Cách Dữ Liệu Cấp Transaction Giúp Các Nhà Cho Vay Hiểu Hơn và Quản Lý Rủi Ro Ít Hơn

Trí tuệ nhân tạo (AI) trong lĩnh vực cho vay thường bị hiểu lầm là một giải pháp thần kỳ có thể tăng tốc quá trình cho vay hiện tại hoặc là một lớp chức năng kỹ thuật số hoạt động như một hộp đen, không thể vượt qua các kiểm tra tuân thủ. Những mô tả này không thể khác xa hơn với thực tế về công nghệ đang thay đổi tương lai của quá trình cho vay và cấp tín dụng.

Trí tuệ nhân tạo thực sự đang thay đổi tương lai của quá trình cho vay và cấp tín dụng bắt nguồn từ sự kết hợp mạnh mẽ giữa mã xác định, học máy và dữ liệu cấp transaction. Sự khác biệt này quan trọng từ cả góc độ thực tiễn và pháp lý; nó có nghĩa là một hệ thống trong đó mọi quyết định đều có thể giải thích được và nơi việc 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 này đáng được theo đuổi và cách thực hiện.

Cần Có Sự Đổi Mới Khẩn Cấp

Các mô hình cho vay 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 cho vay và đánh giá tín dụng truyền thống là hồi cứu, dựa nặng vào một khoảnh khắc duy nhất không nhất thiết mô tả đầy đủ bức tranh tài chính của người đi vay tiềm năng. Hiện tại, đã hơn hai thập kỷ kể từ khi quản lý dữ liệu kỹ thuật số vượt qua quản lý dữ liệu analog, nơi thông tin có thể truy cập ngay lập tức đã trở thành tiêu chuẩn. Một tệp tín dụng mất vài tháng để đến hộp thư của người cho vay 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 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 trong cơ sở hạ tầng đánh giá tín dụng khiến họ bị bỏ lại phía sau.

Và ở cấp độ cá nhân, mọi người cũng phải đối mặt với hậu quả. Tại Anh, một nghiên cứu cho thấy rằng các ngân hàng có thể từ chối 80% đơn xin vay của những người 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 có rủi ro thấp bị mất. Các chuyên gia chỉ ra rằng dữ liệu bureau truyền thống là một trong những nguyên nhân chính.

Đây chính xác là điều mà phân tích cấp transaction giải quyết. Thay vì dựa vào các chỉ số chậm được lấy từ hồ sơ lịch sử có thể đã lỗi thời, các hệ thống này phân tích hiện tại và ngay bây giờ. Người cho vay và các tổ chức tài chính được cung cấp cái nhìn thực sự về hành vi và sức khỏe tài chính của người đi vay tiềm năng ngay tại thời điểm hiện tại, không phải vài tuần hoặc vài tháng trước. Làm thế nào? Phân tích cấp transaction, nó trích xuất thông tin như dòng tiền, mô hình thanh toán, động lực chi tiêu và thu nhập trực tiếp từ tài khoản ngân hàng.

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

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

Tất nhiên, AI không thể thay thế phán quyết của con người, cũng không nên như vậy. Các nhà phân tích tín dụng và người cho vay vẫn cần thiết trong quá trình đi tiếp. Vai trò của AI nên là mở rộng sự tự tin, năng lực, 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 người tham gia.

Phân Tích Cấp Transaction Tiết Lộ Điều Gì

Hiểu được AI phân tích là điều quan trọng không kém so với lý do tại sao nó đáng được đưa vào quá trình cho vay từ đầu.

Điểm tín dụng cho người cho vay biết rằng một người hoặc công ty đã trả nợ trong quá khứ. Nhưng điều này không trao quyền cho người cho vay và các tổ chức tài chính để đọc giữa các dòng trong từng trường hợp cụ thể. Vì nó chỉ là một ảnh chụp nhanh, dựa quá nhiều vào các chỉ số như điểm tín dụng, khiến các nhà phân tích mù quáng trước các mô hình rộng lớn hơn cho thấy toàn bộ câu chuyện về người đi vay.

