Borç verenler, sigortalama kararlarını bildirmek için giderek artan bir şekilde alternatif verilere yöneliyor.
Yıllardır, FICO gibi resmi kredi puanları kullanılarak kredi verildi.
Bununla birlikte, pek çok tüketici, aradıkları krediyi karşılayabilecek durumda olmasına rağmen, tüm demografik bilgileri yetersiz bırakarak reddediliyor. Alternatif veri kümeleri, bireyin eksiksiz bir resmini sunarak katılımı geliştirir.
Bir yapay zeka karar aracı sağlayıcısı olan Provenir, bir Fintech Nexus ile Web Semineri, yetersiz hizmet alanlara kredi sağlamada alternatif verilerin olasılıklarını araştıran. Moderatör Todd Anderson, oturumu Provenir'e web seminerini düzenlediği ve konuşmacıları tanıttığı için teşekkür ederek başlattı.
Alternatif veri nedir?
Web semineri, kredi kararına ilişkin alternatif verilerin tanımlanmasıyla başladı.
US Bank'ta BNPL/POS kredilendirme Başkanı Mia Huntington, "Bu, tüketici kredisi davranışıyla doğrudan ilgili olmayan herhangi bir veridir" dedi.
Prism Data Genel Müdürü Erin Allard, “Sanırım bu verinin ne olduğuna gidiyor. Alternatif veriler bu tür bir toplu kova ise, bu, tarihsel olarak, kurumsal olarak kullanılan kredi puanlama veya kredi raporları türünden olmayan herhangi bir şeydir.
“Gerçek finansal gerçeklerden bahsediyorsak, bir tüketici ne kadar kazanıyor? Bu gelir ne kadar istikrarlı? Paralarını nasıl harcıyorlar? Nasıl kurtarırlar? Bu, tüketicilerin finansal kararları nasıl aldıkları konusunda çok daha temel hissettiriyor.”
Ortalama bir tüketiciyle konuşurken, cari hesaplarının mali hayatlarının çoğunu geçirdikleri yer olduğunu açıkladı. Burada tüketici maaşını alıyor, banka kartını kullanabiliyor ve faturalarını ödeyebiliyor.
Bir tüketici bir şeye gücü yetip borçlanmayacağına karar verdiğinde, kredi kararının teknik unsurlarından ziyade günlük yaşamlarındaki giriş ve çıkışları dikkate alma olasılıklarının daha yüksek olduğunu söyledi.
"(Alternatif Veri), tüketicinin hayatını anlatan verilerin tamamlanmasından çok daha fazlasıdır."
Finansal katılımı iyileştirme yeteneği
Yıllardır pek çok tüketici, uygun bir kredi notu oluşturamamaları nedeniyle krediye erişimin dışında kalmıştır. Geleneksel kredi puanları, çok katı kaldığı ve modern tüketicilerin yaşam tarzlarının ve koşullarının nüanslarını hesaba katamadığı için eleştirildi.
Başkan Yardımcısı Kathy Stares, "Bu alternatif verileri birleştirirken, genellikle tedavileri çok daha ayrıntılı bir düzeyde ele alabilir, bireysel müşterinizin ne yaptığına inebilir ve segmentteki kalıpları görebilirsiniz" dedi. Provenir'de Amerika Kıtası.
"Genellikle çok daha uzun bir geçmişe sahip olan alternatif verilerin gücünü kullanabilirsiniz. Böylece daha önce göremediğiniz kalıpları görebilirsiniz, bu da bilgilendirmeye yardımcı olabilir. Tüm risk portföyünü biliyorsunuz.”
"Müşteriyle bulundukları yerde buluşuyorsunuz ve genellikle benimsenmeyi artıran özel bir teklif sunuyorsunuz."
“Yetersiz hizmet verilen pazara baktığınızda, veri alabiliyorsunuz. Ve bu geçmiş, davranış modeli ve diğer veri kümeleriyle, geleneksel olarak ulaşamayacağınız müşterileri işe alırken hem kredi hem de dolandırıcılıkla ilgili risk eşiklerini karşılayan kararlar alabilir ve onlara finansal enstrümanlar sunabilirsiniz. geçmişte kullanamadılar.”
Bu ayrıntılı görünümün ve uzun geçmişin, yeni tüketiciler alırken dolandırıcılığı başarıyla azalttığını açıkladı. Alternatif verileri kullanan birçok karar verme modeline dahil edilen gerçek zamanlı veri görünümü, borç verene dolandırıcılığı hızlı bir şekilde tanımlayabilen içgörüler sağlar.
Fintech'ler önde, ancak bankalar yetişiyor
Yapay zeka ve makine öğreniminin uygulanması, finans kurumlarının bu verileri çıkarma ve kullanma becerisinde temel olmuştur. Zaman zaman büyük bir ham veri havuzundan kaldırılan bu araçlar, borç verenlere yetersiz hizmet alan tüketicilerin kredi değerliliğini hızlı bir şekilde değerlendirme yeteneği verdi.
