জনসংখ্যার তথ্য প্রয়োগ করলে ঋণ প্রদানের ঝুঁকি ৭-২০ শতাংশ পর্যন্ত হ্রাস পাবে।

VnExpress•07/08/2023

[বিজ্ঞাপন_১]

আর্থিক প্রতিষ্ঠান ও ব্যাংকগুলোর পরিচালিত পরীক্ষা অনুযায়ী, জনতাত্ত্বিক তথ্যের ওপর ভিত্তি করে ঋণ আবেদনকারীদের ঋণযোগ্যতা মূল্যায়নের একটি মডেল ঋণ প্রদানের ঝুঁকি ২০ শতাংশ পর্যন্ত কমাতে পারে।

এই তথ্যটি প্রদান করেন জননিরাপত্তা মন্ত্রণালয়ের (সি০৬) সামাজিক শৃঙ্খলা প্রশাসনিক ব্যবস্থাপনার জন্য পুলিশ বিভাগের উপ-পরিচালক কর্নেল ভু ভান তান, গত ৭ই আগস্ট বিকেলে ‘ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যা তথ্যের প্রয়োগ’ শীর্ষক কর্মশালায়।

জনাব টানের মতে, এই মডেলটি মার্কিন যুক্তরাষ্ট্রের FICO স্ট্যান্ডার্ড (ঋণগ্রহীতাদের জন্য ঋণযোগ্যতা মূল্যায়ন মডেল তৈরিতে অগ্রণী একটি সংস্থা, যা ৩০টিরও বেশি দেশে প্রয়োগ করা হয়) অনুসারে তৈরি করা হয়েছে এবং বর্তমানে এতে বাসিন্দার তথ্যের ১৮টি ক্ষেত্র রয়েছে যা এটিকে মূলত সম্পূর্ণ করেছে।

এমবি ব্যাংকের আর্থিক প্রতিষ্ঠান (এমক্রেডিট) ১০,০০০ নাগরিকের তথ্য, পিভিকমব্যাংক ২০,০০০ তথ্য এবং ডেটানেস্ট ৬০,০০০ তথ্য পরীক্ষা করেছে। ফলাফলে দেখা গেছে, ব্যাংক ও ঋণদানকারী প্রতিষ্ঠানগুলোর জন্য ঋণ প্রদানের ঝুঁকি ৭-২০% হ্রাস পেয়েছে।

"পরীক্ষামূলক সময়কাল শেষে, সব ব্যাংকই তাদের নিজস্ব কার্যক্রমে আনুষ্ঠানিকভাবে প্রক্রিয়াটি বাস্তবায়ন করার আগ্রহ প্রকাশ করেছে," কর্নেল ভু ভান তান বলেছেন।

ঋণ আবেদনকারীদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যা উপাত্ত প্রয়োগের জননিরাপত্তা মন্ত্রণালয়ের প্রকল্পটি ঋণ প্রতিষ্ঠানগুলোকে ঋণ প্রদানের ঝুঁকি কমাতে সাহায্য করতে পারে। ছবি: জিয়াং হুই — ঋণ আবেদনকারীদের ঋণযোগ্যতা মূল্যায়নে জনসংখ্যা উপাত্ত প্রয়োগের জননিরাপত্তা মন্ত্রণালয়ের প্রকল্পটি ঋণ প্রতিষ্ঠানগুলোকে ঋণ প্রদানের ঝুঁকি কমাতে সাহায্য করতে পারে। ছবি: *জিয়াং হুই*

তথ্য ব্যবহারে ব্যাংকিং খাত ও জননিরাপত্তা মন্ত্রণালয়ের মধ্যকার সহযোগিতার ফলে বহুবিধ সুফল পাওয়া গেছে, যেমন ৪১ মিলিয়ন গ্রাহকের ক্রেডিট তথ্যের সঙ্গে ব্যক্তিগত শনাক্তকরণ নম্বরের ব্যবস্থাপনা যাচাই ও সমন্বয় করা, এটিএম থেকে টাকা তোলার জন্য চিপযুক্ত নাগরিক পরিচয়পত্র চালু করা এবং ইলেকট্রনিক পরিচয় যাচাইকরণ অ্যাকাউন্ট ব্যবহার করা।

জননিরাপত্তা মন্ত্রণালয়ের নেতৃবৃন্দের মতে, আধুনিক প্রযুক্তি প্রয়োগ করা হলেও, সেগুলো কেবল সরঞ্জাম হিসেবেই ব্যবহৃত হয় এবং ব্যাংকগুলোকে ঋণ প্রদানের সিদ্ধান্ত নিতে সহায়তা করার মতো তথ্য ও উপাত্তের অভাব রয়েছে। উৎপাদন ও ব্যবসার জন্য মূলধন সংগ্রহ করা কঠিন থেকে যাওয়ায় অবৈধ ঋণদান কার্যক্রম ও তার নেতিবাচক পরিণতি বৃদ্ধি পাচ্ছে।

কর্নেল ভু ভান টানের মতে, এর তিনটি প্রধান কারণ রয়েছে: ব্যাংকগুলোর কাছে যোগ্য ঋণগ্রহীতাদের মূল্যায়ন ও শনাক্ত করার কোনো ভিত্তি নেই; দুর্বল জনগোষ্ঠীকে সহায়তা করার জন্য কোনো নীতি নেই; এবং অবৈধ ঋণদান নিয়ন্ত্রণের জন্য রাষ্ট্রীয় ব্যবস্থাপনা পদ্ধতির অভাব রয়েছে।

