Långivere henvender sig i stigende grad til alternative data for at informere om tegningsbeslutninger.
I årevis er kredit blevet ydet ved hjælp af formaliserede kreditscore som FICO.
Men mange forbrugere bliver afvist, hvilket efterlader hele demografien underbetjent, på trods af at mange har råd til den kredit, de søger. Alternative datasæt giver et komplet billede af individet, hvilket forbedrer inklusion.
Provenir, en udbyder af AI-beslutningsværktøjer, var vært for en Webinar med Fintech Nexus, som undersøgte mulighederne for alternative data til at bringe kredit til de undertjente. Moderator Todd Anderson startede sessionen med at takke Provenir for at have oprettet webinaret og præsenteret talerne.
Hvad er alternative data?
Webinaret startede med en definition af alternative data vedrørende kreditbeslutning.
"Det er enhver data, der ikke er direkte relateret til den forbrugerkreditadfærd," sagde Mia Huntington, chef for BNPL/POS-udlån i US Bank.
Erin Allard, General Manager hos Prism Data, udvidede og sagde: "Jeg tror, det går på, hvad disse data er. Hvis alternative data er denne slags massespand, er det noget, der ikke er den slags historisk, institutionelt anvendte kreditscoring eller kreditrapporter.
"Hvis vi taler om ting, der er reelle økonomiske fakta, ting som, hvor meget tjener en forbruger? Hvor stabil er den indkomst? Hvordan bruger de deres penge? Hvordan sparer de? Det føles meget mere grundlæggende for, hvordan forbrugerne træffer økonomiske beslutninger."
Hun forklarede, at når man taler med den gennemsnitlige forbruger, er deres løbende konto det sted, hvor de bruger meget af deres økonomiske liv. Her modtager forbrugeren sin lønseddel, kan bruge sit betalingskort og betale regninger.
Når en forbruger beslutter sig for, om de har råd til noget og påtager sig gæld, sagde hun, er de mere tilbøjelige til at overveje ind- og udstrømningen af deres daglige liv frem for de tekniske elementer i kreditbeslutningen.
"(Alternative data) er meget mere en færdiggørelse af de data, der taler til forbrugerens liv."
Evne til at forbedre økonomisk inklusion
I årevis har mange forbrugere været udelukket fra at få adgang til kredit på grund af deres manglende evne til at opbygge en passende kreditscore. Traditionelle kreditvurderinger er blevet kritiseret for at forblive for stive og ude af stand til at tage højde for nuancerne i moderne forbrugeres livsstil og omstændigheder.
"Ved at kombinere disse alternative data er du ofte i stand til at behandle behandlinger på et meget mere detaljeret niveau, komme helt ned til, hvad din individuelle kunde laver og være i stand til at se mønstre på tværs af segmentet," sagde Kathy Stares, Executive Vice President of Americas på Provenir.
“Du kan bruge kraften i alternative data, som ofte har en meget længere historie. Du kan altså se mønstre, som du måske ikke har kunnet se før, hvilket kan hjælpe med at informere. Du kender hele risikoporteføljen.”
"Du møder kunden, hvor de er og giver et skræddersyet tilbud, som ofte øger adoptionen."
"Når man ser på det undertjente marked, er man i stand til at tage data. Og med den historie og adfærdsmønster og andre datasæt er du i stand til at træffe beslutninger, der opfylder risikotærsklerne både med hensyn til kredit og svig, mens du onboard kunder, som du traditionelt ikke ville være i stand til at nå, og tilbyde dem finansielle instrumenter, der de kunne ikke bruge tidligere."
Hun forklarede, at dette granulære udseende og lange historie med held afbøder svindel, når man ansætter nye forbrugere. Realtidsdatavisningen, der er indarbejdet i mange beslutningsmodeller ved hjælp af alternative data, giver långiveren indsigt, der hurtigt kan identificere svindel.
Fintechs ude foran, men bankerne er ved at indhente det
Implementering af kunstig intelligens og maskinlæring har været grundlæggende for finansielle institutioners evne til at udtrække og bruge disse data. Til tider er disse værktøjer blevet fjernet fra en stor pulje af rådata, og de har givet långivere mulighed for hurtigt at vurdere undertjente forbrugeres kreditværdighed.