Konuşmacılar, başarılarının en önemli örneği olarak BNPL'nin hızla artan popülaritesi ile fintech'in teknolojinin uygulanmasında başı çektiği konusunda hemfikirdi. Ancak bankalar, geleneksel olarak reddedecekleri tüketicilere hizmet vermede fintech'lerin yeniliklerini yakalamaya ve yakalamaya başladılar.
“Müşteriler bu şekilde etkileşim kurmayı bekliyor. Mevcut ekonomi böyle işliyor,” dedi Huntington. “Artık Banks'ın hayır demesinin bir seçenek olduğunu düşünmüyorum. Bu geleneksel olarak her zaman böyle yaptık ve bu şekilde yapmaya devam edeceğiz.”
Bankalar, eski sistemleriyle, uyumlu standartları sürdürmek için kapsamlı önlemlerin uygulanmasını gerektirecek şekilde yeni teknolojiyi bünyesine katmakta güçlük çekiyordu.
"Bu konuda kusura bakmayın. Bunu doğru yapmak ve devam ettirmek çok karmaşık, özellikle de bildiğiniz gibi, daha büyük finansal kurumlar ve altyapımızın bir kısmı," dedi Huntington.
“Başlamak ve doğru yapmak oldukça karmaşık. Bence her şey bu modelleri oluşturmak ve beklenen sonucun bu olduğunu söylemek için onları yan yana çalıştırmakla ilgili… Bence bu, şu anda birçok bankanın muhtemelen düşündüğü şeyin büyük bir parçası.”
Açıklanabilirlik zor ama gerekli
AI kullanımı, teknolojinin kalıtsal önyargı içerebileceğinden endişe duyan düzenleyiciler ve benzer şekilde tüketiciler tarafından eleştirildi. Hangi kararların alındığına bağlı olarak açıklanabilirlik ve netlik konusu, geniş alternatif veri kümelerini ele alırken her zamankinden daha alakalı hale geldi.
Açıklanabilirlik standartlarına uygunluğu sürdürmek, yüklenim sürecini bilgilendirecek kurum içi modeller oluşturmak isteyen kurumlar için zorlayıcı olabilir.
"Böylece, bir yapay zeka makine öğrenimi modeliniz olduğunda, gerçek zamanlı olarak çalışabilir, gerçek zamanlı olarak bilgi verebilir, içgörüleri çıkarabilir ve şunları yapabilirsiniz: gerçek zamanlı olarak eğitmek ve açıklanabilirliğe sahip olmak, ”dedi Stares.
"FCR dışı verileri dahil edecek ve onu yerel biçiminde alacak teknolojiye sahipseniz, bu verileri doğrudan kararlarınıza dahil edebilirsiniz. Bu daha sonra modelleri bilgilendirmek için kullanılabilir ve sizin kararınız uyumluluğu koruyacak olan şeydir."
Allard, karar verme modelleri oluştururken dokümantasyon ve netliğin sağlanmasının bu uyumluluk için kritik önem taşıdığını ve gelecekte daha da önemli hale gelebileceğini belirterek aynı fikirdeydi.
Şu anda verilere erişim sınırlı olsa da, ABD'de açık bankacılığı geliştirmeye yönelik artan çabalar, alternatif verilere yaygın erişim yaratma potansiyeline sahiptir.
"Umarım gelecekte, bir tüketicinin 'İşte tüm hesaplarım burada' demesi daha az karmaşık ve çok daha kolay olacaktır. Banka işlemlerimi burada yapıyorum, burada iş yapıyorum ve bir tüketici olarak verilerimi paylaşmayı seçiyorum.' Ardından, onu ayarlamak ve kullanmak için doğru teknolojiye erişime sahip olmak, buna dayalı olarak kredi kararları veren kişilerin görevidir” dedi.
"Veriler mevcut olduğu sürece, önemli olan bu verilerden yararlanmak için doğru çözümü seçmektir."
Üç konuşmacı da teknolojik çözüm seçiminin, artan kapsayıcılık hedefine ulaşmada alternatif verilerin başarısı için kritik öneme sahip olduğunu hissetti.
Kredi bürosunun değişme zamanı
Webinarın son sorularından biri de Kredi Bürosu'na yöneltildi.
Geleneksel kredi puanı, yıllardır borç vermenin garanti altına alınması için standartlaştırılmış bir yöntem olmuştur. Fintech'in kredi kararı vermedeki yeniliği, krediyi daha geniş bir kitleye açmanın alternatif yollarına yönelik acil bir ihtiyaç haline geldi. Alternatif verilerin akışı, bireysel kurumlar için alternatif kurum içi teknolojilere olan ihtiyacı atlayarak, kredi bürosunun puanlama sürecini bilgilendirebilir.
Huntington, "Bir seçenek olduğunu sanmıyorum," dedi. "Bence modeli ve bu çekirdeğin hesaplanma şeklini değiştirmeleri ve bu verilerin bir kısmını dahil etmeleri gerekiyor."
"Soru, verileri ve alternatif veri kaynaklarını ilgili bir şekilde kullandıklarından emin olmak için ne hızda yenilik yapabilecekleri olacaktır."
İLGİLİ:
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
- Kaynak: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/