সেই অনুযায়ী, C06 মার্কিন যুক্তরাষ্ট্রের FICO ক্রেডিট রেফারেন্স স্ট্যান্ডার্ড অনুসারে মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি ব্যবহার করে জনসংখ্যার তথ্যের ভিত্তিতে ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়ন করার একটি প্রকল্প বাস্তবায়নের জন্য হ্যানয় বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের স্কুল অফ ইনফরমেশন টেকনোলজির সাথে যৌথভাবে কাজ করেছে।

ভিয়েতনামের স্টেট ব্যাংকের ডেপুটি গভর্নর ফাম তিয়েন ডুং-এর মতে, ভিয়েতনামে ক্রেডিট স্কোরিং হলো ব্যাংকগুলোতে ক্রমবর্ধমানভাবে প্রচলিত ও জনপ্রিয় একটি ঝুঁকি ব্যবস্থাপনা সরঞ্জাম। এই মডেলটি কার্যকরভাবে কাজ করতে এবং ভবিষ্যতের পরিশোধ ক্ষমতা সম্পর্কে পূর্বাভাস দিতে তথ্যের নির্ভুলতা একটি অত্যন্ত গুরুত্বপূর্ণ ভূমিকা পালন করে।

"ঋণযোগ্যতা মূল্যায়নের জন্য তথ্য পেতে বিকল্প উৎস, বিশেষ করে জাতীয় জনসংখ্যা ডাটাবেসে প্রবেশাধিকার থাকা অপরিহার্য," ডেপুটি গভর্নর বলেন।

ঋণগ্রহীতাদের ঋণযোগ্যতা মূল্যায়নের কার্যকারিতা উন্নত করার লক্ষ্যে, ন্যাশনাল ক্রেডিট ইনফরমেশন সেন্টার (সিআইসি)-এর জেনারেল ডিরেক্টর জনাব কাও ভ্যান বিনও প্রথম সমাধান হিসেবে তথ্যের উৎস সম্প্রসারণের কথা উল্লেখ করেন।

সিআইসি-তে এই মডেলটি ২০১৫ সালে তৈরি করা হয়েছিল। ২০১৯ সাল নাগাদ, আওতা সম্প্রসারণের কারণে, সিআইসি ব্যক্তিগত ঋণগ্রহীতাদের জন্য সিবি ২.০ ঋণযোগ্যতা মূল্যায়ন মডেল তৈরি করে। মডেলটির কাজ সম্পন্ন হয় এবং এর স্কোরিং ফলাফল ২০২১ সালের এপ্রিল মাস থেকে উপলব্ধ করা হয়।

জনাব বিনের মতে, সিআইসি-এর তথ্য প্রদানের প্রবৃদ্ধি ধারাবাহিকভাবে প্রতি বছর ১৫-২০% এ পৌঁছায়, যা অর্থনীতির গড় ঋণ প্রবৃদ্ধির হারের চেয়ে বেশি। শুধুমাত্র চলতি বছরের প্রথম ছয় মাসেই সিআইসি বিভিন্ন ধরনের ৩১ মিলিয়নেরও বেশি প্রতিবেদন সরবরাহ করেছে।

তবে, প্রতিটি ব্যাংকের ক্ষেত্রেই গ্রাহকের ঋণযোগ্যতা মূল্যায়নের জন্য এখনও অতিরিক্ত কিছু মানদণ্ডের প্রয়োজন হয়।

BIDV-এর একজন প্রতিনিধি জানিয়েছেন যে, গ্রাহক ক্রেডিট রেটিং মডেলটি পরিসংখ্যানগত পদ্ধতি ব্যবহার করে এবং কিছু নীতি ও মাপকাঠি নির্ধারণ করে, কিন্তু ব্যবহারকারীদের এখনও নিজেদেরই তথ্য সংগ্রহ করতে হয় এবং সক্রিয়ভাবে তথ্য অনুসন্ধান ও যাচাই করতে হয়। তবে, ডিজিটাল চ্যানেলে রিটেইল ক্রেডিট প্রোডাক্ট চালু করার ক্ষেত্রে, বিদ্যমান অভ্যন্তরীণ ক্রেডিট রেটিং সিস্টেমটি স্বয়ংক্রিয়ভাবে তথ্য সংগ্রহ ও যাচাই করা এবং সঠিক ফলাফল প্রদানের ক্ষেত্রে নানা সীমাবদ্ধতার সম্মুখীন হয়।

বিআইডিভি-র একজন প্রতিনিধি বলেন, "ব্যাংকগুলোর খুচরা ঋণ কার্যক্রমে, বিশেষত ডিজিটাল পণ্যের ক্ষেত্রে, তৃতীয় পক্ষ, বিশেষ করে উপযুক্ত রাষ্ট্রীয় সংস্থাগুলো থেকে যাচাইকৃত ও প্রমাণীকৃত তথ্য প্রাপ্তি অত্যন্ত গুরুত্বপূর্ণ ও তাৎপর্যপূর্ণ।"

এই ব্যাংক কর্তৃক গৃহীত সমাধানগুলোর মধ্যে একটি হলো নাগরিক শনাক্তকরণ তথ্যের উপর ভিত্তি করে একটি গ্রাহক র‍্যাঙ্কিং প্রকল্প বাস্তবায়নের জন্য জননিরাপত্তা মন্ত্রণালয়ের অধীনস্থ আরএআর সেন্টারের সাথে সহযোগিতা করা। মডেলটির ব্যাকটেস্ট ফলাফলের উপর ভিত্তি করে, বিআইডিভি জানিয়েছে যে তারা কিছু খুচরা ঋণ পণ্যে ক্রেডিট স্কোরের প্রয়োগ নিয়ে গবেষণা করবে এবং প্রস্তাব দেবে।

মিনহ সন

[বিজ্ঞাপন_২]
উৎস লিঙ্ক