Làm thế nào Dữ liệu Cấp giao dịch Giúp các Nhà cho vay Xem nhiều hơn và Rủi ro Ít hơn

AI trong lĩnh vực cho vay thường được mô tả sai là một viên đạn bạc có thể tăng tốc quá trình xét duyệt tín dụng hiện có hoặc như một lớp kỹ thuật số hoạt động như một hộp đen, trên thực tế, sẽ không bao giờ vượt qua các kiểm tra tuân thủ. Những mô tả này không thể xa hơn với sự thật về những gì đang thay đổi cách đánh giá rủi ro tín dụng ở tiền tuyến của ngành.

AI thực sự đang thay đổi tương lai của xét duyệt tín dụng và cho vay bắt nguồn từ sự kết hợp mạnh mẽ của mã quyết định, học máy và dữ liệu cấp giao dịch. Sự khác biệt này quan trọng từ góc độ thực tế và pháp lý; nó có nghĩa là một hệ thống trong đó mọi quyết định đều có thể giải thích được và nơi tiếp cận tín dụng được mở rộng một cách có trách nhiệm thay vì tái tạo các偏见 hiện có.

Điều này liên quan đến công nghệ giúp hồ sơ của người đi vay có uy tín thoát khỏi danh sách bị từ chối và giảm thiểu rủi ro để tạo ra nhiều cơ hội hơn cho các tổ chức tài chính. Dưới đây là lý do tại sao con đường вперед này đáng được theo đuổi và làm thế nào để thực hiện.

Sự Cần thiết của Sự Thay đổi

Các mô hình xét duyệt tín dụng truyền thống dựa trên một cơ sở tương đối đơn giản: lịch sử của người đi vay, bao gồm cả hành vi trong quá khứ, được ghi lại trong điểm tín dụng và báo cáo, là một thước đo đáng tin cậy về khả năng tín dụng của họ. Trong suốt thế kỷ qua, cách tiếp cận này, được định nghĩa bởi các chỉ số chậm, đã đủ tốt, chủ yếu vì dữ liệu không dễ dàng có sẵn.

Tuy nhiên, mọi thứ đã thay đổi bây giờ. Các mô hình xét duyệt tín dụng và đánh giá tín dụng truyền thống là hồi cứu, dựa nặng vào một khoảnh khắc duy nhất không nhất thiết phải mô tả toàn diện tình hình tài chính của người đi vay. Đã hơn hai thập kỷ kể từ khi quản lý dữ liệu kỹ thuật số vượt qua quản lý analog, nơi thông tin có thể truy cập ngay lập tức đã trở thành tiêu chuẩn. Một tệp tín dụng mất nhiều tháng để đến hộp thư của người xét duyệt là một dấu hiệu cho thấy mô hình hiện tại là một cách xử lý thông tin lỗi thời.

Và, quan trọng là, cơ sở hạ tầng dữ liệu lỗi thời và thường không chính xác này chỉ làm tăng nguy cơ của người đi vay vô hình, người mà ngành tài chính không thể bỏ qua. Thị trường đã thay đổi đáng kể trong nửa thế kỷ qua. Hiện tại, các doanh nghiệp nhỏ và vừa giai đoạn đầu chiếm một phần lớn trong khu vực tư nhân ở Mỹ và phần lớn ở Châu Âu. Họ ngày càng được coi là xương sống của nền kinh tế tương lai, nhưng sự thất bại về cơ sở hạ tầng trong việc đánh giá tín dụng khiến họ bị bỏ lại phía sau.

Và những người tại cấp độ cá nhân cũng phải đối mặt với hậu quả, quá. Tại Anh, một nghiên cứu cho thấy rằng các ngân hàng có thể từ chối 80% người nộp đơn vay có hồ sơ tín dụng mỏng – những người thực sự có rủi ro thấp. Đó là 4 tỷ đô la (3 tỷ bảng) cho vay rủi ro thấp bị mất. Các chuyên gia chỉ ra rằng dữ liệu bureau truyền thống là một tội phạm cốt lõi.

Đây chính xác là những gì AI cấp giao dịch giải quyết. Thay vì dựa vào các chỉ số chậm được lấy từ hồ sơ lịch sử có thể đã lỗi thời vài tháng, các hệ thống này phân tích hiện tại. Những người xét duyệt và cho vay được cung cấp thông tin thực sự về hành vi và tình hình tài chính của người đi vay tiềm năng ngay bây giờ, không phải vài tuần hoặc vài tháng trước. Làm thế nào? AI cấp giao dịch, nó trích xuất các thông tin như dòng tiền, mẫu thanh toán, động lực chi tiêu và thu nhập trực tiếp từ tài khoản ngân hàng.

