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

En modell som vurderer låntakeres kredittverdighet basert på befolkningsdata, testet av finansselskaper og banker, kan redusere utlånsrisikoen med opptil 20 %.

Denne informasjonen ble gitt av oberst Vu Van Tan, assisterende direktør i avdelingen for administrativt politi for sosial orden ( Ministeriet for offentlig sikkerhet , C06) på workshopen om bruk av befolkningsdata i vurderingen av lånekunders kredittverdighet, om ettermiddagen 7. august.

Ifølge Tan er denne modellen bygget i henhold til FICO-standarder (et ledende selskap innen bygging av en modell for kredittvurdering av kunder, brukt i mer enn 30 land) i USA, og er nå i hovedsak komplett med 18 informasjonsfelt for boliger.

MB Banking and Finance Company (MCredit) testet data fra 10 000 innbyggere, PVcombank testet 20 000 data og Datanest testet 60 000 data. Resultatene viste at risikoforholdet ved utlån av kapital til banker og kredittinstitusjoner ble redusert med 7–20 %.

«Etter testing ønsker alle bankene å offisielt implementere det i prosessene sine», sa oberst Vu Van Tan.

Departementet for offentlig sikkerhet sitt prosjekt for å bruke befolkningsdata til å vurdere låntakeres kredittverdighet kan hjelpe kredittinstitusjoner med å redusere risikoen ved utlån. Foto: Giang Huy

Kombinasjonen av banknæringen og Departementet for offentlig sikkerhet i bruken av data har gitt mange fordeler, som autentisering og synkronisering av administrasjonen av personlige identifikasjonskoder med kredittinformasjonen til 41 millioner kunder, utplassering av chip-innebygde borger-ID-kort for å ta ut penger i minibanker og bruk av elektroniske identifikasjonskontoer for autentisering.

Ifølge lederen for departementet for offentlig sikkerhet, selv om moderne teknologi brukes, implementeres den kun som et verktøy, og mangler informasjon og data for å støtte bankene i å ta utlånsbeslutninger. Å låne kapital til produksjon og næringsliv står fortsatt overfor mange vanskeligheter, noe som fører til svart kreditt som får konsekvenser.

Ifølge oberst Vu Van Tan er det tre hovedårsaker: bankene har ikke grunnlag for å evaluere og bestemme låneobjekter; det finnes ingen politikk for å støtte de vanskeligstilte, og det mangler en statlig styringsmekanisme for å kontrollere svart kreditt.

Derfor har C06 koordinert med School of Information Technology, Hanoi University of Science and Technology for å implementere et prosjekt for å vurdere låntakeres kredittverdighet basert på befolkningsdata, ved hjelp av maskinlæringsteknologi og kunstig intelligens i henhold til FICOs kredittreferansestandarder i USA.

Ifølge visesentralbanksjefen i statsbanken Pham Tien Dung er kredittscoring i Vietnam et stadig mer utbredt og populært risikostyringsverktøy i banker. For at modellen skal fungere effektivt og forutsi fremtidig tilbakebetalingsevne for gjeld, spiller dataenes nøyaktighet en viktig rolle.

«For å ha en datakilde for å vurdere kredittverdighet, er det nødvendig å dele data fra alternative kilder, spesielt den nasjonale befolkningsdatabasen», sa visesentralbanksjefen.

Utvidelse av datakilder er også den første løsningen som nevnes 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 bygget i 2015. Innen 2019, på grunn av utvidelsen av dekningen, hadde CIC bygget en CB 2.0-modell for å vurdere kredittverdigheten til individuelle låntakere. Modellen ble ferdigstilt, og scoringsresultatene fra modellen ble gjort tilgjengelige fra april 2021.

Ifølge Binh når veksten i informasjonsformidling fra CIC alltid 15–20 % per år, høyere enn den gjennomsnittlige kredittveksten i økonomien . Bare i løpet av de første seks månedene i år har CIC levert mer enn 31 millioner informasjonsrapporter av alle slag.

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

En representant fra BIDV sa 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.

«Det er ekstremt viktig og meningsfullt i bankens kredittvirksomhet innen detaljhandelen, spesielt med digitale produkter, å ha informasjonskilder verifisert og autentisert av en tredjepart, spesielt et kompetent statlig organ», sa en representant for BIDV.

En av løsningene som denne banken har brukt, er å samarbeide med RAR-senteret – Ministry of Public Security – for å implementere kundevurderingsprosjektet basert på identifikasjonsdata fra borgere. Basert på resultatene fra backtest-modellen har BIDV sagt at de vil undersøke og foreslå bruk av kredittscore for noen kredittprodukter til privatkunder.

Minh Son

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