Xlera8

Provenirin webinaari: Vaihtoehtoiset tiedot – taloudellisen osallisuuden katalysaattori

Yhä useammin lainanantajat turvautuvat vaihtoehtoisiin tietoihin vakuutuspäätöksissään.

Jo vuosia luottoa on myönnetty käyttämällä virallisia luottopisteitä, kuten FICO.  

Monet kuluttajat kuitenkin hylätään, jolloin kokonaiset väestötiedot jäävät vajaaksi, vaikka monilla on varaa hakemaansa luottoa. Vaihtoehtoiset tietojoukot antavat täydellisen kuvan yksilöstä ja parantavat osallisuutta.

Provenir, tekoälyn päätöksentekotyökalujen toimittaja, isännöi a Webinaari Fintech Nexuksen kanssa, jossa tutkittiin vaihtoehtoisten tietojen mahdollisuuksia tuoda luottoa alipalveltuille. Moderaattori Todd Anderson aloitti istunnon kiittämällä Proveniria webinaarin järjestämisestä ja puhujien esittelystä. 

Mitä vaihtoehtoinen data on?

Webinaari alkoi luottopäätösten vaihtoehtoisten tietojen määrittelyllä. 

"Se on mitä tahansa dataa, joka ei liity suoraan kulutusluottokäyttäytymiseen", sanoi Mia Huntington, US Bankin BNPL/POS-lainatoiminnan johtaja. 

Mia Huntington, US Bankin BNPL/POS-lainatoiminnan johtajaMia Huntington, US Bankin BNPL/POS-lainatoiminnan johtaja
Mia Huntington, US Bankin BNPL/POS-lainatoiminnan johtaja

Erin Allard, Prism Datan pääjohtaja, laajensi ja totesi: "Luulen, että se liittyy siihen, mitä tämä data on. Jos vaihtoehtoiset tiedot ovat tämänkaltaisia ​​joukkoja, se on kaikkea muuta kuin historiallisesti, institutionaalisesti käytettyä luottoluokitusta tai luottoraportteja. 

”Jos puhumme asioista, jotka ovat todellisia taloudellisia tosiasioita, kuten esimerkiksi kuinka paljon kuluttaja tienaa? Kuinka vakaat nuo tulot ovat? Miten he käyttävät rahansa? Miten ne säästävät? Se tuntuu paljon perustavanlaatuisemmalta sen kannalta, miten kuluttajat tekevät taloudellisia päätöksiä."

Hän selitti, että kun puhutaan keskivertokuluttajan kanssa, heidän vaihtotilinsä viettää suuren osan taloudellisesta elämästään. Täällä kuluttaja saa palkkansa, voi käyttää pankkikorttiaan ja maksaa laskuja. 

Kun kuluttaja päättää, onko hänellä varaa johonkin ja ottaako hän velkaa, hän totesi, että hän harkitsee todennäköisemmin päivittäisen elämänsä tuloja ja ulosvirtauksia luottopäätöksen teknisten osien sijaan.

"(Vaihtoehtoinen data) on paljon enemmän täydennys tiedoista, jotka puhuvat kuluttajan elämästä."

Kyky parantaa taloudellista osallisuutta

Vuosien ajan monet kuluttajat ovat jääneet luoton saannin ulkopuolelle, koska he eivät ole pystyneet rakentamaan sopivaa luottoluokitusta. Perinteisiä luottopisteitä on arvosteltu siitä, että ne ovat liian jäykkiä eivätkä pysty huomioimaan nykyajan kuluttajien elämäntapojen ja olosuhteiden vivahteita. 

Kathy Stares, Provenirin Amerikan varatoimitusjohtajaKathy Stares, Provenirin Amerikan varatoimitusjohtaja
Kathy Stares, Provenirin Amerikan varatoimitusjohtaja

"Yhdistämällä näitä vaihtoehtoisia tietoja pystyt usein käsittelemään hoitoja paljon yksityiskohtaisemmalla tasolla, perehtymään suoraan siihen, mitä yksittäinen asiakkaasi tekee ja pystyt näkemään mallit segmentissä", sanoi Kathy Stares, varatoimitusjohtaja. Amerikasta Provenirissä. 

