I allt högre grad vänder sig långivare till alternativa data för att informera om emissionsbeslut.
I åratal har kredit beviljats med formaliserade kreditvärderingar som FICO.
Men många konsumenter avvisas, vilket lämnar hela demografin underbetjänad, trots att många har råd med den kredit de söker. Alternativa datamängder ger en komplett bild av individen, vilket förbättrar inkluderingen.
Provenir, en leverantör av AI-beslutsverktyg, var värd för en Webbseminarium med Fintech Nexus, som undersökte möjligheterna med alternativa data för att ge kredit till de underbetjänade. Moderator Todd Anderson inledde sessionen med att tacka Provenir för att han satte upp webbinariet och presenterade talarna.
Vad är alternativ data?
Webinariet inleddes med en definition av alternativa data gällande kreditbeslut.
"Det är all data som inte är direkt relaterad till det konsumentkreditbeteendet", säger Mia Huntington, chef för BNPL/POS-utlåning på US Bank.
Erin Allard, General Manager på Prism Data, utökade och sa: "Jag tror att det handlar om vad detta är för data. Om alternativa data är den här typen av masshink, är det allt som inte är den typ av historiskt, institutionellt använda kreditvärdering eller kreditupplysningar.
"Om vi pratar om saker som är verkliga ekonomiska fakta, saker som, hur mycket tjänar en konsument? Hur stabil är den inkomsten? Hur spenderar de sina pengar? Hur sparar de? Det känns mycket mer grundläggande för hur konsumenter fattar ekonomiska beslut."
Hon förklarade att när man pratar med genomsnittskonsumenten är deras byteskonto där de spenderar mycket av sitt ekonomiska liv. Här får konsumenten sin lönecheck, får använda sitt betalkort och betala räkningar.
När en konsument bestämmer sig för om de har råd med något och ta på sig skulder, sa hon, är de mer benägna att överväga inflöden och utflöden i sitt dagliga liv snarare än de tekniska delarna av kreditbeslut.
"(Alternativa data) är mycket mer en komplettering av data som talar till konsumentens liv."
Förmåga att förbättra ekonomisk integration
I åratal har många konsumenter förblivit uteslutna från att få tillgång till kredit på grund av deras oförmåga att skapa en lämplig kreditpoäng. Traditionella kreditvärderingar har kritiserats för att förbli för stela och oförmögna att redogöra för nyanserna i moderna konsumenters livsstil och omständigheter.
"Genom att kombinera dessa alternativa data kan du ofta hantera behandlingar på en mycket mer detaljerad nivå, komma ända ner till vad din individuella kund gör och kunna se mönster över hela segmentet", säger Kathy Stares, Executive Vice President of Americas på Provenir.
"Du kan använda kraften i alternativ data, som ofta har en mycket längre historia. Så du kan se mönster som du kanske inte har kunnat se tidigare, vilket kan hjälpa till att informera. Du känner till hela riskportföljen.”
"Du möter kunden där de är och tillhandahåller ett skräddarsytt erbjudande, vilket ofta ökar adoptionen."
"När man tittar på den underbetjänade marknaden kan man ta data. Och med den historiken och beteendemönstret och andra datauppsättningar kan du fatta beslut som möter risktröskelvärden både när det gäller kredit och bedrägerier när du kommer in med kunder som du traditionellt inte skulle kunna nå och erbjuda dem finansiella instrument som de kunde inte använda tidigare.”
Hon förklarade att detta granulära utseende och långa historia framgångsrikt mildrar bedrägeri när man tar sig an nya konsumenter. Realtidsdatavyn som ingår i många beslutsmodeller med hjälp av alternativa data ger långivaren insikter som snabbt kan identifiera bedrägerier.
Fintechs utanför, men bankerna kommer ikapp
Implementering av AI och maskininlärning har varit grundläggande för finansiella institutioners förmåga att extrahera och använda denna data. Dessa verktyg har ibland tagits bort från en stor pool av rådata och gett långivare möjlighet att snabbt bedöma undertjänta konsumenters kreditvärdighet.
