점점 더 많은 대출 기관이 인수 결정을 알리기 위해 대체 데이터로 눈을 돌리고 있습니다.
수년 동안 신용은 FICO와 같은 공식화된 신용 점수를 사용하여 부여되었습니다.
그러나 많은 소비자들이 그들이 추구하는 신용을 감당할 수 있음에도 불구하고 전체 인구 통계학적으로 소외된 상태로 남겨져 거절당하고 있습니다. 대체 데이터 세트는 개인에 대한 완전한 그림을 제공하여 포함을 개선합니다.
AI 의사 결정 도구 제공업체인 Provenir는 핀테크 넥서스 웨비나, 소외된 사람들에게 신용을 가져다주는 대체 데이터의 가능성을 탐구했습니다. 진행자 Todd Anderson은 웨비나를 준비하고 연사를 소개해준 Provenir에 감사를 표하며 세션을 시작했습니다.
대체 데이터란 무엇입니까?
웨비나는 신용 결정에 관한 대체 데이터의 정의로 시작되었습니다.
US Bank의 BNPL/POS 대출 책임자인 Mia Huntington은 "소비자 신용 행동과 직접적으로 관련되지 않은 모든 데이터입니다."라고 말했습니다.
Prism Data의 제너럴 매니저인 Erin Allard는 다음과 같이 말했습니다. 대체 데이터가 이런 종류의 대량 버킷이라면 역사적으로 제도적으로 사용된 신용 점수 또는 신용 보고서가 아닌 모든 것입니다.
“우리가 실제 재정적 사실에 대해 이야기하고 있다면, 예를 들어 소비자가 얼마를 버나요? 그 수입은 얼마나 안정적인가? 그들은 돈을 어떻게 쓰나요? 그들은 어떻게 저장합니까? 그것은 소비자가 재정적 결정을 내리는 방식에 훨씬 더 근본적이라고 느낍니다.”
그녀는 일반 소비자와 대화할 때 현재 계좌에서 금융 생활의 대부분을 소비한다고 설명했습니다. 여기에서 소비자는 월급을 받고 직불 카드를 사용하고 청구서를 지불할 수 있습니다.
그녀는 소비자가 무언가를 감당할 수 있는지 여부를 결정할 때 신용 결정의 기술적 요소보다 일상 생활의 유입과 유출을 고려할 가능성이 더 높다고 말했습니다.
“(Alternative Data)는 훨씬 더 소비자의 삶에 말하는 데이터의 완성입니다.”
금융 포용성 향상 능력
수년 동안 많은 소비자들은 적절한 신용 점수를 쌓을 능력이 없기 때문에 신용 접근에서 제외되었습니다. 전통적인 신용 점수는 너무 경직되어 있고 현대 소비자의 라이프스타일과 환경의 뉘앙스를 설명할 수 없다는 비판을 받아왔습니다.
Kathy Stares 수석 부사장은 "대체 데이터를 결합하면 훨씬 더 세분화된 수준에서 치료를 처리할 수 있으며 개별 고객이 무엇을 하는지 바로 파악하고 세그먼트 전체에서 패턴을 볼 수 있습니다."라고 말했습니다. Provenir에서 아메리카의.
“종종 훨씬 더 긴 역사를 가진 대체 데이터의 힘을 사용할 수 있습니다. 따라서 이전에는 볼 수 없었던 패턴을 볼 수 있어 정보를 제공할 수 있습니다. 전체 위험 포트폴리오를 알고 있습니다.”
"고객이 있는 곳에서 고객을 만나고 맞춤형 제안을 제공하여 채택률을 높이는 경우가 많습니다."
“서비스가 부족한 시장을 보면 데이터를 얻을 수 있습니다. 그리고 이러한 이력과 행동 패턴 및 기타 데이터 세트를 사용하여 전통적으로 도달할 수 없었던 고객을 온보딩하고 금융 상품을 제공할 때 신용 및 사기에 대한 위험 임계값을 충족하는 결정을 내릴 수 있습니다. 과거에는 사용할 수 없었습니다.”
그녀는 이 세분화된 모양과 오랜 역사가 새로운 소비자를 받아들일 때 성공적으로 사기를 완화한다고 설명했습니다. 대체 데이터를 사용하는 많은 의사 결정 모델에 통합된 실시간 데이터 보기는 사기를 신속하게 식별할 수 있는 대출 기관에 통찰력을 제공합니다.
핀테크가 앞서지만 은행이 따라잡고 있다
AI와 기계 학습을 구현하는 것은 금융 기관이 이 데이터를 추출하고 사용하는 능력의 기본이었습니다. 때때로 이러한 도구는 대규모 원시 데이터 풀에서 제거되어 대출 기관이 소외된 소비자의 신용도를 신속하게 평가할 수 있는 기능을 제공했습니다.
