'জনসংখ্যার তথ্য ব্যবহার করলে ঋণ প্রদানের ঝুঁকি ৭-২০% কমবে'

[বিজ্ঞাপন_১]

আর্থিক কোম্পানি এবং ব্যাংক দ্বারা পরীক্ষিত জনসংখ্যার তথ্যের উপর ভিত্তি করে ঋণগ্রহীতার ঋণযোগ্যতা মূল্যায়নকারী একটি মডেল ঋণের ঝুঁকি ২০% পর্যন্ত কমাতে পারে।

৭ আগস্ট বিকেলে ঋণ গ্রাহকদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যার তথ্য প্রয়োগ সংক্রান্ত কর্মশালায় সামাজিক শৃঙ্খলা বিষয়ক প্রশাসনিক পুলিশ বিভাগের ( জননিরাপত্তা মন্ত্রণালয় , C06) উপ-পরিচালক কর্নেল ভু ভ্যান ট্যান এই তথ্য দেন।

মিঃ ট্যানের মতে, এই মডেলটি মার্কিন যুক্তরাষ্ট্রের FICO মান (গ্রাহক ঋণযোগ্যতা মূল্যায়ন মডেল তৈরিতে একটি শীর্ষস্থানীয় কোম্পানি, যা ৩০টিরও বেশি দেশে প্রয়োগ করা হয়) অনুসারে তৈরি করা হয়েছে এবং এখন মূলত ১৮টি আবাসিক তথ্য ক্ষেত্র দিয়ে এটি সম্পন্ন করা হয়েছে।

এমবি ব্যাংকিং অ্যান্ড ফাইন্যান্স কোম্পানি (এমক্রেডিট) ১০,০০০ নাগরিক তথ্য পরীক্ষা করেছে, পিভিকমব্যাংক ২০,০০০ তথ্য পরীক্ষা করেছে, ডেটানেস্ট ৬০,০০০ তথ্য পরীক্ষা করেছে। ফলাফলে দেখা গেছে যে ব্যাংক এবং ঋণ প্রতিষ্ঠানের ঋণ মূলধন প্রদানের সময় ঝুঁকির অনুপাত ৭-২০% হ্রাস পেয়েছে।

"পরীক্ষার পর, সকল ব্যাংক তাদের প্রক্রিয়ায় এটি আনুষ্ঠানিকভাবে স্থাপন করতে চায়," কর্নেল ভু ভ্যান ট্যান বলেন।

ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যার তথ্য প্রয়োগের জন্য জননিরাপত্তা মন্ত্রণালয়ের প্রকল্প ঋণ প্রতিষ্ঠানগুলিকে ঋণ দেওয়ার সময় ঝুঁকি কমাতে সাহায্য করতে পারে। ছবি: জিয়াং হুই — ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যার তথ্য প্রয়োগের জন্য জননিরাপত্তা মন্ত্রণালয়ের প্রকল্প ঋণ প্রতিষ্ঠানগুলিকে ঋণ দেওয়ার সময় ঝুঁকি কমাতে সাহায্য করতে পারে। ছবি: *জিয়াং হুই*

ব্যাংকিং শিল্প এবং জননিরাপত্তা মন্ত্রণালয়ের তথ্য ব্যবহারের সমন্বয় অনেক সুবিধা এনেছে, যেমন ৪১ মিলিয়ন গ্রাহকের ক্রেডিট তথ্যের সাথে ব্যক্তিগত পরিচয় কোডের ব্যবস্থাপনার প্রমাণীকরণ এবং সিঙ্ক্রোনাইজেশন, এটিএম থেকে টাকা তোলার জন্য চিপ-এমবেডেড নাগরিক পরিচয়পত্র স্থাপন এবং প্রমাণীকরণের জন্য ইলেকট্রনিক পরিচয় অ্যাকাউন্ট ব্যবহার করা।

জননিরাপত্তা মন্ত্রণালয়ের প্রধানের মতে, আধুনিক প্রযুক্তি প্রয়োগ করা হলেও, এটি কেবল একটি হাতিয়ার হিসেবেই বাস্তবায়িত হয়, ঋণ দেওয়ার সিদ্ধান্ত নিতে ব্যাংকগুলিকে সহায়তা করার জন্য তথ্য এবং তথ্যের অভাব থাকে। উৎপাদন এবং ব্যবসার জন্য মূলধন ধার করা এখনও অনেক সমস্যার সম্মুখীন হয়, যার ফলে কালো ঋণের পরিস্থিতির সৃষ্টি হয়।

কর্নেল ভু ভ্যান ট্যানের মতে, এর তিনটি প্রধান কারণ রয়েছে: ব্যাংকগুলির ঋণের বিষয়গুলি মূল্যায়ন এবং নির্ধারণের জন্য কোনও ভিত্তি নেই; সুবিধাবঞ্চিতদের সহায়তা করার জন্য কোনও নীতি নেই এবং কালো ঋণ নিয়ন্ত্রণের জন্য রাষ্ট্রীয় ব্যবস্থাপনা ব্যবস্থার অভাব রয়েছে।

