'인구 데이터를 활용하면 대출 위험을 7~20% 줄이는 데 도움이 될 것입니다.'

금융회사와 은행들이 실시한 테스트에 따르면, 인구통계학적 데이터를 기반으로 대출 신청자의 신용도를 평가하는 모델은 대출 위험을 최대 20%까지 줄일 수 있는 것으로 나타났습니다.

이 정보는 8월 7일 오후에 열린 '차입자 신용도 평가에 인구 데이터 활용하기' 워크숍에서 공안부 사회질서행정 관리국 (C06) 부국장인 부 반 탄 대령이 제공한 것입니다.

탄 씨에 따르면, 이 모델은 미국의 FICO 표준(차용자의 신용도 평가 모델 구축 분야를 선도하는 기업으로 30개국 이상에서 적용되고 있음)에 따라 구축되었으며, 현재 18개 항목의 거주자 정보를 포함하여 기본적으로 완성된 상태입니다.

MB 은행의 금융회사인 MCredit은 1만 명의 시민 데이터를, PVcombank는 2만 명의 데이터를, Datanest는 6만 명의 데이터를 분석했습니다. 그 결과, 은행 및 신용기관의 대출 위험이 7~20% 감소한 것으로 나타났습니다.

"시범 운영 기간이 끝난 후 모든 은행들이 자체 운영에 해당 절차를 공식적으로 도입하고 싶다는 의사를 표명했습니다."라고 부 반 탄 대령은 밝혔습니다.

공안부가 인구 데이터를 활용해 대출 신청자의 신용도를 평가하는 프로젝트는 금융기관의 대출 위험 감소에 도움이 될 수 있다. 사진: 장후이

은행권과 공안부 간의 데이터 활용 협력은 4,100만 고객에 대한 개인 식별 번호와 신용 정보 관리의 검증 및 동기화, ATM 현금 인출용 칩 내장 시민 ID 카드 도입, 전자 신원 확인 계좌 사용 등 여러 가지 이점을 가져왔습니다.

공안부 관계자들에 따르면, 현대 기술이 적용되고는 있지만 단순히 도구로만 활용될 뿐, 은행의 대출 결정에 필요한 정보와 데이터가 부족하다고 합니다. 생산 및 사업 자금 조달이 여전히 어려워 불법 대출이 만연하고 그로 인한 부정적인 결과가 나타나고 있다는 것입니다.

부 반 탄 대령에 따르면, 주요 원인은 세 가지입니다. 첫째, 은행이 대출 적격자를 평가하고 식별할 기준이 부족합니다. 둘째, 취약 계층을 지원하는 정책이 없습니다. 셋째, 불법 대출을 통제할 국가 관리 메커니즘이 부족합니다.

이에 따라 C06은 하노이 과학기술대학교 정보기술대학과 협력하여 미국의 FICO 신용평가 기준에 따라 기계 학습 및 인공지능 기술을 활용해 인구 데이터를 기반으로 대출자의 신용도를 평가하는 프로젝트를 수행했습니다.

베트남 중앙은행 부총재인 팜 티엔 둥에 따르면, 베트남에서 신용평가는 은행의 위험 관리 도구로서 점점 더 널리 사용되고 있습니다. 이 모델이 효과적으로 작동하고 미래 상환 능력을 예측하려면 데이터의 정확성이 매우 중요합니다.

부지사는 "신용도를 평가하기 위한 데이터를 얻으려면, 특히 국가 인구 데이터베이스와 같은 대체 자료에 접근할 수 있어야 한다"고 밝혔습니다.

국가신용정보센터(CIC)의 까오 반 빈 소장은 차용자의 신용도를 평가하는 효율성을 높이기 위한 첫 번째 해결책으로 데이터 소스를 확대하는 것을 언급했습니다.

CIC는 2015년에 이 모델을 개발했습니다. 적용 범위가 확대됨에 따라 2019년에는 개인 대출자를 위한 CB 2.0 신용도 평가 모델을 개발했습니다. 이 모델은 2021년 4월부터 완성되어 점수 산출 결과를 제공하기 시작했습니다.

빈 씨에 따르면, CIC의 정보 제공 증가율은 매년 15~20%에 달하며, 이는 경제 평균 신용 증가율보다 높은 수치입니다. 올해 상반기에만 CIC는 다양한 유형의 보고서를 3,100만 건 이상 제공했습니다.

하지만 각 은행마다 고객의 신용도를 평가하는 데에는 추가적인 기준이 필요합니다.

BIDV 관계자는 고객 신용평가 모델이 통계적 방법을 사용하고 원칙과 매개변수를 설정하지만, 사용자는 여전히 직접 정보를 수집하고 적극적으로 검색 및 검증해야 한다고 밝혔습니다. 그러나 디지털 채널에서 소매 신용 상품을 제공할 때, 기존의 내부 신용평가 시스템은 정보 자동 수집 및 검증, 정확한 결과 제공에 있어 많은 한계에 직면합니다.

BIDV 관계자는 "제3자, 특히 관할 국가 기관으로부터 검증되고 인증된 정보에 접근할 수 있는 것은 은행의 소매 대출 활동, 특히 디지털 상품에 있어 매우 중요하고 의미 있는 요소"라고 밝혔습니다.

이 은행이 채택한 해결책 중 하나는 공안부 산하 RAR 센터와 협력하여 시민 식별 데이터를 기반으로 한 고객 등급 프로젝트를 시행하는 것입니다. BIDV는 모델의 백테스트 결과를 바탕으로 신용 점수를 일부 소매 신용 상품에 적용하는 방안을 연구 및 제안할 것이라고 밝혔습니다.

민손

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