Кредиторы все чаще обращаются к альтернативным данным для обоснования решений по андеррайтингу.
В течение многих лет кредит предоставлялся с использованием формализованных кредитных рейтингов, таких как FICO.
Тем не менее, многие потребители получают отказ, в результате чего целая демографическая группа остается без обслуживания, несмотря на то, что многие из них могут позволить себе кредит, который они ищут. Альтернативные наборы данных дают полную картину личности, улучшая инклюзивность.
Provenir, поставщик инструментов для принятия решений на основе ИИ, провел Вебинар с Fintech Nexus, в котором изучались возможности использования альтернативных данных для привлечения внимания малообеспеченных слоев населения. Модератор Тодд Андерсон начал сессию, поблагодарив Provenir за организацию вебинара и представление спикеров.
Что такое альтернативные данные?
Вебинар начался с определения альтернативных данных, касающихся принятия кредитных решений.
«Это любые данные, которые не имеют прямого отношения к такому поведению потребительского кредита», — сказала Миа Хантингтон, глава отдела кредитования BNPL/POS в US Bank.
Эрин Аллард, генеральный менеджер Prism Data, добавила: «Я думаю, что речь идет о том, что это за данные. Если альтернативные данные и являются своего рода массовым ведром, то это все, что не относится к типу исторически, институционально используемого кредитного скоринга или кредитных отчетов.
«Если мы говорим о вещах, которые являются реальными финансовыми фактами, например, сколько зарабатывает потребитель? Насколько стабилен этот доход? Как они тратят свои деньги? Как они спасают? Это кажется гораздо более важным для того, как потребители принимают финансовые решения».
Она объяснила, что при разговоре со средним потребителем их текущий счет — это место, где они тратят большую часть своей финансовой жизни. Здесь потребитель получает зарплату, может использовать свою дебетовую карту и оплачивать счета.
По ее словам, когда потребитель решает, может ли он что-то себе позволить и взять на себя долг, он, скорее всего, будет учитывать приток и отток средств в своей повседневной жизни, а не технические элементы принятия решения о кредите.
«(Альтернативные данные) — это скорее завершение данных, которые говорят о жизни потребителя».
Возможность улучшить финансовую доступность
В течение многих лет многие потребители не могли получить доступ к кредиту из-за своей неспособности создать подходящий кредитный рейтинг. Традиционные кредитные рейтинги подвергались критике за то, что они оставались слишком жесткими и неспособными учитывать нюансы образа жизни и обстоятельств современных потребителей.
«Объединяя эти альтернативные данные, вы часто можете рассматривать лечение на гораздо более детальном уровне, доходя до того, что делает ваш отдельный клиент, и имея возможность видеть закономерности в сегменте», — сказала Кэти Старс, исполнительный вице-президент. Америки в Provenir.
«Вы можете использовать силу альтернативных данных, которые часто имеют гораздо более длинную историю. Таким образом, вы можете увидеть закономерности, которые вы, возможно, не могли видеть раньше, что может помочь в информировании. Вы знаете весь портфель рисков».
«Вы встречаетесь с клиентом там, где он есть, и предлагаете индивидуальное предложение, которое часто увеличивает принятие».
«Глядя на этот недостаточно обслуживаемый рынок, вы можете получить данные. И с этой историей и моделью поведения и другими наборами данных вы можете принимать решения, которые соответствуют пороговым значениям риска как в отношении кредита, так и в отношении мошенничества, поскольку вы привлекаете клиентов, с которыми вы обычно не могли связаться, и предлагаете им финансовые инструменты, которые они не могли использовать в прошлом».
Она объяснила, что такой детализированный вид и длинная история успешно предотвращают мошенничество при привлечении новых потребителей. Представление данных в режиме реального времени, включенное во многие модели принятия решений с использованием альтернативных данных, дает кредитору информацию, которая может быстро выявить мошенничество.
Финтех впереди, но банки догоняют
Внедрение искусственного интеллекта и машинного обучения сыграло ключевую роль в способности финансовых учреждений извлекать и использовать эти данные. Время от времени эти инструменты удаляются из большого пула необработанных данных и дают кредиторам возможность быстро оценить кредитоспособность недостаточно обслуживаемых потребителей.