”Voit käyttää vaihtoehtoisen datan voimaa, jolla on usein paljon pidempi historia. Voit siis nähdä kuvioita, joita et ehkä ole voinut nähdä aiemmin, mikä voi auttaa tiedottamaan. Tiedät koko riskisalkun."

"Tapaat asiakkaan siellä, missä he ovat ja tarjoat räätälöidyn tarjouksen, mikä usein lisää omaksumista."

"Katsomalla näitä alipalveluttuja markkinoita, voit ottaa dataa vastaan. Ja tämän historian, käyttäytymismallin ja muiden tietojoukkojen avulla voit tehdä päätöksiä, jotka täyttävät riskikynnykset sekä luottojen että petosten osalta, kun otat asiakkaita, joita et perinteisesti pystyisi tavoittamaan ja tarjoamaan heille rahoitusvälineitä, jotka he eivät voineet käyttää aiemmin."

Hän selitti, että tämä rakeinen ulkoasu ja pitkä historia vähentävät onnistuneesti petoksia uusien kuluttajien hankinnassa. Reaaliaikainen tietonäkymä, joka on sisällytetty moniin vaihtoehtoisia tietoja käyttäviin päätösmalleihin, antaa lainanantajalle näkemyksiä, jotka voivat tunnistaa petokset nopeasti. 

Fintechit ovat edessä, mutta pankit ovat kuromassa kiinni

Tekoälyn ja koneoppimisen käyttöönotto on ollut olennaista rahoituslaitosten kyvyssä poimia ja käyttää tätä dataa. Nämä työkalut on toisinaan poistettu suuresta raakatietojen joukosta, ja ne ovat antaneet lainanantajille mahdollisuuden arvioida nopeasti alipalveluttujen kuluttajien luottokelpoisuutta. 

Puhujat olivat yhtä mieltä siitä, että fintech oli ottanut teknologian käyttöönoton johtoaseman, ja BNPL:n räjähdysmäinen suosio oli hyvä esimerkki heidän menestyksestään. Pankit ovat kuitenkin alkaneet saada kiinni ja alkavat kohdata fintechin innovaatioita palvellakseen kuluttajia, jotka he olisivat perinteisesti hylänneet. 

"Tällaista asiakkaat odottavat olevansa vuorovaikutuksessa. Näin nykyinen talous toimii”, Huntington sanoi. "En vain usko, että Banksilla on enää vaihtoehto sanoa ei. Näin olemme perinteisesti aina tehneet ja teemme niin jatkossakin.

Pankeilla vanhojen järjestelmiensä kanssa on ollut vaikeuksia ottaa käyttöön uutta tekniikkaa, mikä on vaatinut laajoja toimenpiteitä vaatimustenmukaisten standardien ylläpitämiseksi. 

"Saat olla aivan varma. On erittäin monimutkaista saada se oikein ja saada se käyntiin, varsinkin, kuten tiedätte, suuremmat rahoituslaitokset ja osa infrastruktuuristamme", Huntington sanoi. 

”On erittäin monimutkaista päästä alkuun ja saada se oikein. Luulen, että kyse on näiden mallien rakentamisesta, niiden viemisestä rinnakkain sanoakseni, että tämä oli odotettu tulos… Luulen, että se on valtava osa sitä, mitä monet pankit luultavasti ajattelevat tällä hetkellä.”

Selittävyys on vaikeaa, mutta välttämätöntä

Tekoälyn käyttö on saanut kritiikkiä sekä sääntelijöiltä että kuluttajilta, jotka ovat huolissaan siitä, että tekniikka voi sisältää perinnöllistä harhaa. Selitettävyyden ja selkeyden aihe, jonka perusteella päätökset tehdään, on tullut yhä tärkeämmäksi, kun otetaan huomioon valtavia vaihtoehtoisia tietoja.  

Selitettävyysstandardien noudattaminen voi olla haastavaa laitoksille, jotka haluavat rakentaa talon sisäisiä malleja, jotka ohjaavat heidän vakuutusprosessiaan. 

