'Penerapan data populasi akan membantu mengurangi risiko pemberian pinjaman sebesar 7-20%'

Menurut pengujian yang dilakukan oleh perusahaan keuangan dan bank, model untuk menilai kelayakan kredit pemohon pinjaman berdasarkan data demografis dapat mengurangi risiko pemberian pinjaman hingga 20%.

Informasi ini disampaikan oleh Kolonel Vu Van Tan, Wakil Direktur Departemen Kepolisian Bidang Administrasi Manajemen Ketertiban Sosial ( Kementerian Keamanan Publik , C06), pada Lokakarya tentang Penerapan Data Penduduk dalam Menilai Kelayakan Kredit Peminjam, pada sore hari tanggal 7 Agustus.

Menurut Bapak Tan, model ini dibangun berdasarkan standar FICO (perusahaan terkemuka dalam membangun model penilaian kelayakan kredit untuk peminjam, yang diterapkan di lebih dari 30 negara) dari AS, dan sekarang pada dasarnya sudah lengkap dengan 18 bidang informasi kependudukan.

Perusahaan keuangan MB Bank (MCredit) menguji 10.000 titik data warga, PVcombank menguji 20.000 titik data, dan Datanest menguji 60.000 titik data. Hasilnya menunjukkan pengurangan risiko pinjaman bagi bank dan lembaga kredit sebesar 7-20%.

"Setelah masa uji coba, semua bank menyatakan keinginan untuk secara resmi menerapkan proses tersebut dalam operasional mereka sendiri," kata Kolonel Vu Van Tan.

Proyek Kementerian Keamanan Publik untuk menerapkan data populasi dalam menilai kelayakan kredit pemohon pinjaman dapat membantu lembaga kredit mengurangi risiko pemberian pinjaman. Foto: Giang Huy

Kolaborasi antara sektor perbankan dan Kementerian Keamanan Publik dalam penggunaan data telah menghasilkan banyak manfaat, seperti verifikasi dan sinkronisasi pengelolaan nomor identifikasi pribadi dengan informasi kredit untuk 41 juta pelanggan, penerapan kartu identitas warga negara yang dilengkapi chip untuk penarikan ATM, dan penggunaan akun verifikasi identitas elektronik.

Menurut pimpinan Kementerian Keamanan Publik, meskipun teknologi modern diterapkan, teknologi tersebut hanya digunakan sebagai alat, karena kurangnya informasi dan data untuk mendukung bank dalam mengambil keputusan pemberian pinjaman. Peminjaman modal untuk produksi dan bisnis tetap sulit, yang menyebabkan maraknya praktik pinjaman ilegal dan konsekuensi negatifnya.

Menurut Kolonel Vu Van Tan, ada tiga alasan utama: bank tidak memiliki dasar untuk menilai dan mengidentifikasi peminjam yang memenuhi syarat; tidak ada kebijakan untuk mendukung kelompok rentan; dan kurangnya mekanisme manajemen negara untuk mengendalikan pinjaman ilegal.

Oleh karena itu, C06 berkolaborasi dengan Sekolah Teknologi Informasi , Universitas Sains dan Teknologi Hanoi , untuk melaksanakan proyek penilaian kelayakan kredit peminjam berdasarkan data populasi, menggunakan teknologi pembelajaran mesin dan kecerdasan buatan sesuai dengan standar referensi kredit FICO di Amerika Serikat.

Menurut Wakil Gubernur Bank Negara Vietnam, Pham Tien Dung, sistem penilaian kredit di Vietnam merupakan alat manajemen risiko yang semakin luas dan populer di kalangan perbankan. Agar model tersebut dapat beroperasi secara efektif dan memprediksi kemampuan pembayaran kembali di masa mendatang, akurasi data memainkan peran penting.

"Untuk mendapatkan data guna menilai kelayakan kredit, sangat penting untuk memiliki akses ke sumber alternatif, terutama basis data kependudukan nasional," kata Wakil Gubernur.

Memperluas sumber data juga merupakan solusi pertama yang disebutkan oleh Bapak Cao Van Binh, Direktur Jenderal Pusat Informasi Kredit Nasional (CIC), dalam meningkatkan efisiensi penilaian kelayakan kredit peminjam.

Di CIC, model ini dikembangkan pada tahun 2015. Pada tahun 2019, karena perluasan cakupan, CIC mengembangkan model penilaian kelayakan kredit CB 2.0 untuk peminjam individu. Model ini diselesaikan, dan hasil penilaiannya tersedia mulai April 2021.

Menurut Bapak Binh, pertumbuhan penyediaan informasi oleh CIC secara konsisten mencapai 15-20% per tahun, lebih tinggi dari rata-rata tingkat pertumbuhan kredit perekonomian . Dalam enam bulan pertama tahun ini saja, CIC telah menyediakan lebih dari 31 juta laporan berbagai jenis.

Namun, bagi setiap bank, menilai kelayakan kredit nasabah masih memerlukan kriteria tambahan.

Perwakilan dari BIDV menyatakan bahwa model peringkat kredit pelanggan menggunakan metode statistik dan menetapkan prinsip serta parameter, tetapi pengguna masih harus mengumpulkan informasi sendiri, secara aktif mencari dan memverifikasi informasi. Namun, ketika menerapkan produk kredit ritel di saluran digital, sistem peringkat kredit internal yang ada menghadapi banyak keterbatasan dalam mengumpulkan dan memverifikasi informasi secara otomatis serta memberikan hasil yang akurat.

"Akses terhadap informasi yang terverifikasi dan terautentikasi dari pihak ketiga, terutama lembaga negara yang berwenang, sangat penting dan signifikan dalam kegiatan pemberian pinjaman ritel bank, khususnya untuk produk digital," kata perwakilan BIDV.

Salah satu solusi yang diadopsi oleh bank ini adalah bekerja sama dengan Pusat RAR – Kementerian Keamanan Publik untuk mengimplementasikan proyek pemeringkatan pelanggan berdasarkan data identifikasi warga negara. Berdasarkan hasil backtest model tersebut, BIDV mengatakan akan meneliti dan mengusulkan penerapan skor kredit pada beberapa produk kredit ritel.

Minh Son

Tautan sumber: https://vnexpress.net/ung-dung-du-lieu-dan-cu-se-giup-giam-7-20-rui-ro-cho-vay-4638946.html