«استفاده از داده‌های جمعیتی به کاهش ریسک وام‌دهی بین ۷ تا ۲۰ درصد کمک خواهد کرد»

مدلی که اعتبار وام‌گیرنده را بر اساس داده‌های جمعیتی ارزیابی می‌کند و توسط شرکت‌های مالی و بانک‌ها آزمایش شده است، می‌تواند ریسک وام‌دهی را تا 20 درصد کاهش دهد.

این اطلاعات توسط سرهنگ وو ون تان، معاون مدیر اداره پلیس اداری نظم اجتماعی ( وزارت امنیت عمومی ، C06) در کارگاه آموزشی کاربرد داده‌های جمعیتی در ارزیابی اعتبار مشتریان وام، در بعد از ظهر 7 آگوست ارائه شد.

به گفته آقای تان، این مدل بر اساس استانداردهای FICO (شرکتی پیشرو در ساخت مدل ارزیابی اعتبار مشتری که در بیش از 30 کشور اعمال می‌شود) ایالات متحده ساخته شده است و اکنون اساساً با 18 فیلد اطلاعات مسکونی تکمیل شده است.

شرکت بانکداری و مالی MB (MCredit) 10،000 داده شهروندی، PVcombank 20،000 داده و Datanest 60،000 داده را آزمایش کردند. نتایج نشان داد که نسبت ریسک هنگام وام دادن سرمایه بانک‌ها و موسسات اعتباری 7 تا 20 درصد کاهش یافته است.

سرهنگ وو ون تان گفت: «پس از آزمایش، همه بانک‌ها می‌خواهند رسماً آن را در فرآیندهای خود به کار گیرند.»

پروژه وزارت امنیت عمومی برای به‌کارگیری داده‌های جمعیتی در ارزیابی اعتبار وام‌گیرندگان می‌تواند به مؤسسات اعتباری کمک کند تا هنگام وام‌دهی، ریسک‌ها را کاهش دهند. عکس: جیانگ هوی — پروژه وزارت امنیت عمومی برای به‌کارگیری داده‌های جمعیتی در ارزیابی اعتبار وام‌گیرندگان می‌تواند به مؤسسات اعتباری کمک کند تا هنگام وام‌دهی، ریسک‌ها را کاهش دهند. عکس: *جیانگ هوی*

ترکیب صنعت بانکداری و وزارت امنیت عمومی در استفاده از داده‌ها، مزایای بسیاری از جمله احراز هویت و همگام‌سازی مدیریت کدهای شناسایی شخصی با اطلاعات اعتباری ۴۱ میلیون مشتری، استقرار کارت‌های شناسایی شهروندی مجهز به تراشه برای برداشت پول در دستگاه‌های خودپرداز و استفاده از حساب‌های شناسایی الکترونیکی برای احراز هویت را به همراه داشته است.

به گفته رئیس وزارت امنیت عمومی، اگرچه از فناوری مدرن استفاده می‌شود، اما این فناوری تنها به عنوان ابزاری به کار گرفته می‌شود و فاقد اطلاعات و داده‌های لازم برای پشتیبانی از بانک‌ها در تصمیم‌گیری‌های وام‌دهی است. وام گرفتن سرمایه برای تولید و تجارت هنوز با مشکلات زیادی روبرو است که منجر به وضعیت اعتبار سیاه می‌شود و پیامدهایی را به همراه دارد.

به گفته سرهنگ وو ون تان، سه دلیل اصلی وجود دارد: بانک‌ها مبنایی برای ارزیابی و تعیین موضوعات وام ندارند؛ هیچ سیاستی برای حمایت از محرومان وجود ندارد و فقدان سازوکار مدیریت دولتی برای کنترل اعتبار سیاه وجود دارد.

بر این اساس، C06 با دانشکده فناوری اطلاعات، دانشگاه علوم و فناوری هانوی ، برای اجرای پروژه‌ای جهت ارزیابی اعتبار وام گیرندگان بر اساس داده‌های جمعیتی، با استفاده از فناوری یادگیری ماشینی و هوش مصنوعی مطابق با استانداردهای مرجع اعتباری FICO در ایالات متحده، هماهنگی‌هایی انجام داده است.

به گفته معاون رئیس بانک دولتی، فام تین دونگ، امتیازدهی اعتباری در ویتنام به عنوان ابزاری برای مدیریت ریسک در بانک‌ها به طور فزاینده‌ای رایج و محبوب شده است. برای اینکه این مدل به طور مؤثر عمل کند و توانایی بازپرداخت بدهی در آینده را پیش‌بینی کند، دقت داده‌ها نقش مهمی ایفا می‌کند.

معاون استاندار گفت: «برای داشتن منبعی از داده‌ها جهت ارزیابی اعتبار، لازم است از منابع جایگزین، به ویژه پایگاه داده ملی جمعیت، استفاده شود.»

گسترش منابع داده همچنین اولین راهکاری است که آقای کائو ون بین، مدیر کل مرکز ملی اطلاعات اعتباری (CIC)، در بهبود کارایی ارزیابی اعتبار وام گیرندگان به آن اشاره کرد.

در CIC، این مدل در سال ۲۰۱۵ ساخته شد. تا سال ۲۰۱۹، به دلیل گسترش پوشش، CIC یک مدل CB 2.0 برای ارزیابی اعتبار وام گیرندگان انفرادی ساخته بود. این مدل تکمیل شد و نتایج امتیازدهی مدل از آوریل ۲۰۲۱ در دسترس قرار گرفت.

به گفته آقای بین، رشد ارائه اطلاعات توسط CIC همیشه به ۱۵ تا ۲۰ درصد در سال می‌رسد که بالاتر از میانگین رشد اعتباری اقتصاد است. تنها در ۶ ماه اول امسال، CIC بیش از ۳۱ میلیون گزارش اطلاعاتی از انواع مختلف ارائه کرده است.

با این حال، برای هر بانک، ارزیابی اعتبار مشتریان هنوز به معیارهای اضافی نیاز دارد.

نماینده BIDV گفت که مدل رتبه‌بندی اعتبار مشتری از روش‌های آماری استفاده می‌کند و اصول و پارامترهایی را تعیین می‌کند، اما کاربران همچنان باید خودشان اطلاعات را جمع‌آوری کنند، به طور فعال اطلاعات را جستجو و تأیید کنند. با این حال، هنگام استقرار محصولات اعتباری خرده‌فروشی در کانال‌های دیجیتال، سیستم رتبه‌بندی اعتبار داخلی موجود با محدودیت‌های زیادی در جمع‌آوری و تأیید خودکار اطلاعات و ارائه نتایج دقیق مواجه است.

نماینده BIDV گفت: «تأیید و تأیید منابع اطلاعاتی توسط شخص ثالث، به ویژه یک سازمان دولتی ذیصلاح، در فعالیت‌های اعتباری خرد بانک، به ویژه با محصولات دیجیتال، بسیار مهم و معنادار است.»

یکی از راهکارهای اعمال شده توسط این بانک، همکاری با مرکز RAR - وزارت امنیت عمومی برای اجرای پروژه رتبه‌بندی مشتری بر اساس داده‌های شناسایی شهروندان است. BIDV اعلام کرد که بر اساس نتایج مدل آزمون مجدد، در مورد کاربرد امتیاز اعتباری برای برخی از محصولات اعتباری خرده‌فروشی تحقیق و پیشنهاد ارائه خواهد داد.

مین سون

لینک منبع