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

Sebuah model yang menilai kelayakan kredit peminjam berdasarkan data populasi, yang diuji oleh perusahaan keuangan dan bank, dapat mengurangi risiko pinjaman hingga 20%.

Informasi ini disampaikan oleh Kolonel Vu Van Tan, Wakil Direktur Departemen Kepolisian Administratif untuk Ketertiban Sosial ( Kementerian Keamanan Publik , C06) pada Lokakarya tentang penerapan data kependudukan 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 pelanggan, yang diterapkan di lebih dari 30 negara) AS, dan kini pada dasarnya telah dilengkapi dengan 18 bidang informasi perumahan.

MB Banking and Finance Company (MCredit) menguji 10.000 data warga negara, PVcombank menguji 20.000 data, dan Datanest menguji 60.000 data. Hasilnya menunjukkan bahwa MCredit mengurangi rasio risiko saat menyalurkan modal ke bank dan lembaga kredit sebesar 7-20%.

"Setelah pengujian, semua bank ingin menerapkannya secara resmi dalam proses mereka," kata Kolonel Vu Van Tan.

Proyek Kementerian Keamanan Publik tentang penerapan data kependudukan dalam menilai kelayakan kredit peminjam dapat membantu lembaga kredit mengurangi risiko dalam pemberian pinjaman. Foto: Giang Huy

Kombinasi industri perbankan dan Kementerian Keamanan Publik dalam menggunakan data telah mendatangkan banyak manfaat, seperti autentikasi dan sinkronisasi pengelolaan kode identifikasi pribadi dengan informasi kredit 41 juta nasabah, penerapan kartu identitas warga negara berchip untuk menarik uang di ATM, dan penggunaan akun identifikasi elektronik untuk autentikasi.

Menurut pimpinan Kementerian Keamanan Publik, meskipun teknologi modern telah diterapkan, teknologi tersebut hanya digunakan sebagai alat bantu, dan kurangnya informasi serta data untuk mendukung bank dalam mengambil keputusan pemberian pinjaman. Peminjaman modal untuk produksi dan bisnis masih menghadapi banyak kesulitan, yang mengakibatkan munculnya kredit gelap.

Menurut Kolonel Vu Van Tan, ada tiga alasan utama: bank tidak memiliki dasar untuk mengevaluasi dan mengidentifikasi penerima pinjaman; tidak ada kebijakan untuk mendukung mereka yang kurang beruntung dan kurangnya mekanisme manajemen negara untuk mengendalikan kredit hitam.

Oleh karena itu, C06 telah berkoordinasi dengan Sekolah Teknologi Informasi, Universitas Sains dan Teknologi Hanoi untuk melaksanakan proyek guna menilai kelayakan kredit peminjam berdasarkan data populasi, menggunakan teknologi pembelajaran mesin dan kecerdasan buatan menurut standar referensi kredit FICO di AS.

Menurut Deputi Gubernur Bank Negara Vietnam, Pham Tien Dung, penilaian kredit di Vietnam merupakan alat manajemen risiko yang semakin meluas dan populer di sektor perbankan. Akurasi data memainkan peran penting agar model tersebut dapat beroperasi secara efektif dan memprediksi kemampuan pembayaran utang di masa mendatang.

“Untuk memiliki sumber data guna menilai kelayakan kredit, perlu berbagi dari sumber-sumber alternatif, terutama basis data kependudukan nasional,” kata Wakil Gubernur.

Perluasan 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 dibangun pada tahun 2015. Pada tahun 2019, karena cakupan yang semakin luas, CIC telah mengembangkan model CB 2.0 untuk menilai kelayakan kredit masing-masing peminjam. Model tersebut telah selesai dan hasil penilaiannya telah tersedia sejak April 2021.

Menurut Bapak Binh, pertumbuhan penyediaan informasi CIC selalu mencapai 15-20% per tahun, lebih tinggi daripada pertumbuhan kredit rata-rata perekonomian . Dalam 6 bulan pertama tahun ini saja, CIC telah menyediakan lebih dari 31 juta laporan informasi dari berbagai jenis.

Namun, untuk setiap bank, penilaian kelayakan kredit nasabah masih memerlukan kriteria tambahan.

Perwakilan BIDV mengatakan bahwa model pemeringkatan kredit pelanggan menggunakan metode statistik dan menetapkan prinsip serta parameter, tetapi pengguna tetap harus mengumpulkan informasi sendiri, secara aktif mencari, dan memverifikasi informasi. Namun, ketika menerapkan produk kredit ritel di kanal digital, sistem pemeringkatan kredit internal yang ada memiliki banyak keterbatasan dalam hal pengumpulan dan verifikasi informasi secara otomatis serta penyediaan hasil yang akurat.

"Memiliki sumber informasi yang diverifikasi dan diautentikasi oleh pihak ketiga, terutama lembaga negara yang berwenang, sangat penting dan bermakna dalam kegiatan pemberian kredit ritel bank, terutama dengan produk digital," ujar seorang perwakilan BIDV.

Salah satu solusi yang diterapkan bank ini adalah bekerja sama dengan Pusat RAR - Kementerian Keamanan Publik untuk mengimplementasikan Proyek Penilaian Pelanggan berdasarkan data identifikasi warga negara. Berdasarkan hasil model uji ulang, BIDV menyatakan akan meneliti dan mengusulkan penerapan Skor Kredit untuk 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