Выступавшие согласились с тем, что финтех взял на себя инициативу по внедрению этой технологии, а стремительный рост популярности BNPL стал ярким примером их успеха. Тем не менее, банки начали завоевывать популярность и начинают соответствовать инновациям финтехов в обслуживании потребителей, от которых они традиционно отказывались.
«Это то, как клиенты ожидают от взаимодействия. Так устроена нынешняя экономика», — сказал Хантингтон. «Я просто не думаю, что у Бэнкса больше нет возможности сказать «нет». Мы всегда делали это традиционно и будем продолжать в том же духе».
Банки с их устаревшими системами сталкивались с трудностями при внедрении новых технологий, что требовало принятия обширных мер для поддержания соответствия стандартам.
«Не заблуждайтесь. Очень сложно сделать все правильно и запустить, особенно, как вы знаете, крупные финансовые учреждения и часть нашей инфраструктуры», — сказал Хантингтон.
«Очень сложно начать и сделать все правильно. Я думаю, что все дело в том, чтобы построить эти модели, запустить их рядом, чтобы сказать, что это был ожидаемый результат… Я думаю, что это огромная часть того, о чем, вероятно, думают многие банки в данный момент».
Объяснимость трудна, но необходима
Использование ИИ подверглось критике как со стороны регулирующих органов, так и со стороны потребителей, которые обеспокоены тем, что технология может содержать унаследованную предвзятость. Тема объяснимости и ясности, на основе которых принимаются решения, становится все более актуальной при работе с обширными наборами альтернативных данных.
Соблюдение стандартов объяснимости может быть сложной задачей для учреждений, которые хотят создавать собственные модели, которые будут использоваться в процессе андеррайтинга.
«Поэтому, когда у вас есть модель машинного обучения ИИ, вы можете работать в режиме реального времени, вы можете информировать в режиме реального времени, вы можете извлекать информацию и вы можете обучать и иметь объяснимость в режиме реального времени», — сказал Старс.
«Если у вас есть технология для включения данных, не относящихся к FCR, и получения их в исходной форме, вы можете использовать эти данные прямо при принятии решений. Затем это можно использовать для информирования моделей, и ваше решение — это то, что будет поддерживать соответствие».
Аллард согласился, заявив, что обеспечение документации и ясности при построении моделей принятия решений имеет решающее значение для этого соответствия и может стать еще более важным в будущем.
Хотя в настоящее время доступ к данным может быть ограничен, активизация усилий по развитию открытого банкинга в США может обеспечить широкий доступ к альтернативным данным.
«Надеюсь, в будущем потребителю будет проще и проще сказать: «Вот все мои учетные записи». Здесь я храню деньги, здесь я веду бизнес, и я, как потребитель, хочу делиться своими данными». Затем люди, принимающие кредитные решения на основе этого, должны иметь доступ к правильной технологии для ее настройки и использования», — сказал Аллард.
«Пока данные доступны, важно выбрать правильное решение для их использования».
Все три докладчика считали, что выбор технологического решения имеет решающее значение для успеха альтернативных данных в достижении цели расширения охвата.
Кредитному бюро пора меняться
Один из завершающих вопросов вебинара был адресован Бюро кредитных историй.
Традиционный кредитный рейтинг был стандартизированным методом гарантирования кредита в течение многих лет. Инновации Fintech в принятии кредитных решений привели к насущной потребности в альтернативных способах предоставления кредита более широкой аудитории. Приток альтернативных данных может повлиять на процесс скоринга кредитного бюро, минуя потребность в альтернативных внутренних технологиях для отдельных учреждений.
«Я не думаю, что есть вариант, — сказал Хантингтон. «Я думаю, что они должны изменить модель и способ расчета этого керна и включить некоторые из этих данных».
«Вопрос будет заключаться в том, с какой скоростью они могут внедрять инновации, чтобы гарантировать, что они используют данные и альтернативные источники данных соответствующим образом».
СВЯЗАННЫЙ:
- SEO-контент и PR-распределение. Получите усиление сегодня.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
- Источник: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/