매그놀리아 포터
빅 데이터라고도 알려진 대량의 소비자 데이터의 가용성은 신용 측정 방식에 광범위한 영향을 미칩니다. 소비자는 더 이상 신용 구축을 위해 전통적인 은행에 얽매이지 않을 것입니다. 이제 모든 종류의 지표가 신용 가치를 입증하는 데 도움이 될 수 있습니다.
이러한 변화는 신용이 그 어느 때보다 더 쉽게 접근할 수 있고 모든 종류의 인구통계학적 요구를 충족할 수 있도록 민주화되었음을 의미합니다. 그런데 빅데이터가 어떻게 이러한 접근성을 가능하게 만드는가?
빅 데이터의 힘으로 신용 점수 환경은 신용을 얻고 향상시키려는 소비자를 위한 장벽 중 일부를 사라지고 있습니다. 당신이 알아야 할 사항은 다음과 같습니다.
신용 점수에서 빅 데이터의 역할
역사적으로 신용 점수는 전통적인 금융 기관을 통해 생성된 동일한 5가지 요소를 종합한 것입니다. 이러한 요소는 이전에 가능했던 유일한 포괄적인 방식으로 신용 사용 및 가용성을 측정했습니다. 그러나 현대 시대에는 기술 혁신이 동반됩니다.
이제 귀하의 신용 점수가 반드시 다음에 국한되지는 않습니다. 이 다섯 가지 요소:
- 대출 및 신용 신청
- 정시 지불
- 사용 된 크레딧 유형
- 신용 기록
- 크레딧 용량 사용량
빅데이터의 힘으로 3대 주요 신용 조사 기관(Equifax, TransUnion 및 Experian)은 자격을 확립하는 새로운 방법을 통합했습니다. VantageScore라는 새로운 시스템은 기존 FICO 등급의 경쟁자로 작동합니다. 그것으로, 이제 빅데이터가 재구축에 도움이 될 수 있습니다 그 어느 때보다 더 포괄적이고 큰 그림을 그리는 방식으로 신용을 구축할 수 있습니다.
예를 들어 VantageScore는 모든 종류의 확립된 신용 패턴을 살펴봅니다. 아마도 이전에는 신용 한도 이용률(또는 소득 대비 부채 비율)이 높았다는 것은 추가 기회가 거부되었음을 의미했을 것입니다. VantageScore는 그 이상으로 모든 종류의 소스에서 얻은 데이터를 활용하여 명확한 상환 패턴과 주변의 좋은 행동이 있는지 판단할 수 있습니다.
궁극적으로 이는 빅 데이터가 추구하는 것처럼 모든 인구 통계에 대한 신용을 열어줍니다. 전통적인 신용 점수를 대체.
변화들
새로운 빅 데이터 기반 신용 시스템은 모든 종류의 사람들에게 실질적인 변화를 의미하며, 잠재적으로 기존 신용 카드 및 금융 기관에 대한 접근 요구와 같은 신용 구축 제한을 완화합니다. 빅데이터를 통해 이러한 접근 권한이 없는 전 세계 2.5억 명의 사람들은 이제 단순한 숫자 이상의 것을 볼 수 있는 기회를 갖게 되었습니다.
Bowman의 새로운 신용 위험 모델 적격성을 측정하려면 다음과 같은 요소를 살펴보세요.
- 휴대전화 사용 패턴
- 공과금 납부 내역
- 사기 감소를 위한 신원 확인
- 상환 능력
- 소비자 이력에 따른 상환 의지
이러한 요소 등을 통해 금융 기관은 FICO 점수를 반드시 정하지 않고도 누군가의 신용 책임에 대한 그림을 제공할 수 있습니다. 결과적으로, 자격을 증명하고 학점을 쌓기 위한 많은 옵션이 열려 있습니다.
과거에는 소비자가 빚을 갚고 제때에 지불하는 것에만 의존해야 했습니다. 종종 이를 달성하는 유일한 방법은 가르치는 것과 같은 분야에 들어가서 관련 활동에 참여하는 것이었습니다. 학자금 대출 용서 프로그램. 그러나 그러한 신용 구축 옵션이 모든 사람에게 가능한 것은 아닙니다. 바로 여기에 빅데이터 기반 시스템이 유용하게 활용됩니다.
히프 라인
빅 데이터 및 신용 점수에 대한 변화는 이전보다 더 많은 사람들이 이전에 선택된 소수에게만 허용되었던 기회를 잡을 수 있음을 의미합니다. 데이터와 AI 모델은 편견을 더욱 거부하도록 구축되었습니다. 과거에 이러한 시스템은 전 세계 소비자를 위한 민주화되고 삶을 변화시키는 신용 모델 역할을 할 수 있었습니다.
사람들의 기회는 하나의 숫자로 제한되어서는 안됩니다. 신용 분석에 빅데이터를 사용하면 개인에 대한 더 큰 그림과 이에 따른 공감이 가능해집니다.
출처: https://www.fintechnews.org/big-data-credit-score-whats-changing/