연사들은 핀테크가 기술 구현을 주도했으며, BNPL의 인기가 치솟는 것을 성공의 대표적인 사례로 꼽았다. 그러나 은행은 전통적으로 거부했던 소비자에게 서비스를 제공하는 핀테크의 혁신을 따라잡기 시작했고 그에 부응하기 시작했습니다.
“고객이 상호 작용하기를 기대하는 방식입니다. 이것이 현재 경제가 작동하는 방식입니다.”라고 헌팅턴은 말했습니다. “저는 Banks가 거절하는 것이 더 이상 선택 사항이라고 생각하지 않습니다. 이것은 전통적으로 우리가 항상 해왔던 방식이며 앞으로도 계속 그렇게 할 것입니다.”
레거시 시스템을 사용하는 은행은 새로운 기술을 통합하는 데 어려움을 겪었고 규정 준수 표준을 유지하기 위해 광범위한 조치를 구현해야 했습니다.
“실수하지 마십시오. 알다시피 대규모 금융 기관과 인프라의 일부를 제대로 처리하고 진행하는 것은 매우 복잡합니다.”라고 헌팅턴은 말했습니다.
“시작하고 올바르게 수행하는 것은 매우 복잡합니다. 이러한 모델을 구축하고 나란히 실행하여 이것이 예상되는 결과라고 말하는 것이 전부라고 생각합니다. 이것이 현재 많은 은행이 생각하고 있는 것의 큰 부분이라고 생각합니다.”
설명 가능성은 어렵지만 필수적입니다.
AI의 사용은 기술이 유전적 편견을 포함할 수 있다고 우려하는 규제 당국과 소비자 모두로부터 비판을 받았습니다. 어떤 결정이 내려지는가에 따라 설명 가능성과 명확성이라는 주제는 방대한 대체 데이터 세트를 사용할 때 더욱 관련성이 높아졌습니다.
설명 가능성 표준을 준수하는 것은 언더라이팅 프로세스에 정보를 제공할 사내 모델을 구축하려는 기관에게 어려울 수 있습니다.
“따라서 AI 기계 학습 모델이 있으면 실시간으로 운영할 수 있고, 실시간으로 알릴 수 있고, 통찰력을 얻을 수 있고, 실시간으로 훈련하고 설명할 수 있습니다.”라고 Stares는 말했습니다.
“비FCR 데이터를 통합하고 기본 형식으로 가져오는 기술이 있다면 해당 데이터를 의사 결정에 바로 통합할 수 있습니다. 그런 다음 모델에 정보를 제공하는 데 사용할 수 있으며 귀하의 결정이 규정 준수를 유지하는 것입니다.”
Allard는 결정 모델을 구축할 때 문서화 및 명확성을 보장하는 것이 이 규정 준수에 매우 중요하며 앞으로 더욱 중요해질 수 있다고 말하면서 이에 동의했습니다.
현재로서는 데이터에 대한 액세스가 제한될 수 있지만 미국에서 오픈 뱅킹을 개발하려는 노력이 증가하면 대체 데이터에 대한 광범위한 액세스를 생성할 수 있는 잠재력이 있습니다.
“미래에는 소비자가 '여기 내 모든 계정이 있습니다. 여기가 내가 은행 업무를 하는 곳이고, 여기가 내가 사업을 하는 곳이며, 소비자로서 나는 내 데이터를 공유하기로 선택하고 있습니다.' 그런 다음 그것을 조정하고 사용하기 위해 올바른 기술에 액세스할 수 있는 신용 결정을 내리는 사람들에게 책임이 있습니다.”라고 Allard는 말했습니다.
"데이터를 사용할 수 있는 한 데이터를 활용할 올바른 솔루션을 선택하는 것이 중요합니다."
세 명의 연사 모두 기술 솔루션의 선택이 포함 증가라는 목표에 도달하는 데 있어 대체 데이터의 성공에 매우 중요하다고 느꼈습니다.
신용 조사 기관의 변화 시기
웨비나의 마지막 질문 중 하나는 신용 조사 기관으로 향했습니다.
전통적인 신용 점수는 수년 동안 대출을 보증하는 표준화된 방법이었습니다. 핀테크의 신용 결정 혁신은 더 많은 사람들에게 신용을 공개할 수 있는 대안적인 방법에 대한 즉각적인 필요성이 되었습니다. 대체 데이터의 유입은 개별 기관을 위한 대체 내부 기술의 필요성을 우회하여 신용 조사 기관의 채점 프로세스에 정보를 제공할 수 있습니다.
"선택 사항이 없다고 생각합니다." 헌팅턴이 말했습니다. "모델과 이 코어가 계산되는 방식을 변경하고 이 데이터의 일부를 통합해야 한다고 생각합니다."
"문제는 데이터와 데이터의 대체 소스를 적절한 방식으로 사용하기 위해 어느 정도 속도로 혁신할 수 있는지가 될 것입니다."
관련 :
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://news.fintechnexus.com/provenir-webinar-alternative-data-the-catalyst-for-financial-inclusion/