Lấy trường hợp của mô hình doanh thu theo mùa. Đối với nhiều doanh nghiệp nhỏ, doanh thu không phải là một đường thẳng mà là một đường có đỉnh và đáy được phục hồi theo chu kỳ. Điều này hoàn toàn bình thường trong các lĩnh vực khác nhau nhưng sẽ gây báo động khi được đưa ra khỏi ngữ cảnh – như thường xảy ra trong một tài liệu chỉ ghi lại khoảnh khắc nhưng không có gì khác.

Dữ liệu giao dịch được cung cấp trực tiếp từ tài khoản ngân hàng cung cấp một cái nhìn về sự phục hồi 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 phục hồi của 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 transaction 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 qua cho đến rất lâu sau trong mô hình cho vay 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, được đưa ra ánh sáng với phân tích giao dịch, không chỉ trên bảng cân đối. Một doanh nghiệp nhỏ với doanh thu khiêm tốn hơn nhưng có chu kỳ chuyển đổi tiền mặt được quản lý tốt có thể phục hồi lâu dài so với một đối tác lớn hơn với doanh thu được báo cáo mạnh mẽ nhưng chu kỳ chuyển đổi tiền mặt chậm.

Logic tương tự áp dụng cho các mô hình 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 các công ty khởi nghiệp. Đối với những người đi vay và người nộp đơn xin vay từ những nhóm này, việc tránh bị từ chối trở nên khó khăn hơn khi sự biến động thu nhập là một tín hiệu đỏ ngay từ cái nhìn đầu tiên. Tuy nhiên, phân tích giao dịch xác định mô hình cơ bản và xu hướng rộng lớn hơn xung quanh thói quen chi tiêu, tần suất thanh toán, thu nhập so với chi tiêu và thói quen tài chính chung.

Làm Cho Dữ Liệu Dân Chủ Hóa và Đảm Bảo Sử Dụng Trí Tuệ Nhân Tạo Có Trách Nhiệm

Nếu được thực hiện đúng, cách tiếp cận phân tích cấp transaction cũng tạo điều kiện cho một quá trình cho vay minh bạch và công bằng 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. Đối với những người có lịch sử lâu dài với hệ thống này, điều này hoạt động tương đối tốt. Đối với những người không có, bao gồm cả những người làm việc tự do và các doanh nghiệp nhỏ mới thành lập, điều này khiến họ trở nên vô hình.

Dữ liệu cấp transaction là tất cả về việc làm cho mọi thứ trở nên 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 thời điểm này sang thời điểm khác. Người cho vay tiếp cận 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 điều kiện quan trọng: không có gì đảm bảo rằng 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 khiến nó dễ bị偏见. Nếu trong quá khứ,某些 nhóm đã bị loại khỏi quyết định cho vay, một mô hình được thiết kế kém sẽ chỉ phục vụ để tái tạo sự偏见 và phân biệt đối xử này.

Thật không may, đã có những trường hợp được ghi nhận về sự phân biệt đối xử được tiếp tục do thiếu minh bạch và thiếu kiểm toán của các hệ thống AI – một nghiên cứu gần đây cho thấy rằng phụ nữ 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 công việc liên quan đến AI quyết định liệu công bằng có trở thành một bảo đảm. AI phải được thực hiện 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, nguồn và đích của nó quyết định những gì phân tích cấp transaction nhìn thấy và tạo ra thông tin. Các tiêu chuẩn nhất quán về độ chính xác của dữ liệu được kết nối trực tiếp với 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 điều mong muốn nữa. Các cơ quan quản lý đang yêu cầu các kiến trúc có thể kiểm toán, minh bạch, loại bỏ rủi ro của sự偏见 và phân biệt đối xử. Chỉ thị Tín dụng Tiêu dùng của EU 2 (CCD2), ví dụ, đặt ra các tiêu chuẩn rõ ràng cho việc ra quyết định tín dụng tự động, bao gồm quyền của người đi vay để giải thích và xem xét của con người. Trên thực tế, quy định này vừa được sửa đổi để trở nên nghiêm ngặt hơn vào cuối năm nay.

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