Talerne var enige om, at fintech havde taget føringen i implementeringen af teknologien, med BNPLs skyrocket popularitet som et godt eksempel på deres succes. Bankerne er dog begyndt at fange og begynder at matche fintechs innovation til at betjene forbrugere, som de traditionelt ville have afvist.
"Det er sådan, kunderne forventer at interagere. Det er sådan den nuværende økonomi fungerer,” sagde Huntington. "Jeg tror bare ikke, det er en mulighed længere for banker at sige nej. Sådan har vi traditionelt altid gjort det, og vi bliver ved med at gøre det på den måde.”
Banker, med deres gamle systemer, har haft svært ved at inkorporere den nye teknologi, hvilket kræver omfattende foranstaltninger, der skal implementeres for at opretholde kompatible standarder.
"Tag ikke fejl af det. Det er meget komplekst at få det rigtigt og få det i gang, især, som du ved, større finansielle institutioner og noget af vores infrastruktur,” sagde Huntington.
”Det er meget komplekst at komme i gang og få det rigtigt. Jeg tror, det handler om at bygge disse modeller, køre dem side om side for at sige, at dette var det forventede resultat... Jeg tror, det er en stor del af det, mange banker sandsynligvis tænker på i øjeblikket."
Forklarlighed er vanskelig, men væsentlig
Brugen af kunstig intelligens har modtaget kritik fra både regulatorer og forbrugere, som er bekymrede for, at teknologien kan indeholde en arvelig bias. Emnet forklarbarhed og klarhed baseret på hvilke beslutninger der træffes, er blevet stadig mere relevant, når der tages fat på store sæt af alternative data.
At holde sig i overensstemmelse med standarder for forklarbarhed kan være udfordrende for institutioner, der ønsker at bygge interne modeller, der vil informere deres tegningsproces.
"Så når du har en AI-maskinelæringsmodel, er du i stand til at operationalisere i realtid, du er i stand til at informere i realtid, du er i stand til at tage indsigten ud, og du er i stand til at træne og have forklaring i realtid,” sagde Stares.
"Hvis du har teknologien til at inkorporere ikke-FCR-data og tage dem i deres oprindelige form, kan du indtage disse data direkte i din beslutning. Det kan så bruges til at informere modeller, og din beslutning er, hvad der vil holde overensstemmelsen."
Allard var enig og sagde, at sikring af dokumentation og klarhed, når man bygger beslutningsmodeller, er afgørende for denne overholdelse og kan blive endnu vigtigere i fremtiden.
Mens adgangen til data på nuværende tidspunkt kan være begrænset, har øget indsats for at udvikle åbne bankvirksomhed i USA potentialet til at skabe udbredt adgang til alternative data.
"Forhåbentlig vil det i fremtiden være mindre kompliceret og meget nemmere for en forbruger at sige: 'Her er alle mine konti. Det er her jeg banker, det er her jeg driver forretning, og jeg som forbruger vælger at dele mine data.' Så er det forpligtet til folk, der træffer kreditbeslutninger baseret på det, at have adgang til den rigtige teknologi til at justere og bruge den,” sagde Allard.
"Så længe dataene er tilgængelige, handler det om at vælge den rigtige løsning til at udnytte dem."
Alle tre talere mente, at valget af den teknologiske løsning er afgørende for alternative datas succes med at nå målet om øget inklusion.
Kreditbureauets tid til at ændre sig
Et af webinarets sidste spørgsmål henvendte sig til Kreditkontoret.
Den traditionelle kreditscore har været en standardiseret metode til at garantere lån i årevis. Fintechs innovation inden for kreditbeslutning er blevet et øjeblikkeligt behov for alternative måder at åbne kredit for et bredere publikum. Tilstrømningen af alternative data kunne informere kreditbureauets scoringsproces og omgå behovet for alternative, interne teknologier til individuelle institutioner.
"Jeg tror ikke, der er en mulighed," sagde Huntington. "Jeg tror, de er nødt til at ændre modellen og den måde, denne kerne beregnes på og inkorporere nogle af disse data."
"Spørgsmålet vil være, i hvilket tempo de kan innovere for at sikre, at de bruger dataene og alternative datakilder på en relevant måde."
RELATEREDE:
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/