Кредитори все частіше звертаються до альтернативних даних для прийняття рішень щодо андеррайтингу.
Протягом багатьох років кредит надавався за допомогою формалізованих кредитних балів, таких як FICO.
Однак багато споживачів отримують відмову, залишаючи всю демографію незадоволеною, незважаючи на те, що багато з них можуть дозволити собі кредит, якого вони шукають. Альтернативні набори даних дають повну картину особистості, покращуючи включення.
Provenir, постачальник інструментів для прийняття рішень AI, організував a Вебінар з Fintech Nexus, який досліджував можливості використання альтернативних даних для надання кредитів незахищеним. Модератор Тодд Андерсон розпочав сесію з подяки Provenir за організацію вебінару та представлення доповідачів.
Що таке альтернативні дані?
Вебінар розпочався з визначення альтернативних даних щодо прийняття кредитних рішень.
«Це будь-які дані, які не мають прямого відношення до такої поведінки споживчих кредитів», — сказала Міа Хантінгтон, керівник відділу кредитування BNPL/POS у банку США.
Ерін Аллард, генеральний менеджер Prism Data, розширила, заявивши: «Я думаю, це стосується того, що це за дані. Якщо альтернативні дані є таким масовим відром, то це все, що не є історично, інституційно використовуваним кредитним рейтингом або кредитними звітами.
«Якщо ми говоримо про речі, які є реальними фінансовими фактами, наприклад, скільки заробляє споживач? Наскільки стабільний такий дохід? Як вони витрачають свої гроші? Як вони економлять? Це набагато важливіше для того, як споживачі приймають фінансові рішення».
Вона пояснила, що, якщо говорити з пересічним споживачем, їхній поточний рахунок є місцем, де вони проводять більшу частину свого фінансового життя. Тут споживач отримує свою зарплату, може використовувати свою дебетову картку та оплачувати рахунки.
За її словами, коли споживач вирішує, чи може він собі щось дозволити та взяти борг, він, швидше за все, буде враховувати припливи та відтоки у своєму повсякденному житті, а не технічні елементи кредитного рішення.
«(Альтернативні дані) — це набагато більше завершення даних, які говорять про життя споживача».
Здатність покращити фінансову доступність
Протягом багатьох років багато споживачів залишалися виключеними з доступу до кредиту через нездатність створити відповідний кредитний рейтинг. Традиційні кредитні рейтинги критикували за те, що вони залишаються надто жорсткими та нездатними врахувати нюанси способу життя та обставин сучасних споживачів.
«Поєднуючи ці альтернативні дані, ви часто можете розглядати лікування на більш детальному рівні, переходячи безпосередньо до того, що робить ваш окремий клієнт, і маючи можливість побачити закономірності в усьому сегменті», — сказала Кеті Старес, виконавчий віце-президент. Америки в Провенір.
«Ви можете використовувати силу альтернативних даних, які часто мають набагато більш тривалу історію. Таким чином, ви можете побачити закономірності, які ви, можливо, не могли побачити раніше, що може допомогти інформувати. Ви знаєте весь портфель ризиків».
«Ви зустрічаєтеся з клієнтом там, де він знаходиться, і надаєте індивідуальну пропозицію, що часто збільшує сприйняття».
«Дивлячись на цей незадоволений ринок, ви можете отримувати дані. І з цією моделлю історії та поведінки та іншими наборами даних ви можете приймати рішення, які відповідають пороговим значенням ризику як щодо кредитів, так і щодо шахрайства, оскільки ви залучаєте клієнтів, яких ви традиційно не могли охопити, і пропонуєте їм фінансові інструменти, які вони не могли використовувати в минулому».
Вона пояснила, що такий детальний вигляд і довга історія успішно запобігають шахрайству під час залучення нових споживачів. Перегляд даних у режимі реального часу, включений у багато моделей прийняття рішень із використанням альтернативних даних, дає кредитору інформацію, яка може швидко виявити шахрайство.
Фінтех вперед, але банки наздоганяють
Впровадження штучного інтелекту та машинного навчання були основоположними для здатності фінансових установ отримувати та використовувати ці дані. Інколи ці інструменти були видалені з великої маси необроблених даних і дали можливість кредиторам швидко оцінити кредитоспроможність споживачів, які не обслуговуються.
Доповідачі погодилися, що фінтех взяв на себе лідерство у впровадженні цієї технології, а яскравим прикладом успіху стала стрімка популярність BNPL. Однак банки почали вловлювати і починають відповідати інноваціям фінтех-технологій у обслуговуванні споживачів, яких вони традиційно відкидали.
«Це те, як клієнти очікують взаємодії. Так працює нинішня економіка», — сказав Хантінгтон. «Я просто не думаю, що для Бенкса більше немає можливості сказати «ні». Традиційно так ми завжди робили, і так будемо продовжувати».
Банки зі своїми застарілими системами зазнали труднощів із запровадженням нової технології, що вимагало вжиття значних заходів для підтримки відповідності стандартам.
«Не помиляйтеся. Це дуже складно зробити це правильно і запустити це, особливо, як ви знаєте, більші фінансові установи та деякі з нашої інфраструктури», – сказав Хантінгтон.
«Дуже складно почати і зробити це правильно. Я думаю, що все полягає в побудові цих моделей, у їх спільному застосуванні, щоб сказати, що це був очікуваний результат… Я думаю, що це велика частина того, про що зараз думають багато банків».
Пояснити складно, але важливо
Використання штучного інтелекту піддається критиці як з боку регуляторів, так і споживачів, які стурбовані тим, що ця технологія може містити успадковані упередження. Тема пояснюваності та ясності, на основі яких приймаються рішення, стає дедалі актуальнішою при розгляді величезних наборів альтернативних даних.
Дотримання стандартів пояснюваності може бути складним завданням для установ, які хочуть створити власні моделі, які інформуватимуть їхній процес андеррайтингу.
«Отже, коли у вас є модель машинного навчання штучного інтелекту, ви можете працювати в режимі реального часу, ви можете інформувати в режимі реального часу, ви можете отримувати інформацію, і ви можете навчатися та мати можливість пояснення в режимі реального часу», – сказав Старес.
«Якщо у вас є технологія, щоб включити дані, не пов’язані з FCR, і взяти їх у рідній формі, ви можете використовувати ці дані безпосередньо для прийняття рішень. Потім це можна використовувати для інформування моделей, і ваше рішення – це те, що буде підтримувати відповідність».
Аллард погодився, заявивши, що забезпечення документації та ясності під час створення моделей прийняття рішень має вирішальне значення для цієї відповідності та може стати ще важливішим у майбутньому.
Хоча наразі доступ до даних може бути обмеженим, посилення зусиль із розвитку відкритого банківського обслуговування в США потенційно може створити широкий доступ до альтернативних даних.
«Сподіваюся, що в майбутньому споживачеві буде набагато легше сказати: «Ось усі мої облікові записи». Тут я роблю банки, тут я веду бізнес, і я, як споживач, вирішую ділитися своїми даними». Тоді люди, які приймають кредитні рішення на основі цього, зобов’язані мати доступ до правильної технології, щоб налаштувати та використовувати її», – сказав Аллард.
«Поки дані доступні, важливо вибрати правильне рішення для їх використання».
Усі троє доповідачів відчули, що вибір технологічного рішення має вирішальне значення для успіху альтернативних даних у досягненні мети збільшення інклюзивності.
Кредитному бюро час змінюватися
Одне з останніх питань вебінару звернулося до Бюро кредитних історій.
Традиційний кредитний рейтинг протягом багатьох років був стандартизованим методом гарантування кредитування. Інновації Fintech у прийнятті кредитних рішень стали негайною потребою в альтернативних способах надання кредитів ширшій аудиторії. Потік альтернативних даних міг би інформувати кредитне бюро про скоринговий процес, обходячи потребу в альтернативних, внутрішніх технологіях для окремих установ.
«Я не думаю, що є вихід», — сказав Хантінгтон. «Я думаю, що вони повинні змінити модель і спосіб обчислення цього ядра та включити деякі з цих даних».
«Питання полягатиме в тому, якими темпами вони зможуть впроваджувати інновації, щоб забезпечити належне використання даних і альтернативних джерел даних».
ПОВ'ЯЗАНІ:
- Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
- Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
- джерело: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/