তদনুসারে, C06 হ্যানয় বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের তথ্য প্রযুক্তি স্কুলের সাথে সমন্বয় সাধন করেছে যাতে জনসংখ্যার তথ্যের উপর ভিত্তি করে ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নের জন্য একটি প্রকল্প বাস্তবায়ন করা যায়, যা মার্কিন যুক্তরাষ্ট্রে FICO ক্রেডিট রেফারেন্স মান অনুসারে মেশিন লার্নিং প্রযুক্তি এবং কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে।

স্টেট ব্যাংকের ডেপুটি গভর্নর ফাম তিয়েন ডাং-এর মতে, ভিয়েতনামে ক্রেডিট স্কোরিং ব্যাংকগুলিতে ক্রমবর্ধমানভাবে ব্যাপক এবং জনপ্রিয় ঝুঁকি ব্যবস্থাপনার হাতিয়ার। মডেলটি কার্যকরভাবে পরিচালনা করতে এবং ভবিষ্যতের ঋণ পরিশোধের ক্ষমতা পূর্বাভাস দেওয়ার জন্য, তথ্যের নির্ভুলতা একটি গুরুত্বপূর্ণ ভূমিকা পালন করে।

"ঋণের যোগ্যতা মূল্যায়নের জন্য তথ্যের উৎস থাকতে হলে, বিকল্প উৎস থেকে, বিশেষ করে জাতীয় জনসংখ্যা ডাটাবেস থেকে তথ্য ভাগ করে নেওয়া প্রয়োজন," ডেপুটি গভর্নর বলেন।

ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নের দক্ষতা উন্নত করার জন্য জাতীয় ঋণ তথ্য কেন্দ্রের (সিআইসি) জেনারেল ডিরেক্টর মিঃ কাও ভ্যান বিনের উল্লেখ করা প্রথম সমাধান হল তথ্য উৎস সম্প্রসারণ।

CIC-তে, এই মডেলটি ২০১৫ সালে তৈরি করা হয়েছিল। ২০১৯ সালের মধ্যে, কভারেজ সম্প্রসারণের কারণে, CIC পৃথক ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নের জন্য একটি CB 2.0 মডেল তৈরি করেছিল। মডেলটি সম্পন্ন হয়েছিল এবং মডেলের স্কোরিং ফলাফল ২০২১ সালের এপ্রিল থেকে উপলব্ধ করা হয়েছিল।

মিঃ বিনের মতে, CIC-এর তথ্য সরবরাহের প্রবৃদ্ধি সর্বদা প্রতি বছর ১৫-২০% পর্যন্ত পৌঁছায়, যা অর্থনীতির গড় ঋণ বৃদ্ধির চেয়েও বেশি। শুধুমাত্র এই বছরের প্রথম ৬ মাসে, CIC সকল ধরণের ৩১ মিলিয়নেরও বেশি তথ্য প্রতিবেদন সরবরাহ করেছে।

তবে, প্রতিটি ব্যাংকের জন্য, গ্রাহকদের ঋণযোগ্যতা মূল্যায়নের জন্য এখনও অতিরিক্ত মানদণ্ডের প্রয়োজন।

BIDV প্রতিনিধি বলেন যে গ্রাহক ক্রেডিট রেটিং মডেল পরিসংখ্যানগত পদ্ধতি ব্যবহার করে এবং নীতি ও পরামিতি নির্ধারণ করে, কিন্তু ব্যবহারকারীদের এখনও নিজেরাই তথ্য সংগ্রহ করতে হয়, সক্রিয়ভাবে তথ্য অনুসন্ধান এবং যাচাই করতে হয়। যাইহোক, ডিজিটাল চ্যানেলে খুচরা ক্রেডিট পণ্য স্থাপন করার সময়, বিদ্যমান অভ্যন্তরীণ ক্রেডিট রেটিং সিস্টেম স্বয়ংক্রিয়ভাবে তথ্য সংগ্রহ এবং যাচাই এবং সঠিক ফলাফল প্রদানের ক্ষেত্রে অনেক সীমাবদ্ধতার সম্মুখীন হয়।

"ব্যাংকের খুচরা ঋণ কার্যক্রমে, বিশেষ করে ডিজিটাল পণ্যের ক্ষেত্রে, তৃতীয় পক্ষ, বিশেষ করে একটি উপযুক্ত রাষ্ট্রীয় সংস্থা দ্বারা তথ্যের উৎস যাচাই এবং প্রমাণীকরণ অত্যন্ত গুরুত্বপূর্ণ এবং অর্থবহ," একজন BIDV প্রতিনিধি বলেন।

এই ব্যাংক কর্তৃক প্রয়োগ করা সমাধানগুলির মধ্যে একটি হল নাগরিক শনাক্তকরণ তথ্যের উপর ভিত্তি করে গ্রাহক রেটিং প্রকল্প বাস্তবায়নের জন্য RAR কেন্দ্র - জননিরাপত্তা মন্ত্রণালয়ের সাথে সহযোগিতা করা। ব্যাকটেস্ট মডেলের ফলাফলের উপর ভিত্তি করে, BIDV বলেছে যে এটি কিছু খুচরা ক্রেডিট পণ্যের জন্য ক্রেডিট স্কোরের প্রয়োগ গবেষণা এবং প্রস্তাব করবে।

মিন সন

[বিজ্ঞাপন_২]
উৎস লিঙ্ক