Talarna var överens om att fintech hade tagit ledningen i implementeringen av tekniken, med BNPLs skyhöga popularitet som ett utmärkt exempel på deras framgång. Bankerna har dock börjat haka på och börjar matcha fintechs innovation för att betjäna konsumenter som de traditionellt skulle ha förkastat.
"Det är så kunderna förväntar sig att interagera. Det är så den nuvarande ekonomin fungerar”, sa Huntington. "Jag tror helt enkelt inte att det är ett alternativ längre för banker att säga nej. Det är traditionellt så vi alltid har gjort det, och vi kommer att fortsätta göra det på det sättet.”
Banker, med sina äldre system, har haft svårt att införliva den nya tekniken, vilket kräver omfattande åtgärder som ska implementeras för att upprätthålla kompatibla standarder.
"Gör inga misstag om det. Det är väldigt komplicerat att få det rätt och få det att gå igång, särskilt, som ni vet, större finansiella institutioner och en del av vår infrastruktur, säger Huntington.
”Det är väldigt komplicerat att komma igång och göra rätt. Jag tror att det handlar om att bygga de här modellerna, att köra dem sida vid sida för att säga att detta var det förväntade resultatet... Jag tror att det är en stor del av vad många banker förmodligen tänker på just nu.”
Förklarbarhet är svårt men viktigt
Användningen av AI har fått kritik från både tillsynsmyndigheter och konsumenter, som är oroliga för att tekniken kan innehålla ärvd fördom. Ämnet förklaring och tydlighet baserat på vilka beslut fattas har blivit allt mer relevant när man tar till sig stora mängder alternativa data.
Att hålla sig i enlighet med standarder för förklarabarhet kan vara en utmaning för institutioner som vill bygga in-house modeller som kommer att informera deras underwritingprocess.
"Så när du har en AI-maskininlärningsmodell kan du operationalisera i realtid, du kan informera i realtid, du kan ta ut insikterna och du kan att träna och ha förklaringsbarhet i realtid, säger Stares.
"Om du har tekniken för att införliva icke-FCR-data och ta den i sin ursprungliga form, kan du få in den informationen direkt i ditt beslut. Det kan sedan användas för att informera modeller, och ditt beslut är det som skulle behålla efterlevnaden."
Allard instämde och menade att säkerställande av dokumentation och tydlighet när man bygger beslutsmodeller är avgörande för denna efterlevnad och kan bli ännu viktigare i framtiden.
Även om tillgången till data för närvarande kan vara begränsad, har ökade ansträngningar för att utveckla öppen bankverksamhet i USA potential att skapa utbredd tillgång till alternativa data.
"Förhoppningsvis kommer det i framtiden att bli mindre komplicerat och mycket lättare för en konsument att säga," Här är alla mina konton. Det är här jag bankar, det är här jag gör affärer och jag, som konsument, väljer att dela med mig av min data.' Sedan är det skyldigt att de som fattar kreditbeslut baserat på det har tillgång till rätt teknik för att justera och använda den, säger Allard.
"Så länge informationen är tillgänglig handlar det om att välja rätt lösning för att utnyttja den."
Alla tre talare ansåg att valet av den tekniska lösningen är avgörande för att alternativa data ska lyckas med att nå målet om ökad inkludering.
Kreditbyråns dags att ändra sig
En av webbinariets sista frågor vände sig till kreditbyrån.
Den traditionella kreditvärderingen har varit en standardiserad metod för att garantera utlåning i flera år. Fintechs innovation inom kreditbeslut har blivit ett omedelbart behov av alternativa sätt att öppna kredit för en bredare publik. Inflödet av alternativa data skulle kunna informera kreditbyråns poängprocess och kringgå behovet av alternativa, interna teknologier för enskilda institutioner.
"Jag tror inte att det finns ett alternativ," sa Huntington. "Jag tror att de måste ändra modellen och hur denna kärna beräknas och införliva en del av denna data."
"Frågan kommer att vara i vilken takt de kan förnya sig för att säkerställa att de använder data och alternativa datakällor på ett relevant sätt."
RELATERAD:
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
- Källa: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/