‘การใช้ข้อมูลประชากรจะช่วยลดความเสี่ยงในการกู้ยืมได้ 7-20%’

แบบจำลองที่ประเมินความน่าเชื่อถือทางเครดิตของผู้กู้โดยอิงจากข้อมูลประชากร ซึ่งได้รับการทดสอบโดยบริษัทการเงินและธนาคาร สามารถลดความเสี่ยงในการให้สินเชื่อได้ถึง 20%

ข้อมูลนี้ได้รับจากพันเอก Vu Van Tan รองอธิบดีกรมตำรวจบริหารความสงบเรียบร้อยทางสังคม ( กระทรวงความมั่นคงสาธารณะ C06) ในการประชุมเชิงปฏิบัติการเรื่องการนำข้อมูลประชากรมาใช้ในการประเมินความน่าเชื่อถือทางเครดิตของลูกค้าสินเชื่อ ในช่วงบ่ายของวันที่ 7 สิงหาคม

คุณตัน กล่าวว่าโมเดลนี้สร้างขึ้นตามมาตรฐาน FICO (บริษัทชั้นนำในการสร้างแบบจำลองการประเมินความน่าเชื่อถือทางเครดิตของลูกค้า ซึ่งนำไปใช้ในกว่า 30 ประเทศ) ของสหรัฐอเมริกา และปัจจุบันได้เสร็จสมบูรณ์แล้วโดยประกอบด้วยช่องข้อมูลที่อยู่อาศัย 18 ช่อง

บริษัท MB Banking and Finance Company (MCredit) ได้ทดสอบข้อมูลประชาชน 10,000 คน PVcombank ได้ทดสอบข้อมูล 20,000 คน และ Datanest ได้ทดสอบข้อมูล 60,000 คน ผลการทดสอบแสดงให้เห็นว่าอัตราส่วนความเสี่ยงในการให้สินเชื่อแก่ธนาคารและสถาบันสินเชื่อลดลง 7-20%

“หลังจากการทดสอบแล้ว ธนาคารทั้งหมดต้องการนำไปใช้ในกระบวนการของตนอย่างเป็นทางการ” พันเอก Vu Van Tan กล่าว

โครงการนำข้อมูลประชากรของกระทรวงความมั่นคงสาธารณะมาใช้ในการประเมินความน่าเชื่อถือทางเครดิตของผู้กู้ยืม จะช่วยให้สถาบันสินเชื่อลดความเสี่ยงในการให้สินเชื่อได้ ภาพโดย: Giang Huy — โครงการนำข้อมูลประชากรของกระทรวงความมั่นคงสาธารณะมาใช้ในการประเมินความน่าเชื่อถือทางเครดิตของผู้กู้ยืม จะช่วยให้สถาบันสินเชื่อลดความเสี่ยงในการให้สินเชื่อได้ ภาพโดย: *Giang Huy*

การรวมกันของอุตสาหกรรมธนาคารและกระทรวงความมั่นคงสาธารณะในการใช้ข้อมูลทำให้เกิดประโยชน์มากมาย เช่น การรับรองความถูกต้องและซิงโครไนซ์การจัดการรหัสประจำตัวส่วนบุคคลกับข้อมูลสินเชื่อของลูกค้า 41 ล้านราย การนำบัตรประจำตัวประชาชนที่ฝังชิปมาใช้ในการถอนเงินที่ตู้ ATM และการใช้บัญชีระบุตัวตนทางอิเล็กทรอนิกส์สำหรับการพิสูจน์ตัวตน

ผู้นำกระทรวงความมั่นคงสาธารณะระบุว่า แม้จะใช้เทคโนโลยีสมัยใหม่ แต่กลับถูกนำมาใช้เป็นเพียงเครื่องมือเท่านั้น ขาดข้อมูลและสารสนเทศเพื่อสนับสนุนการตัดสินใจปล่อยสินเชื่อของธนาคาร การกู้ยืมเงินทุนเพื่อการผลิตและธุรกิจยังคงประสบปัญหาหลายประการ ซึ่งนำไปสู่ปัญหาสินเชื่อดำ (Black Credit) ที่ส่งผลกระทบตามมา

ตามที่พันเอก Vu Van Tan กล่าว มีสาเหตุหลักสามประการ ได้แก่ ธนาคารไม่มีพื้นฐานในการประเมินและกำหนดวัตถุประสงค์ของสินเชื่อ ไม่มีนโยบายที่จะช่วยเหลือผู้ด้อยโอกาส และขาดกลไกการบริหารจัดการของรัฐในการควบคุมสินเชื่อนอกระบบ

