متبادل کریڈٹ اسکورنگ: صارفین کی معلومات کے لیے بڑا ڈیٹا اسکور کرنا

تصویری کریڈٹ:
تصویری کریڈٹ
iStock

متبادل کریڈٹ اسکورنگ: صارفین کی معلومات کے لیے بڑا ڈیٹا اسکور کرنا

متبادل کریڈٹ اسکورنگ: صارفین کی معلومات کے لیے بڑا ڈیٹا اسکور کرنا

ذیلی سرخی والا متن
مصنوعی ذہانت (AI)، ٹیلی میٹکس، اور زیادہ ڈیجیٹل معیشت کی بدولت متبادل کریڈٹ اسکورنگ زیادہ مرکزی دھارے میں شامل ہو رہی ہے۔
    • مصنف:
    • مصنف کا نام
      کوانٹمرن فوئرسائٹ
    • اکتوبر 10، 2022

    بصیرت کا خلاصہ

    مزید کمپنیاں متبادل کریڈٹ اسکورنگ استعمال کر رہی ہیں کیونکہ اس سے صارفین اور قرض دہندگان کو فائدہ ہوتا ہے۔ مصنوعی ذہانت (AI)، خاص طور پر مشین لرننگ (ML) کا استعمال ان لوگوں کی ساکھ کا اندازہ لگانے کے لیے کیا جا سکتا ہے جن کی بینکنگ کی روایتی مصنوعات تک رسائی نہیں ہے۔ یہ طریقہ ڈیٹا کے متبادل ذرائع جیسے مالیاتی لین دین، ویب ٹریفک، موبائل ڈیوائسز اور عوامی ریکارڈ کو دیکھتا ہے۔ دوسرے ڈیٹا پوائنٹس کو دیکھ کر، متبادل کریڈٹ اسکورنگ میں مالی شمولیت کو بڑھانے اور اقتصادی ترقی کو آگے بڑھانے کی صلاحیت ہے۔

    متبادل کریڈٹ اسکورنگ سیاق و سباق

    روایتی کریڈٹ سکور ماڈل بہت سے لوگوں کے لیے محدود اور ناقابل رسائی ہے۔ افریقہ کے سی ای او فورم کے اعداد و شمار کے مطابق، تقریباً 57 فیصد افریقی "کریڈٹ پوشیدہ" ہیں، جس کا مطلب ہے کہ ان کے پاس بینک اکاؤنٹ یا کریڈٹ سکور کی کمی ہے۔ نتیجے کے طور پر، انہیں قرض حاصل کرنے یا کریڈٹ کارڈ حاصل کرنے میں دشواری ہوتی ہے۔ وہ افراد جو ضروری مالیاتی خدمات جیسے سیونگ اکاؤنٹس، کریڈٹ کارڈز، یا ذاتی چیکس تک رسائی نہیں رکھتے انہیں غیر بینک شدہ (یا انڈر بینکڈ) تصور کیا جاتا ہے۔

    فوربس کے مطابق، ان بینکوں سے محروم افراد کو الیکٹرانک کیش تک رسائی، ڈیبٹ کارڈ اور فوری طور پر رقم حاصل کرنے کی صلاحیت کی ضرورت ہوتی ہے۔ تاہم، روایتی بینکنگ خدمات عام طور پر اس گروپ کو خارج کرتی ہیں۔ مزید برآں، روایتی بینک قرضوں کے لیے پیچیدہ کاغذی کارروائی اور دیگر تقاضوں کے نتیجے میں کمزور گروہوں نے لون شارک اور پے ڈے قرض دہندگان کی طرف رجوع کیا ہے جو زیادہ سود کی شرحیں لگاتے ہیں۔

    متبادل کریڈٹ اسکورنگ غیر رسمی (اور اکثر زیادہ درست) تشخیص کے ذرائع پر غور کرکے، خاص طور پر ترقی پذیر ممالک میں، غیر بینک شدہ آبادی کی مدد کر سکتی ہے۔ خاص طور پر، AI نظام کو متنوع ڈیٹا ذرائع سے معلومات کی بڑی مقدار کو اسکین کرنے کے لیے لاگو کیا جا سکتا ہے، جیسے یوٹیلیٹی بلز، کرایے کی ادائیگی، انشورنس ریکارڈ، سوشل میڈیا کے استعمال، روزگار کی تاریخ، سفری تاریخ، ای کامرس لین دین، اور سرکاری اور جائیداد کے ریکارڈ۔ . مزید برآں، یہ خودکار نظام بار بار چلنے والے نمونوں کی نشاندہی کرنے میں مدد کر سکتے ہیں جو کریڈٹ رسک کا ترجمہ کرتے ہیں، بشمول بلوں کی ادائیگی یا زیادہ دیر تک نوکریوں کو روکے رکھنا، یا ای کامرس پلیٹ فارمز پر بہت زیادہ اکاؤنٹس کھولنا۔ یہ چیک قرض لینے والے کے رویے پر توجہ مرکوز کرتے ہیں اور ڈیٹا پوائنٹس کی نشاندہی کرتے ہیں جو روایتی طریقوں سے چھوٹ سکتے ہیں۔ 