Điều đó cung cấp cho những người xét duyệt một dòng dữ liệu liên tục, đáng tin cậy và có liên quan để đánh giá đầy đủ hành vi tài chính và sức khỏe của người đi vay. Và có những kết quả đáng kể gắn liền với cách tiếp cận này. Tỷ lệ phê duyệt của các nhà cho vay tăng từ 10 đến 35%, mà không tăng thêm rủi ro. Họ cũng đang tăng tốc quyết định vay lên đến năm lần và giảm tổn thất danh mục đầu tư từ 15-40%.

Đáng chú ý là đây không phải là một tình huống mà các nhà cho vay đột nhiên chấp nhận rủi ro cao hơn đối với người đi vay. Nhiều người đi vay hơn không nhất thiết có nghĩa là nhiều rủi ro hơn. Điều xảy ra là nhiều người đi vay được làm cho rõ ràng – doanh nghiệp nhỏ và vừa và cá nhân – cùng với một phương pháp luận có thể giải thích được từ A đến Z.

Tất nhiên, AI không thể bổ sung cho phán quyết của con người, cũng không nên như vậy. Các nhà phân tích tín dụng và những người xét duyệt vẫn cần thiết trong quá trình đi tiếp. Vai trò của AI nên là mở rộng sự tự tin, khả năng, giải thích và độ chính xác mà không hy sinh trách nhiệm và đầu vào của con người. Sau tất cả, tài chính là một lĩnh vực rất nhạy cảm về mặt niềm tin của người tiêu dùng: mọi người muốn biết rằng có một con người tham gia.

Transaction-Level Analysis Phát Hiện

Hiểu được những gì AI phân tích chỉ quan trọng như tại sao nó đáng được đưa vào quá trình xét duyệt tín dụng ngay từ đầu.

Điểm tín dụng bureau cho người xét duyệt biết rằng một người hoặc công ty đã trả nợ trong quá khứ. Nhưng điều này không cho phép người xét duyệt và cho vay đọc giữa các dòng trong từng trường hợp. Vì nó chỉ là một hình ảnh tĩnh, dựa quá nhiều vào các chỉ số như điểm tín dụng bureau khiến các nhà phân tích mù quáng với các mẫu rộng hơn kể về câu chuyện đầy đủ về một người đi vay.

Hãy xem xét trường hợp của các mẫu doanh thu theo mùa. Đối với nhiều doanh nghiệp nhỏ và vừa, doanh thu không phải là một đường thẳng mà là một đường có đỉnh và đáy phục hồi theo chu kỳ. Đây là những điều hoàn toàn bình thường trong các lĩnh vực khác nhau nhưng sẽ gây ra cảnh báo khi được lấy ra khỏi ngữ cảnh – như thường xảy ra trong một tài liệu ghi lại khoảnh khắc nhưng không gì khác.

Dữ liệu giao dịch được cung cấp trực tiếp từ tài khoản ngân hàng cung cấp một cái nhìn về sự bền bỉ tổng thể của một công ty: cách họ phục hồi doanh thu và quản lý khoảng trống giữa các đỉnh và đáy. Nó cung cấp nhiều thông tin hơn về sự bền bỉ của một doanh nghiệp, cũng như cho phép chủ động thay vì quan điểm hồi cứu về triển vọng tài chính của người đi vay. Dữ liệu truyền thống không nhất thiết phân biệt giữa một công ty khéo léo và có trách nhiệm trong việc điều hướng một quý chậm so với một công ty liên tục mất tiền mà không có dấu hiệu kết thúc. Dữ liệu cấp giao dịch làm được điều đó.

Nó cũng có thể kết nối các điểm xung quanh sự tập trung của nhà cung cấp mà nếu không sẽ bị bỏ lỡ cho đến rất lâu sau trong một mô hình xét duyệt tín dụng truyền thống. Các doanh nghiệp có cơ sở nhà cung cấp hoặc khách hàng hẹp có hồ sơ rủi ro hoàn toàn khác so với những doanh nghiệp có cơ sở rộng hơn. Một tệp tín dụng không bao gồm đầy đủ các điểm yếu gắn liền với điều đó, điều có thể làm hoặc phá vỡ quyết định của người cho vay.

Và chu kỳ chuyển đổi tiền mặt, thời gian cần thiết để các doanh nghiệp chuyển đổi hàng tồn kho thành tiền mặt, được làm sáng tỏ với phân tích giao dịch, không chỉ trên bảng cân đối. Một doanh nghiệp nhỏ và vừa với doanh thu khiêm tốn hơn nhưng có chu kỳ chặt chẽ hơn có thể bền bỉ hơn trong dài hạn so với một đối tác lớn hơn có doanh thu báo cáo mạnh nhưng chu kỳ chuyển đổi chậm.

