შეფასების მიზნებისთვის, როგორიცაა ისეთი მონაცემები, რომლებიც შეგროვებულია ტარების ხელსაწყოებიდან, როგორიცაა გულისცემა, ტემპერატურა და ჯანმრთელობის არსებული პრობლემების ნებისმიერი ჩანაწერი. მიუხედავად იმისა, რომ ეს ინფორმაცია პირდაპირ არ ეხება სიცოცხლისა და ჯანმრთელობის დაზღვევას, მან შეიძლება აცნობოს ბანკის პროდუქტის არჩევანს. მაგალითად, პოტენციური COVID-19 ინფექცია შეიძლება მიუთითებდეს გადაუდებელი ოვერდრაფტის დახმარების აუცილებლობაზე ან მცირე და საშუალო საწარმოებს, რომლებსაც აქვთ სესხის დაფარვისა და ბიზნესის შეფერხების მაღალი რისკის ფაქტორები. იმავდროულად, მანქანის დაზღვევისთვის, ზოგიერთი კომპანია იყენებს ტელემატიკის მონაცემებს (GPS და სენსორები) ტრადიციული საკრედიტო ქულების ნაცვლად, რათა შეაფასოს, თუ რომელი კანდიდატები არიან ყველაზე მეტად პასუხისმგებელი. 

    ალტერნატიული საკრედიტო შეფასების ერთ-ერთი ძირითადი მონაცემი არის სოციალური მედიის შინაარსი. ეს ქსელები შეიცავს შთამბეჭდავ მონაცემებს, რომლებიც შეიძლება სასარგებლო იყოს პირის მიერ ვალების დაფარვის ალბათობის გასაგებად. ეს ინფორმაცია ხშირად უფრო ზუსტია, ვიდრე ფორმალური არხები. მაგალითად, ანგარიშის განცხადებების, ონლაინ პოსტების და ტვიტების შემოწმება იძლევა სხვისი ხარჯვის ჩვევებს და ეკონომიკურ სტაბილურობას, რაც დაეხმარება ბიზნესს უკეთესი გადაწყვეტილებების მიღებაში. 

    ალტერნატიული საკრედიტო შეფასების შედეგები

    ალტერნატიული საკრედიტო შეფასების უფრო ფართო შედეგები შეიძლება მოიცავდეს: 

    • უფრო მეტი არატრადიციული საკრედიტო დაკრედიტების სერვისები, რომლებიც გააქტიურებულია ღია ბანკინგით და საბანკო როგორც სერვისით. ეს სერვისები შეიძლება დაეხმაროს არაბანკებს უფრო ეფექტურად მიმართონ სესხს.
    • IoT-ის და ტარების მოწყობილობების მზარდი გამოყენება საკრედიტო რისკის შესაფასებლად, განსაკუთრებით ჯანმრთელობისა და ჭკვიანი სახლის მონაცემების შესაფასებლად.
    • სტარტაპები, რომლებიც იყენებენ სატელეფონო მეტამონაცემების სერვისებს, რათა შეაფასონ არაბანკირებული ადამიანები, რომ შესთავაზონ საკრედიტო მომსახურება.
    • ბიომეტრია სულ უფრო ხშირად გამოიყენება, როგორც ალტერნატიული საკრედიტო ქულის მონაცემები, განსაკუთრებით სავაჭრო ჩვევების მონიტორინგისას.
    • მეტი მთავრობა არატრადიციულ კრედიტს უფრო ხელმისაწვდომს და მომსახურეობას ხდის. 
    • მზარდი შეშფოთება მონაცემთა კონფიდენციალურობის პოტენციურ დარღვევებთან დაკავშირებით, განსაკუთრებით ბიომეტრიული მონაცემების შეგროვებასთან დაკავშირებით.

    კითხვები გასათვალისწინებელია

    • რა არის პოტენციური გამოწვევები ალტერნატიული საკრედიტო სკორინგის მონაცემების გამოყენებისას?
    • რა შეიძლება შეიტანოს სხვა პოტენციური მონაცემების ქულები ალტერნატიულ საკრედიტო ქულაში?

    Insight ცნობები

    შემდეგი პოპულარული და ინსტიტუციური ბმულები იყო მითითებული ამ ინფორმაციისათვის: