De plus en plus, les prêteurs se tournent vers des données alternatives pour éclairer leurs décisions de souscription.
Pendant des années, le crédit a été accordé en utilisant des cotes de crédit formalisées telles que FICO.
Cependant, de nombreux consommateurs sont rejetés, laissant des groupes démographiques entiers mal desservis, même si beaucoup sont en mesure de se permettre le crédit qu'ils recherchent. Des ensembles de données alternatifs fournissent une image complète de l'individu, améliorant ainsi l'inclusion.
Provenir, un fournisseur d'outils de décision d'IA, a organisé une Webinaire avec Fintech Nexus, qui a exploré les possibilités de données alternatives pour apporter du crédit aux personnes mal desservies. Le modérateur Todd Anderson a commencé la session en remerciant Provenir d'avoir mis en place le webinaire et présenté les conférenciers.
Qu'est-ce qu'une donnée alternative ?
Le webinaire a commencé par une définition des données alternatives concernant la décision de crédit.
"Il s'agit de toutes les données qui ne sont pas directement liées à ce comportement de crédit à la consommation", a déclaré Mia Huntington, responsable des prêts BNPL/POS à la US Bank.
Erin Allard, directrice générale de Prism Data, a développé, déclarant: «Je pense que cela dépend de ce que sont ces données. Si les données alternatives sont ce genre de seau de masse, c'est tout ce qui n'est pas le genre de pointage de crédit ou de rapport de crédit utilisé historiquement et institutionnellement.
« Si nous parlons de choses qui sont de vrais faits financiers, des choses comme, combien gagne un consommateur ? Dans quelle mesure ce revenu est-il stable ? Comment dépensent-ils leur argent ? Comment économisent-ils ? Cela semble beaucoup plus fondamental pour la façon dont les consommateurs prennent des décisions financières.
Elle a expliqué que lorsqu'on parle au consommateur moyen, son compte courant est l'endroit où il passe une grande partie de sa vie financière. Ici, le consommateur reçoit son salaire, peut utiliser sa carte de débit et payer ses factures.
Lorsqu'un consommateur décide s'il peut se permettre quelque chose et s'endetter, dit-elle, il est plus susceptible de considérer les entrées et les sorties de sa vie quotidienne plutôt que les éléments techniques de la décision de crédit.
"(Alternative Data) est bien plus un complément des données qui parlent de la vie du consommateur."
Capacité à améliorer l'inclusion financière
Pendant des années, de nombreux consommateurs sont restés exclus de l'accès au crédit en raison de leur incapacité à établir une cote de crédit appropriée. Les cotes de crédit traditionnelles ont été critiquées pour rester trop rigides et incapables de tenir compte des nuances des modes de vie et des circonstances des consommateurs modernes.
"En combinant ces données alternatives, vous êtes souvent en mesure d'aborder les traitements à un niveau beaucoup plus granulaire, en allant jusqu'à ce que fait votre client individuel et en étant capable de voir des modèles sur l'ensemble du segment", a déclaré Kathy Stares, vice-présidente exécutive. des Amériques à Provenir.
« Vous pouvez utiliser la puissance des données alternatives, qui ont souvent un historique beaucoup plus long. Ainsi, vous pouvez voir des modèles que vous n'aviez peut-être pas pu voir auparavant, ce qui peut aider à informer. Vous connaissez l'ensemble du portefeuille de risques.
"Vous rencontrez le client là où il se trouve et lui proposez une offre sur mesure, ce qui augmente souvent l'adoption."
«En regardant ce marché mal desservi, vous êtes en mesure de prendre des données. Et avec cet historique et ce modèle de comportement et d'autres ensembles de données, vous êtes en mesure de prendre des décisions qui respectent les seuils de risque à la fois en matière de crédit et de fraude, car vous intégrez des clients que vous ne seriez pas en mesure d'atteindre traditionnellement et leur proposez des instruments financiers qui ils ne pouvaient pas utiliser dans le passé.
Elle a expliqué que cette apparence granulaire et cette longue histoire atténuent avec succès la fraude lors de l'embauche de nouveaux consommateurs. La vue des données en temps réel intégrée dans de nombreux modèles de décision utilisant des données alternatives donne au prêteur des informations qui peuvent identifier rapidement la fraude.
Fintechs en tête, mais les banques rattrapent leur retard
La mise en œuvre de l'IA et de l'apprentissage automatique a joué un rôle fondamental dans la capacité des institutions financières à extraire et à utiliser ces données. Parfois retirés d'un grand nombre de données brutes, ces outils ont donné aux prêteurs la capacité d'évaluer rapidement la solvabilité des consommateurs mal desservis.
