«Bruk av befolkningsdata vil bidra til å redusere utlånsrisikoen med 7–20 %»

Ifølge tester utført av finansselskaper og banker, kan en modell for å vurdere kredittverdigheten til lånesøkere basert på demografiske data redusere utlånsrisikoen med opptil 20 %.

Denne informasjonen ble gitt av oberst Vu Van Tan, assisterende direktør i politiavdelingen for administrativ forvaltning av sosial orden ( Ministeriet for offentlig sikkerhet , C06), på workshopen om anvendelse av befolkningsdata i vurderingen av låntakeres kredittverdighet, om ettermiddagen 7. august.

Ifølge Tan ble denne modellen bygget i henhold til FICO-standarden (et ledende selskap innen bygging av modeller for kredittvurdering av låntakere, brukt i mer enn 30 land) fra USA, og er nå i utgangspunktet komplett med 18 felt med informasjon om innbyggere.

MB Banks finansselskap (MCredit) testet 10 000 datapunkter for innbyggere, PVcombank testet 20 000 datapunkter, og Datanest testet 60 000 datapunkter. Resultatene viste en reduksjon i utlånsrisiko for banker og kredittinstitusjoner på 7–20 %.

«Etter prøveperioden uttrykte alle banker et ønske om å offisielt implementere prosessen i sin egen virksomhet», uttalte oberst Vu Van Tan.

Departementet for offentlig sikkerhet sitt prosjekt for å bruke befolkningsdata i vurderingen av lånesøkeres kredittverdighet kan hjelpe kredittinstitusjoner med å redusere utlånsrisiko. Foto: Giang Huy

Samarbeidet mellom banksektoren og Departementet for offentlig sikkerhet om bruk av data har gitt mange fordeler, som for eksempel verifisering og synkronisering av håndteringen av personlige identifikasjonsnumre med kredittinformasjon for 41 millioner kunder, utplassering av chip-integrerte borger-ID-kort for minibankuttak og bruk av elektroniske identitetsbekreftelseskontoer.

Ifølge ledere i Departementet for offentlig sikkerhet brukes moderne teknologier kun som verktøy, selv om de brukes. De mangler informasjon og data som skal til for å støtte bankene i å ta utlånsbeslutninger. Det er fortsatt vanskelig å låne kapital til produksjon og næringsliv, noe som fører til spredning av ulovlig utlånspraksis og de negative konsekvensene av dette.

Ifølge oberst Vu Van Tan er det tre hovedårsaker: banker mangler grunnlag for å vurdere og identifisere kvalifiserte låntakere; det finnes ingen politikk for å støtte sårbare grupper; og det mangler statlige styringsmekanismer for å kontrollere ulovlig utlån.

Følgelig samarbeidet C06 med School of Information Technology ved Hanoi University of Science and Technology for å implementere et prosjekt som vurderer låntakernes kredittverdighet basert på befolkningsdata, ved hjelp av maskinlæring og kunstig intelligens-teknologier i henhold til FICO-kredittreferansestandarden i USA.

Ifølge Pham Tien Dung, visebanksjef i Vietnams statsbank, er kredittscoring et stadig mer utbredt og populært risikostyringsverktøy i banker i Vietnam. For at modellen skal fungere effektivt og forutsi fremtidig tilbakebetalingsevne, spiller dataenes nøyaktighet en avgjørende rolle.

«For å innhente data for å vurdere kredittverdighet er det viktig å ha tilgang til alternative kilder, spesielt den nasjonale befolkningsdatabasen», uttalte visesentralbanksjefen.

Utvidelse av datakilder var også den første løsningen som ble nevnt av Cao Van Binh, generaldirektør for National Credit Information Center (CIC), for å forbedre effektiviteten i vurderingen av låntakeres kredittverdighet.

Hos CIC ble denne modellen utviklet i 2015. Innen 2019, på grunn av utvidelsen av dekningen, utviklet CIC CB 2.0-modellen for kredittverdighetsvurdering for individuelle låntakere. Modellen ble ferdigstilt, og poengsummene ble gjort tilgjengelige fra april 2021.

Ifølge Binh når CICs vekst i informasjonsformidling jevnt 15–20 % årlig, noe som er høyere enn den gjennomsnittlige kredittvekstraten i økonomien . Bare i løpet av årets første seks måneder leverte CIC over 31 millioner rapporter av ulike typer.

For hver bank kreves det imidlertid fortsatt ytterligere kriterier for å vurdere en kundes kredittverdighet.

En representant fra BIDV uttalte at kundenes kredittvurderingsmodell bruker statistiske metoder og setter prinsipper og parametere, men at brukerne fortsatt må samle inn informasjon selv, aktivt søke etter og verifisere informasjon. Når man distribuerer kredittprodukter for privatkunder på digitale kanaler, står det imidlertid overfor mange begrensninger når det gjelder automatisk innsamling og verifisering av informasjon og å gi nøyaktige resultater.

«Å ha tilgang til verifisert og autentisert informasjon fra tredjeparter, spesielt kompetente statlige etater, er ekstremt viktig og betydningsfullt i bankenes utlånsvirksomhet til privatkunder, spesielt for digitale produkter», uttalte en representant for BIDV.

En av løsningene som er tatt i bruk av denne banken er å samarbeide med RAR-senteret – Ministry of Public Security for å implementere et kunderangeringsprosjekt basert på identifikasjonsdata for borgere. Basert på resultatene fra backtesting av modellen, sa BIDV at de vil undersøke og foreslå anvendelse av kredittscore på noen kredittprodukter for privatkunder.

Minh Son

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