ด้วยเหตุนี้ C06 จึงได้ประสานงานกับคณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยี ฮานอย เพื่อดำเนินโครงการประเมินความน่าเชื่อถือทางเครดิตของผู้กู้ยืมโดยใช้ข้อมูลประชากร โดยใช้เทคโนโลยีการเรียนรู้ของเครื่องจักรและปัญญาประดิษฐ์ตามมาตรฐานอ้างอิงเครดิต FICO ของสหรัฐอเมริกา

รองผู้ว่าการธนาคารแห่งรัฐ Pham Tien Dung ระบุว่า การให้คะแนนเครดิตในเวียดนามเป็นเครื่องมือบริหารความเสี่ยงที่แพร่หลายและได้รับความนิยมเพิ่มขึ้นเรื่อยๆ ในธนาคารต่างๆ ความแม่นยำของข้อมูลมีบทบาทสำคัญอย่างยิ่งต่อการทำงานของแบบจำลองและการคาดการณ์ความสามารถในการชำระหนี้ในอนาคต

“การมีแหล่งข้อมูลเพื่อประเมินความน่าเชื่อถือทางเครดิต จำเป็นต้องมีการแบ่งปันจากแหล่งข้อมูลอื่น โดยเฉพาะฐานข้อมูลประชากรระดับประเทศ” รองผู้ว่าการฯ กล่าว

การขยายแหล่งข้อมูลถือเป็นแนวทางแก้ไขแรกที่นาย Cao Van Binh ผู้อำนวยการศูนย์ข้อมูลเครดิตแห่งชาติ (CIC) กล่าวถึงในการปรับปรุงประสิทธิภาพการประเมินความน่าเชื่อถือทางเครดิตของผู้กู้ยืม

ที่ CIC แบบจำลองนี้สร้างขึ้นในปี 2558 และภายในปี 2562 เนื่องจากการขยายขอบเขตการให้บริการ CIC จึงได้สร้างแบบจำลอง CB 2.0 ขึ้นเพื่อประเมินความน่าเชื่อถือทางเครดิตของผู้กู้รายบุคคล แบบจำลองนี้เสร็จสมบูรณ์แล้ว และผลการให้คะแนนของแบบจำลองนี้เผยแพร่ตั้งแต่เดือนเมษายน 2564

คุณบิ่งห์ ระบุว่า อัตราการเติบโตของข้อมูลข่าวสารของ CIC อยู่ที่ 15-20% ต่อปี ซึ่งสูงกว่าอัตราการเติบโตของสินเชื่อเฉลี่ยของ เศรษฐกิจ เฉพาะในช่วง 6 เดือนแรกของปีนี้ CIC ได้จัดทำรายงานข้อมูลทุกประเภทมากกว่า 31 ล้านฉบับ

อย่างไรก็ตาม สำหรับแต่ละธนาคาร การประเมินความน่าเชื่อถือทางเครดิตของลูกค้ายังคงต้องมีเกณฑ์เพิ่มเติม

ตัวแทนของ BIDV กล่าวว่าแบบจำลองการจัดอันดับเครดิตลูกค้าใช้วิธีการทางสถิติและกำหนดหลักการและพารามิเตอร์ต่างๆ แต่ผู้ใช้ยังคงต้องรวบรวมข้อมูลด้วยตนเอง ค้นหา และตรวจสอบข้อมูลอย่างสม่ำเสมอ อย่างไรก็ตาม เมื่อนำผลิตภัณฑ์สินเชื่อค้าปลีกไปใช้ในช่องทางดิจิทัล ระบบการจัดอันดับเครดิตภายในที่มีอยู่เดิมจะเผชิญกับข้อจำกัดมากมายในการรวบรวมและตรวจสอบข้อมูลโดยอัตโนมัติและให้ผลลัพธ์ที่แม่นยำ

“การมีแหล่งข้อมูลที่ได้รับการตรวจสอบและรับรองโดยบุคคลภายนอก โดยเฉพาะหน่วยงานของรัฐที่มีอำนาจหน้าที่ ถือเป็นสิ่งสำคัญและมีความหมายอย่างยิ่งในกิจกรรมสินเชื่อค้าปลีกของธนาคาร โดยเฉพาะอย่างยิ่งกับผลิตภัณฑ์ดิจิทัล” ตัวแทนของ BIDV กล่าว

หนึ่งในแนวทางแก้ปัญหาที่ธนาคารแห่งนี้นำมาใช้คือการร่วมมือกับศูนย์ RAR กระทรวงความมั่นคงสาธารณะ เพื่อดำเนินโครงการจัดอันดับลูกค้าโดยใช้ข้อมูลประจำตัวประชาชน BIDV ระบุว่าจากผลการทดสอบแบบย้อนหลัง ธนาคารจะวิจัยและเสนอการประยุกต์ใช้คะแนนเครดิตสำหรับผลิตภัณฑ์สินเชื่อรายย่อยบางรายการ

มินห์ ซอน

ลิงค์ที่มา