"Joten, kun sinulla on tekoälyn koneoppimismalli, pystyt toimimaan reaaliajassa, voit tiedottaa reaaliajassa, voit ottaa oivalluksia esiin ja pystyt kouluttaa ja saada selitettävyyttä reaaliajassa”, Stares sanoi. 

"Jos sinulla on tekniikka sisällyttää ei-FCR-tiedot ja ottaa ne alkuperäisessä muodossaan, voit ottaa nämä tiedot suoraan päätöksentekoon. Sitä voidaan sitten käyttää malleihin tiedottamiseen, ja sinun päätöksesi ylläpitää vaatimustenmukaisuutta."

Erin Allard, Prism Datan toimitusjohtajaErin Allard, Prism Datan toimitusjohtaja
Erin Allard, Prism Datan toimitusjohtaja

Allard oli samaa mieltä ja totesi, että dokumentaation ja selkeyden varmistaminen päätösmalleja rakennettaessa on ratkaisevan tärkeää tämän vaatimustenmukaisuuden kannalta ja saattaa olla entistä tärkeämpää tulevaisuudessa.  

Vaikka tällä hetkellä tiedonsaanti voi olla rajoitettua, avoimen pankkitoiminnan kehittämisen lisääntyminen Yhdysvalloissa voi mahdollistaa laajan pääsyn vaihtoehtoisiin tietoihin. 

"Toivottavasti tulevaisuudessa kuluttajan on vähemmän monimutkaista ja paljon helpompi sanoa: 'Tässä ovat kaikki tilini. Täällä työskentelen pankissa, täällä teen liiketoimintaa, ja kuluttajana päätän jakaa tietoni. Sen perusteella luottopäätöksiä tekevien ihmisten on sitten saatava käyttöönsä oikea tekniikka sen säätämiseen ja käyttöön”, Allard sanoi.

"Niin kauan kuin tietoja on saatavilla, on tärkeää valita oikea ratkaisu sen hyödyntämiseksi."

Kaikki kolme puhujaa katsoivat, että teknologisen ratkaisun valinta on ratkaisevan tärkeä vaihtoehtoisen datan onnistumiselle lisääntyneen osallisuuden tavoitteen saavuttamisessa. 

Luottotoimiston aika muuttua

Yksi webinaarin viimeisistä kysymyksistä kääntyi luottotoimiston puoleen. 

Perinteinen luottopistemäärä on ollut standardisoitu menetelmä lainan takaamiseen jo vuosia. Fintechin innovaatiosta luottopäätöksessä on tullut välitön tarve vaihtoehtoisille tavoille avata luottoa laajemmalle yleisölle. Vaihtoehtoisten tietojen tulva voisi antaa tietoa luottolaitoksen pisteytysprosessista ohittaen yksittäisten laitosten vaihtoehtoisten, talon sisäisten tekniikoiden tarpeen.  

"En usko, että vaihtoehtoa on", sanoi Huntington. "Mielestäni heidän on muutettava mallia ja tapaa, jolla tämä ydin lasketaan, ja sisällytettävä osa näistä tiedoista." 

"Kysymys on siitä, kuinka nopeasti he voivat innovoida varmistaakseen, että he käyttävät dataa ja vaihtoehtoisia tietolähteitä tarkoituksenmukaisella tavalla."

SAMANKALTAISET

  • Isabelle Castro MargaroliIsabelle Castro Margaroli

    Yli viisi vuotta taide- ja muotoilualalla Isabelle on työskennellyt erilaisissa projekteissa, kirjoittanut kiinteistökehityslehdille ja suunnittelusivustoille sekä johtanut taideteollisuuden hankkeita. Hän on myös ohjannut riippumattomia dokumentteja taiteilijoista ja esports-sektorista. Isabellen kiinnostus fintechiin juontaa juurensa halusta ymmärtää yhteiskunnan nopeaa digitalisoitumista ja sen tarjoamia mahdollisuuksia, aihetta, jota hän on käsitellyt useaan otteeseen akateemisen ja journalistisen uransa aikana.

Keskustele kanssamme

Hei siellä! Kuinka voin olla avuksi?