Les conférenciers ont convenu que la fintech avait pris les devants dans la mise en œuvre de la technologie, la popularité croissante de BNPL étant un excellent exemple de leur succès. Cependant, les banques ont commencé à comprendre et commencent à égaler l'innovation des fintechs au service des consommateurs qu'elles auraient traditionnellement rejetés.
« C'est ainsi que les clients s'attendent à interagir. C'est ainsi que fonctionne l'économie actuelle », a déclaré Huntington. « Je ne pense tout simplement plus que ce soit une option pour les banques de dire non. C'est traditionnellement ainsi que nous avons toujours procédé, et nous continuerons à le faire ainsi.
Les banques, avec leurs systèmes hérités, ont eu du mal à intégrer la nouvelle technologie, nécessitant la mise en œuvre de mesures importantes pour maintenir des normes conformes.
"Ne faites pas d'erreur à ce sujet. Il est très complexe de bien faire les choses et de le faire fonctionner, en particulier, comme vous le savez, les grandes institutions financières et certaines de nos infrastructures », a déclaré Huntington.
« Il est très complexe de démarrer et de bien faire les choses. Je pense qu'il s'agit de construire ces modèles, de les faire fonctionner côte à côte pour dire que c'était le résultat attendu… Je pense que c'est une grande partie de ce à quoi de nombreuses banques pensent probablement en ce moment.
L'explicabilité est difficile mais essentielle
L'utilisation de l'IA a été critiquée par les régulateurs et les consommateurs, qui craignent que la technologie ne contienne des biais hérités. Le sujet de l'explicabilité et de la clarté sur la base desquelles les décisions sont prises est devenu de plus en plus pertinent lorsqu'il s'agit de vastes ensembles de données alternatives.
Rester conforme aux normes d'explicabilité peut être difficile pour les institutions qui souhaitent créer des modèles internes qui éclaireront leur processus de souscription.
"Ainsi, lorsque vous disposez d'un modèle d'apprentissage automatique de l'IA, vous pouvez l'opérationnaliser en temps réel, vous pouvez informer en temps réel, vous pouvez extraire les informations et vous pouvez pour s'entraîner et avoir une explicabilité en temps réel », a déclaré Stares.
« Si vous disposez de la technologie pour incorporer les données non-FCR et les prendre sous leur forme native, vous pouvez ingérer ces données directement dans votre prise de décision. Cela peut ensuite être utilisé pour informer les modèles, et votre décision est ce qui maintiendrait la conformité.
Allard a accepté, déclarant que garantir la documentation et la clarté lors de la création de modèles de décision est essentiel à cette conformité et pourrait devenir encore plus important à l'avenir.
Alors qu'actuellement, l'accès aux données peut être limité, des efforts accrus pour développer l'open banking aux États-Unis ont le potentiel de créer un accès généralisé à des données alternatives.
"J'espère qu'à l'avenir, il sera moins compliqué et beaucoup plus facile pour un consommateur de dire : 'Voici tous mes comptes. C'est ici que j'effectue mes opérations bancaires, c'est ici que je fais des affaires et, en tant que consommateur, je choisis de partager mes données. Ensuite, il incombe aux personnes qui prennent des décisions de crédit en fonction de cela d'avoir accès à la bonne technologie pour l'ajuster et l'utiliser », a déclaré Allard.
"Tant que les données sont disponibles, il s'agit de choisir la bonne solution pour les exploiter."
Les trois intervenants ont estimé que le choix de la solution technologique est essentiel au succès des données alternatives pour atteindre l'objectif d'une inclusion accrue.
Il est temps pour le bureau de crédit de changer
L'une des dernières questions du webinaire s'est tournée vers le bureau de crédit.
Le pointage de crédit traditionnel est une méthode normalisée pour garantir les prêts depuis des années. L'innovation de la Fintech dans la décision de crédit est devenue un besoin immédiat de moyens alternatifs pour ouvrir le crédit à un public plus large. L'afflux de données alternatives pourrait éclairer le processus de notation du bureau de crédit, contournant le besoin de technologies internes alternatives pour les institutions individuelles.
"Je ne pense pas qu'il y ait une option", a déclaré Huntington. "Je pense qu'ils doivent changer le modèle et la façon dont ce noyau est calculé et incorporer certaines de ces données."
"La question sera de savoir à quel rythme peuvent-ils innover pour s'assurer qu'ils utilisent les données et les sources alternatives de données de manière pertinente."
EN RELATION:
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- Platoblockchain. Intelligence métaverse Web3. Connaissance Amplifiée. Accéder ici.
- La source: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/