Luật logic tương tự áp dụng cho các mẫu thu nhập biến đổi, đang trở nên phổ biến giữa sự gia tăng của nền kinh tế tự do và sự bùng nổ của làm việc tự do và khởi nghiệp. Đối với những người đi vay và người nộp đơn vay từ những nhóm này, việc tránh bị từ chối trở nên khó khăn hơn khi sự biến động thu nhập là một lá cờ đỏ khi nhìn thoáng qua. Tuy nhiên, phân tích giao dịch xác định mẫu cơ bản và xu hướng rộng hơn xung quanh thói quen chi tiêu, tần suất thanh toán, thu nhập so với chi tiêu và thói quen tài chính chung.

Đây chính xác là nơi tính chất thời gian thực của phân tích giao dịch kỹ thuật số quan trọng. Các chỉ số cần thiết để có được đọc đầy đủ về rủi ro và khả năng trả nợ không phải là tĩnh. Một hình ảnh tĩnh duy nhất là ít chính xác hơn vì nó không liên tục. Sự kết hợp của một chỉ số bị bỏ lỡ từ sớm và hành động trì hoãn là nơi hầu hết các tổn thất danh mục đầu tư và rủi ro thêm được tìm thấy.

Làm cho Dữ liệu Dân chủ và Đảm bảo Sử dụng AI có Trách nhiệm

Theo đúng cách, cách tiếp cận phân tích cấp giao dịch cũng tạo điều kiện cho một quá trình xét duyệt tín dụng công bằng và minh bạch hơn. Các tham số truyền thống như bảng cân đối và dữ liệu bureau thể hiện lịch sử của người đi vay với hệ thống tín dụng chính thức. Điều này hoạt động khá tốt cho những người có lịch sử lâu dài với hệ thống này. Đối với những người không có, bao gồm cả những người làm việc tự do và các doanh nghiệp nhỏ và vừa trẻ, nó khiến họ trở nên vô hình.

Dữ liệu cấp giao dịch là tất cả về việc làm cho mọi thứ rõ ràng. Nó nhìn thấy những gì các chỉ số truyền thống bỏ qua vì nó nhìn thấy cách tiền được quản lý và hành vi thay đổi từ lúc này sang lúc khác. Những người xét duyệt có quyền truy cập vào một lớp hiểu biết sâu sắc hơn về khả năng tín dụng của người đi vay. Vì vậy, dữ liệu được thiết kế cấu trúc để trở nên dân chủ hơn.

Một lưu ý quan trọng: không có nghĩa là AI tự động dẫn đến một hệ thống công bằng hơn. Các thuật toán được đào tạo trên dữ liệu lịch sử và quyết định cho vay. Các偏见 tồn tại trong dữ liệu được sử dụng để đào tạo AI do đó làm cho nó dễ bị偏见 và phân biệt đối xử.

Thật không may, đã có những trường hợp ghi nhận về sự phân biệt đối xử được duy trì do thiếu minh bạch và thiếu kiểm toán của các hệ thống AI – một nghiên cứu gần đây cho thấy rằng phụ nữ consistently được trao điểm tín dụng thấp hơn so với nam giới.

Các lựa chọn thiết kế xung quanh cơ sở hạ tầng dữ liệu và quản lý luồng công việc liên quan đến AI quyết định liệu công bằng có trở thành một bảo đảm hay không. AI phải được triển khai một cách có trách nhiệm, và điều đó bao gồm việc tích hợp minh bạch, khả năng kiểm toán, trách nhiệm và bảo mật tại mọi giai đoạn. Dữ liệu nào được sử dụng, và nguồn gốc cũng như điểm đến của nó quyết định những gì AI cấp giao dịch nhìn thấy và tạo ra thông tin. Các tiêu chuẩn nhất quán về độ chính xác của dữ liệu trực tiếp liên quan đến độ tin cậy của các công cụ này. Cuối cùng, khả năng theo dõi và giải thích là các kênh cần thiết để xác định nơi một mô hình đi sai hoặc cần cải thiện, và những gì nó đang làm đúng.

Những đặc điểm này không còn là những tính năng tùy chọn. Các cơ quan quản lý thực sự đang yêu cầu các kiến trúc minh bạch, có thể kiểm toán, những kiến trúc loại bỏ rủi ro về偏见 và phân biệt đối xử. Chỉ thị tín dụng tiêu dùng của EU (CCD2), ví dụ, đặt ra các tiêu chuẩn rõ ràng cho việc ra quyết định tín dụng tự động, bao gồm cả quyền của người đi vay để được giải thích và xem xét của con người. Trên thực tế, quy định này vừa được sửa đổi để sẽ trở nên nghiêm ngặt hơn vào cuối năm nay.

Trong khi tốc độ là một yếu tố quan trọng, nó không phải là yếu tố định nghĩa duy nhất. Độ chính xác, công bằng, minh bạch và khả năng nhìn thấy đều quan trọng như nhau đối với các tổ chức tài chính muốn theo kịp với thị trường và quy định đang phát triển. AI cấp giao dịch, được xây dựng trong các khuôn khổ kiến trúc có kiểm toán và trách nhiệm được ghi vào lõi, cho phép họ làm như vậy.