    خلل ڈالنے والا اثر

    ابھرتی ہوئی ٹیکنالوجیز متبادل کریڈٹ اسکورنگ کو اپنانے میں تیزی لانے کا ایک اہم عنصر ہیں۔ ایسی ہی ایک ٹکنالوجی میں بلاک چین ایپلی کیشنز شامل ہیں جس کی وجہ سے وہ صارفین کو اپنے ڈیٹا کو کنٹرول کرنے دیتا ہے جبکہ کریڈٹ فراہم کرنے والوں کو معلومات کی تصدیق کرنے کی اجازت دیتا ہے۔ اس خصوصیت سے لوگوں کو یہ محسوس کرنے میں مدد مل سکتی ہے کہ ان کی ذاتی معلومات کو کیسے ذخیرہ اور شیئر کیا جاتا ہے۔

    بینک تمام آلات پر کریڈٹ رسک کی مزید تفصیلی تصویر کے لیے انٹرنیٹ آف تھنگز (IoT) کا بھی استعمال کر سکتے ہیں۔ اس میں موبائل فون سے ریئل ٹائم میٹا ڈیٹا اکٹھا کرنا شامل ہے۔ صحت کی دیکھ بھال فراہم کرنے والے اسکورنگ کے مقاصد کے لیے صحت سے متعلق مختلف ڈیٹا فراہم کر سکتے ہیں، جیسے کہ دل کی دھڑکن، درجہ حرارت، اور پہلے سے موجود صحت کے مسائل کا کوئی بھی ریکارڈ پہننے کے قابل اشیاء سے جمع کردہ ڈیٹا۔ اگرچہ یہ معلومات براہ راست لائف اور ہیلتھ انشورنس پر لاگو نہیں ہوتی، یہ بینک پروڈکٹ کے انتخاب کو مطلع کر سکتی ہے۔ مثال کے طور پر، ممکنہ COVID-19 انفیکشن ہنگامی اوور ڈرافٹ امداد کی ضرورت کا اشارہ دے سکتا ہے یا چھوٹے اور درمیانے درجے کے کاروباری اداروں کو قرض کی ادائیگی اور کاروبار میں خلل کے لیے زیادہ خطرے والے عوامل ہیں۔ دریں اثنا، کار انشورنس کے لیے، کچھ کمپنیاں روایتی کریڈٹ اسکورنگ کے بجائے ٹیلی میٹکس ڈیٹا (GPS اور سینسر) کا استعمال کرتی ہیں تاکہ یہ اندازہ لگایا جا سکے کہ کن امیدواروں کے ذمہ دار ہونے کا زیادہ امکان ہے۔ 

    متبادل کریڈٹ اسکورنگ میں ایک اہم ڈیٹا پوائنٹ سوشل میڈیا مواد ہے۔ یہ نیٹ ورک ایک متاثر کن ڈیٹا رکھتے ہیں جو کسی شخص کے قرض کی ادائیگی کے امکانات کو سمجھنے میں کارآمد ثابت ہو سکتے ہیں۔ یہ معلومات اکثر اس سے زیادہ درست ہوتی ہیں جو رسمی چینلز ظاہر کرتے ہیں۔ مثال کے طور پر، اکاؤنٹ کے بیانات، آن لائن پوسٹس، اور ٹویٹس کی جانچ کرنا کسی کے خرچ کرنے کی عادات اور معاشی استحکام کے بارے میں بصیرت فراہم کرتا ہے، جس سے کاروبار کو بہتر فیصلے کرنے میں مدد مل سکتی ہے۔ 

    متبادل کریڈٹ اسکورنگ کے مضمرات

    متبادل کریڈٹ سکورنگ کے وسیع اثرات میں شامل ہو سکتے ہیں: 

    • مزید غیر روایتی کریڈٹ قرض دینے کی خدمات کھلی بینکنگ اور بینکنگ کے طور پر ایک خدمت کے ذریعہ فراہم کی جاتی ہیں۔ یہ خدمات قرضوں کے لیے زیادہ مؤثر طریقے سے درخواست نہ کرنے والوں کی مدد کر سکتی ہیں۔
    • کریڈٹ رسک، خاص طور پر صحت اور سمارٹ ہوم ڈیٹا کا اندازہ لگانے کے لیے IoT اور پہننے کے قابل استعمال کا بڑھتا ہوا استعمال۔
    • سٹارٹ اپس فون میٹا ڈیٹا سروسز کا استعمال کرتے ہوئے کریڈٹ سروسز پیش کرنے کے لیے غیر بینک والے لوگوں کا اندازہ لگاتے ہیں۔
    • بایومیٹرکس کو تیزی سے متبادل کریڈٹ سکور ڈیٹا کے طور پر استعمال کیا جا رہا ہے، خاص طور پر خریداری کی عادات کی نگرانی میں۔
    • مزید حکومتیں غیر روایتی کریڈٹ کو زیادہ قابل رسائی اور قابل خدمت بناتی ہیں۔ 
    • ممکنہ ڈیٹا پرائیویسی کی خلاف ورزیوں کے بارے میں بڑھتے ہوئے خدشات، خاص طور پر بائیو میٹرک ڈیٹا اکٹھا کرنے کے لیے۔

    غور کرنے کے لیے سوالات۔

    • متبادل کریڈٹ اسکورنگ ڈیٹا استعمال کرنے میں ممکنہ چیلنجز کیا ہیں؟
    • متبادل کریڈٹ اسکورنگ میں دوسرے ممکنہ ڈیٹا پوائنٹس کو کیا شامل کیا جا سکتا ہے؟

    بصیرت کے حوالے

    اس بصیرت کے لیے درج ذیل مشہور اور ادارہ جاتی روابط کا حوالہ دیا گیا: