貸し手はますます、代替データを利用して引受決定を通知するようになっています。
何年もの間、クレジットは FICO などの正式なクレジット スコアを使用して付与されてきました。
しかし、多くの消費者は拒否され、人口統計全体がサービスを受けられないままになっています。 代替データ セットは、個人の全体像を提供し、包括性を向上させます。
AI 意思決定ツールのプロバイダーである Provenir は、 Fintech Nexus のウェビナー、十分なサービスを受けていない人々にクレジットをもたらす代替データの可能性を探りました。 モデレーターのTodd Andersonは、ウェビナーを設定し、スピーカーを紹介してくれたProvenirに感謝することでセッションを開始しました。
代替データとは
ウェビナーは、信用判断に関する代替データの定義から始まりました。
US Bank の BNPL/POS レンディングの責任者である Mia Huntington 氏は、次のように述べています。
Prism Data のゼネラル マネージャーである Erin Allard 氏は、次のように述べています。 代替データがこの種の大量のバケットである場合、それは、歴史的に、機関で使用されている信用スコアリングまたは信用レポートの種類ではないものです。
「実際の経済的事実について話しているとしたら、たとえば消費者はいくら稼いでいるのか? その収入はどれくらい安定していますか? 彼らはどのようにお金を使いますか? 彼らはどのように保存しますか? それは、消費者が経済的な決定を下す方法にとって、より基本的なものだと感じています。」
彼女は、平均的な消費者と話すとき、彼らの現在の口座は、彼らが金融生活の多くを費やす場所であると説明しました. ここで、消費者は給料を受け取り、デビットカードを使用して請求書を支払うことができます。
消費者が何かを買う余裕があり、借金を負うことができるかどうかを決定するとき、彼らは信用判断の技術的要素よりも、日常生活の流入と流出を考慮する可能性が高いと彼女は言いました.
「(代替データ) は、消費者の生活に語りかけるデータの完成です。」
金融包摂を改善する能力
何年もの間、多くの消費者は、適切なクレジットスコアを構築できないために、クレジットへのアクセスから除外されたままでした. 従来のクレジット スコアは、あまりにも厳格であり、現代の消費者のライフスタイルや状況のニュアンスを説明できないと批判されてきました。
「その代替データを組み合わせることで、多くの場合、個々の顧客が何をしているかを正確に把握し、セグメント全体のパターンを確認できるようになり、より詳細なレベルで治療に対処できるようになります。」 Provenir のアメリカの。
「多くの場合、はるかに長い歴史を持つ代替データの力を利用できます。 そのため、以前は見られなかった可能性のあるパターンを見ることができ、情報を提供するのに役立ちます。 あなたはリスクポートフォリオ全体を知っています。」
「顧客がいる場所で顧客に会い、カスタマイズされた製品を提供することで、多くの場合、採用が増加します。」
「十分なサービスを受けていない市場を見ると、データを取得できます。 そして、その履歴と行動パターン、およびその他のデータセットを使用して、従来はリーチできなかった顧客にオンボーディングを行っているため、クレジットと詐欺の両方のリスクしきい値を満たす意思決定を行うことができます。昔は使えなかった。」
彼女は、この詳細な外観と長い歴史により、新しい消費者を獲得する際の詐欺をうまく軽減できると説明しました。 代替データを使用した多くの意思決定モデルに組み込まれたリアルタイムのデータ ビューは、貸し手に不正行為を迅速に特定できる洞察を提供します。
フィンテックが先行しているが、銀行が追いついている
AI と機械学習の実装は、金融機関がこのデータを抽出して使用する能力の基本となっています。 これらのツールは、生データの大規模なプールから削除されることもありますが、貸し手は十分なサービスを受けていない消費者の信用力を迅速に評価することができます。
講演者は、BNPL の人気が急上昇したことを成功の代表的な例として、フィンテックが技術の実装を主導したことに同意しました。 しかし、銀行は、従来拒否していた消費者へのサービス提供において、フィンテックのイノベーションに追いつき始めており、一致し始めています。
「それは、顧客が相互作用を期待する方法です。 それが現在の経済のしくみだ」とハンティントン氏は語った。 「バンクスがノーと言う選択肢はもうないと思います。 これは伝統的に私たちが常に行ってきた方法であり、今後もその方法で行います。」
従来のシステムを使用している銀行は、新しい技術を組み込むのに苦労しており、準拠基準を維持するために広範な対策を実施する必要がありました。
「お間違えなく。 特にご存じのように、大規模な金融機関やインフラストラクチャの一部では、それを正しく実行することは非常に複雑です」と Huntington 氏は述べています。
「開始して正しく行うことは非常に複雑です。 これらのモデルを構築し、それらを並べて実行して、これが期待された結果であると言うことがすべてだと思います…それは、おそらく多くの銀行が現在考えていることの大きな部分を占めていると思います。」
説明可能性は難しいが不可欠
AI の使用は規制当局と消費者の両方から批判を受けており、技術に遺伝的バイアスが含まれる可能性があることを懸念しています。 膨大な代替データセットを扱う場合、どの決定が下されるかに基づく説明可能性と明確さの主題は、これまで以上に重要になっています。
説明可能性の基準に準拠し続けることは、引受プロセスに情報を提供する社内モデルを構築したい金融機関にとって困難な場合があります。
「AI 機械学習モデルがあれば、リアルタイムで運用でき、リアルタイムで情報を提供でき、洞察を引き出すことができます。リアルタイムでトレーニングし、説明可能性を持たせることができます」と Stares 氏は述べています。
「FCR 以外のデータを組み込み、ネイティブな形式で取得する技術があれば、そのデータを意思決定に直接取り込むことができます。 それをモデルに通知するために使用でき、コンプライアンスを維持するのはあなたの決定です。」
Allard 氏もこれに同意し、意思決定モデルを構築する際に文書化と明確化を確保することがこのコンプライアンスにとって重要であり、将来的にはさらに重要になる可能性があると述べました。
現在、データへのアクセスは制限されている可能性がありますが、米国でオープン バンキングを開発する取り組みが強化されているため、代替データへの広範なアクセスが可能になる可能性があります。
「願わくば、将来的には、消費者が『私のアカウントはすべてここにあります』と言うことがより簡単になり、はるかに簡単になるでしょう。 ここで私は銀行業務を行い、ここでビジネスを行い、消費者として自分のデータを共有することを選択しています。 次に、それを調整して使用するための適切なテクノロジーにアクセスできるようにすることは、それに基づいて信用決定を下す人々の義務です」と Allard 氏は述べています。
「データが利用可能である限り、それを活用するための適切なソリューションを選択することが重要です。」
XNUMX 人の講演者全員が、包括性の向上という目標を達成する上で代替データを成功させるには、技術的ソリューションの選択が重要であると感じていました。
信用調査機関が変わる時
ウェビナーの最後の質問の XNUMX つは、信用調査機関に向けられました。
従来のクレジット スコアは、何年もの間、貸付を引き受けるための標準化された方法でした。 信用判断におけるフィンテックのイノベーションは、より幅広い聴衆に信用を開放するための代替方法を早急に必要とするようになりました。 代替データの流入は、信用調査機関のスコアリング プロセスに情報を提供し、個々の機関向けの代替の社内テクノロジの必要性を回避できます。
「選択肢はないと思います」とハンティントンは言いました。 「彼らはモデルとコアの計算方法を変更し、このデータの一部を組み込む必要があると思います。」
「問題は、データとデータの代替ソースを適切な方法で確実に使用するために、どのくらいのペースで革新できるかということです。」
関連:
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/