Finans şirketleri ve bankalar tarafından yapılan testlere göre, demografik verilere dayalı olarak kredi başvuru sahiplerinin kredi değerliliğini değerlendiren bir model, kredi riskini %20'ye kadar azaltabilir.
Bu bilgi, 7 Ağustos öğleden sonra düzenlenen "Borçluların Kredi Değerliliğinin Değerlendirilmesinde Nüfus Verilerinin Uygulanması" Çalıştayında, Kamu Güvenliği Bakanlığı Sosyal Düzen İdari Yönetimi Polis Dairesi Müdür Yardımcısı Albay Vu Van Tan tarafından verilmiştir.
Bay Tan'a göre, bu model ABD'li FICO standardına (30'dan fazla ülkede uygulanan, borçlular için kredi değerliliği değerlendirme modelleri oluşturmada lider bir şirket) göre oluşturulmuş olup, şu anda 18 ikametgah bilgisi alanı ile temel olarak tamamlanmıştır.
MB Bank'ın finans şirketi (MCredit) 10.000 vatandaş verisi noktası üzerinde, PVcombank 20.000 veri noktası üzerinde ve Datanest 60.000 veri noktası üzerinde test yaptı. Sonuçlar, bankalar ve kredi kuruluşları için kredi riskinde %7-20 oranında bir azalma olduğunu gösterdi.
Albay Vu Van Tan, "Deneme sürecinin ardından tüm bankalar, süreci kendi operasyonlarında resmen uygulamaya koyma arzusunu dile getirdiler" dedi.
Kamu Güvenliği Bakanlığı'nın, kredi başvuru sahiplerinin kredi değerliliğini değerlendirmede nüfus verilerini kullanma projesi, kredi kurumlarının kredi risklerini azaltmasına yardımcı olabilir. Fotoğraf: Giang Huy
Bankacılık sektörü ile Kamu Güvenliği Bakanlığı arasındaki veri kullanımı konusundaki iş birliği, 41 milyon müşterinin kişisel kimlik numaralarının kredi bilgileriyle doğrulanması ve senkronize edilmesi, ATM'lerden para çekme işlemleri için çipli vatandaş kimlik kartlarının kullanıma sunulması ve elektronik kimlik doğrulama hesaplarının kullanılması gibi birçok fayda sağlamıştır.
Kamu Güvenliği Bakanlığı yetkililerine göre, modern teknolojiler uygulanıyor olsa da, bankaların kredi verme kararlarını destekleyecek bilgi ve verilerden yoksun oldukları için sadece araç olarak kullanılıyorlar. Üretim ve işletmeler için sermaye temini zor olmaya devam ediyor, bu da yasadışı kredi uygulamalarının yaygınlaşmasına ve olumsuz sonuçlara yol açıyor.
Albay Vu Van Tan'a göre, bunun üç ana nedeni var: bankaların uygun borçluları değerlendirme ve belirleme konusunda bir dayanağı yok; savunmasız grupları destekleyecek bir politika yok; ve yasadışı kredilendirmeyi kontrol edecek devlet yönetim mekanizmaları eksik.
Buna göre, C06 , Hanoi Bilim ve Teknoloji Üniversitesi Bilgi Teknolojileri Fakültesi ile iş birliği yaparak, Amerika Birleşik Devletleri'ndeki FICO kredi referans standardına göre makine öğrenimi ve yapay zeka teknolojilerini kullanarak nüfus verilerine dayalı olarak borçluların kredi değerliliğini değerlendiren bir proje hayata geçirdi.
Vietnam Merkez Bankası Başkan Yardımcısı Pham Tien Dung'a göre, Vietnam'da kredi puanlaması, bankalarda giderek yaygınlaşan ve popülerleşen bir risk yönetim aracıdır. Modelin etkili bir şekilde çalışması ve gelecekteki geri ödeme kapasitesini tahmin etmesi için verilerin doğruluğu çok önemli bir rol oynamaktadır.
Vali Yardımcısı, "Kredi değerliliğini değerlendirmek için veri elde etmek amacıyla, özellikle ulusal nüfus veri tabanı olmak üzere alternatif kaynaklara erişim şarttır" dedi.
Ulusal Kredi Bilgi Merkezi (CIC) Genel Müdürü Sayın Cao Van Binh'in, borçluların kredi değerliliğini değerlendirme verimliliğini artırmak için bahsettiği ilk çözüm, veri kaynaklarının genişletilmesiydi.
CIC'de bu model 2015 yılında geliştirildi. 2019 yılına gelindiğinde, kapsamın genişlemesi nedeniyle CIC, bireysel borçlular için CB 2.0 kredi değerliliği değerlendirme modelini geliştirdi. Model tamamlandı ve puanlama sonuçları Nisan 2021'den itibaren kullanıma sunuldu.
Sayın Binh'e göre, CIC'nin bilgi sağlama büyümesi yıllık olarak istikrarlı bir şekilde %15-20'ye ulaşıyor ve bu oran ekonominin ortalama kredi büyüme oranından daha yüksek. Sadece bu yılın ilk altı ayında CIC, çeşitli türlerde 31 milyondan fazla rapor sağladı.
Ancak, her banka için bir müşterinin kredi değerliliğini değerlendirmek yine de ek kriterler gerektirir.
BIDV'den bir temsilci, müşteri kredi derecelendirme modelinin istatistiksel yöntemler kullandığını ve ilke ve parametreler belirlediğini, ancak kullanıcıların yine de bilgileri kendilerinin toplaması, aktif olarak araması ve doğrulaması gerektiğini belirtti. Bununla birlikte, perakende kredi ürünlerinin dijital kanallarda kullanıma sunulması sırasında, mevcut dahili kredi derecelendirme sistemi, bilgileri otomatik olarak toplama, doğrulama ve doğru sonuçlar sağlama konusunda birçok sınırlamayla karşı karşıya kalmaktadır.
BIDV temsilcisi, "Özellikle yetkili devlet kurumları olmak üzere, üçüncü taraflardan doğrulanmış ve kimliği doğrulanmış bilgilere erişim, bankaların perakende kredi faaliyetlerinde, özellikle dijital ürünler için son derece önemli ve anlamlıdır" dedi.
Bu bankanın benimsediği çözümlerden biri, vatandaş kimlik verilerine dayalı bir müşteri sıralama projesi uygulamak için Kamu Güvenliği Bakanlığı'na bağlı RAR Merkezi ile işbirliği yapmaktır. BIDV, modelin geriye dönük test sonuçlarına dayanarak, kredi puanının bazı perakende kredi ürünlerine uygulanmasını araştırıp önereceğini belirtti.
Minh Son
[reklam_2]
Kaynak bağlantısı
Yorum (0)