'Menggunakan data populasi akan membantu mengurangkan risiko pinjaman sebanyak 7-20%'

Model yang menilai kelayakan kredit peminjam berdasarkan data populasi, yang diuji oleh syarikat kewangan dan bank, boleh mengurangkan risiko pinjaman sehingga 20%.

Maklumat ini diberikan oleh Kolonel Vu Van Tan, Timbalan Pengarah Jabatan Polis Pentadbiran untuk Ketenteraman Sosial ( Kementerian Keselamatan Awam , C06) di Bengkel menggunakan data populasi dalam menilai kelayakan kredit pelanggan pinjaman, pada petang 7 Ogos.

Menurut Encik Tan, model ini dibina mengikut piawaian FICO (sebuah syarikat terkemuka dalam membina model penilaian kelayakan kredit pelanggan, digunakan di lebih daripada 30 negara) AS, dan kini pada asasnya telah siap dengan 18 medan maklumat kediaman.

Syarikat Perbankan dan Kewangan MB (MCredit) menguji 10,000 data warganegara, PVcombank menguji 20,000 data, Datanest menguji 60,000 data. Keputusan menunjukkan bahawa nisbah risiko apabila meminjamkan modal bank dan institusi kredit dikurangkan sebanyak 7-20%.

"Selepas ujian, semua bank mahu menggunakannya secara rasmi dalam proses mereka," kata Kolonel Vu Van Tan.

Projek Kementerian Keselamatan Awam untuk menggunakan data penduduk dalam menilai kelayakan kredit peminjam boleh membantu institusi kredit mengurangkan risiko apabila memberi pinjaman. Foto: Giang Huy — Projek Kementerian Keselamatan Awam untuk menggunakan data penduduk dalam menilai kelayakan kredit peminjam boleh membantu institusi kredit mengurangkan risiko apabila memberi pinjaman. Foto: *Giang Huy*

Gabungan industri perbankan dan Kementerian Keselamatan Awam dalam menggunakan data telah membawa banyak faedah, seperti mengesahkan dan menyegerakkan pengurusan kod pengenalan peribadi dengan maklumat kredit 41 juta pelanggan, menggunakan kad pengenalan warganegara terbenam cip untuk mengeluarkan wang di ATM, dan menggunakan akaun pengenalan elektronik untuk pengesahan.

Menurut ketua Kementerian Keselamatan Awam itu, walaupun menggunakan teknologi moden, ia hanya dilaksanakan sebagai alat, kekurangan maklumat dan data untuk menyokong bank dalam membuat keputusan pemberian pinjaman. Meminjam modal untuk pengeluaran dan perniagaan masih menghadapi banyak kesukaran, yang membawa kepada situasi kredit hitam yang menyebabkan akibat.

Menurut Kolonel Vu Van Tan, terdapat tiga sebab utama: bank tidak mempunyai asas untuk menilai dan menentukan objek pinjaman; tidak ada dasar untuk menyokong golongan yang kurang bernasib baik dan terdapat kekurangan mekanisme pengurusan negeri untuk mengawal kredit hitam.

Sehubungan itu, C06 telah berkoordinasi dengan Pusat Pengajian Teknologi Maklumat, Universiti Sains dan Teknologi Hanoi untuk melaksanakan projek menilai kelayakan kredit peminjam berdasarkan data populasi, menggunakan teknologi pembelajaran mesin dan kecerdasan buatan mengikut piawaian rujukan kredit FICO di AS.

Menurut Timbalan Gabenor Bank Negara Pham Tien Dung, pemarkahan kredit di Vietnam ialah alat pengurusan risiko yang semakin meluas dan popular di bank. Untuk model itu beroperasi dengan berkesan dan meramalkan keupayaan pembayaran balik hutang masa hadapan, ketepatan data memainkan peranan penting.

“Untuk mempunyai sumber data untuk menilai kelayakan kredit, adalah perlu untuk berkongsi daripada sumber alternatif, terutamanya pangkalan data penduduk negara,” kata Timbalan Gabenor itu.

Memperluas sumber data juga merupakan penyelesaian pertama yang disebut oleh Encik Cao Van Binh, Ketua Pengarah Pusat Maklumat Kredit Nasional (CIC) dalam meningkatkan kecekapan menilai kelayakan kredit peminjam.

Di CIC, model ini dibina pada 2015. Menjelang 2019, disebabkan oleh pengembangan liputan, CIC telah membina model CB 2.0 untuk menilai kelayakan kredit peminjam individu. Model itu telah disiapkan dan keputusan pemarkahan model telah tersedia mulai April 2021.

Menurut Encik Binh, pertumbuhan dalam penyediaan maklumat oleh CIC sentiasa mencapai 15-20% setahun, lebih tinggi daripada purata pertumbuhan kredit ekonomi . Dalam 6 bulan pertama tahun ini sahaja, CIC telah menyediakan lebih daripada 31 juta laporan maklumat daripada semua jenis.

Walau bagaimanapun, bagi setiap bank, menilai kelayakan kredit pelanggan masih memerlukan kriteria tambahan.

Wakil BIDV berkata bahawa model penarafan kredit pelanggan menggunakan kaedah statistik dan menetapkan prinsip dan parameter, tetapi pengguna masih perlu mengumpul maklumat sendiri, mencari dan mengesahkan maklumat secara aktif. Walau bagaimanapun, apabila menggunakan produk kredit runcit pada saluran digital, sistem penarafan kredit dalaman sedia ada menghadapi banyak batasan dalam mengumpul dan mengesahkan maklumat secara automatik serta memberikan hasil yang tepat.

"Memiliki sumber maklumat yang disahkan dan disahkan oleh pihak ketiga, terutamanya agensi negara yang berwibawa, adalah amat penting dan bermakna dalam aktiviti kredit runcit bank, terutamanya dengan produk digital," kata wakil BIDV.

Salah satu penyelesaian yang diaplikasikan oleh bank ini adalah dengan bekerjasama dengan Pusat RAR - Kementerian Keselamatan Awam untuk melaksanakan Projek Penarafan Pelanggan berdasarkan data pengenalan warganegara. Berdasarkan keputusan model backtest, BIDV berkata ia akan menyelidik dan mencadangkan penggunaan skor Kredit untuk beberapa produk kredit runcit.

Minh Son

Pautan sumber