স্বচ্ছতা, শাসন, এবং ক্রেডিট স্কোরিং: ভ্যানটেজস্কোরের রিকার্ড ব্যান্ডেবোর সাথে একটি কথোপকথন

নতুন গ্রাহকদের ক্ষেত্রে ব্যবসার চ্যালেঞ্জের সাথে আমরা সবাই পরিচিত। একদিকে, যতটা সম্ভব নতুন গ্রাহকদের অনবোর্ড করার তাগিদ রয়েছে। অন্যদিকে, খারাপ অভিনেতাদের অবরুদ্ধ করার জন্য বা ঋণ দেওয়ার ব্যবসার ক্ষেত্রে, ঋণগ্রহীতাদের এড়াতে যারা তাদের ঋণ পরিশোধ করতে পারে না তাদের এড়ানোর জন্য খুব সতর্কতা অবলম্বন করা উচিত।

কোম্পানিগুলিকে এই টাগ-অফ-ওয়ার পরিচালনা করতে সাহায্য করার জন্য, ক্রেডিট স্কোরিং স্পেসে উদ্ভাবকরা ক্রেডিট-যোগ্যতা নির্ধারণের জন্য নতুন কৌশল তৈরি করেছে। এই নতুন পন্থাগুলি প্রথাগত ক্রেডিট স্কোরিংয়ের বাইরে চলে গেছে যাতে ঋণদাতাদের নির্ভরযোগ্য ঋণগ্রহীতাদের কাছে পৌঁছাতে সাহায্য করে যাদের পাতলা ক্রেডিট ইতিহাস থাকতে পারে - এমনকি কোনও উল্লেখযোগ্য, ঐতিহ্যগত ক্রেডিট ইতিহাসও নেই।

ভ্যানটেজস্কোর এমনই একজন উদ্ভাবক। এই বছর FinovateFall-এ, আমরা রিকার্ড ব্যান্ডেবো, VantageScore এক্সিকিউটিভ ভাইস প্রেসিডেন্ট এবং চিফ প্রোডাক্ট অফিসারের সাথে কথা বলেছিলাম যাতে ক্রেডিট স্কোরিং এর প্রতি কোম্পানির পদ্ধতি, এটি কীভাবে প্রথাগত ক্রেডিট স্কোরিং পদ্ধতি থেকে আলাদা, এবং কীভাবে ফিনটেকগুলি VantageScore-এর প্রযুক্তিকে আরও "নতুনভাবে আবিষ্কার করতে পারে" ঋণযোগ্য "গ্রাহক।

নিচে থেকে কয়েকটি উদ্ধৃতি দেওয়া হল আমাদের কথোপকথন:

এই মডেলগুলিকে আরও নির্ভুল এবং অন্তর্ভুক্ত করার জন্য আমরা কী করতে পারি তা দেখার জন্য আমরা ড্রয়িং বোর্ডে ফিরে গিয়েছিলাম। এটি করার মাধ্যমে আমরা ক্রেডিট ফাইলের ডেটা দেখার উপায়গুলি দেখতে শুরু করেছি। আমরা ট্রেন্ডেড ডেটা ব্যবহার করা শুরু করেছি এবং খুঁজে পেয়েছি, এটি করার মাধ্যমে আমরা মডেলটির যথার্থতা উল্লেখযোগ্যভাবে উন্নত করতে সক্ষম হয়েছি। এটি সম্ভবত সবচেয়ে নির্ভুল একটি, যদি না হয় সবচেয়ে সঠিক, জেনেরিক মডেল যা ব্যাপকভাবে গৃহীত হয়েছে।

দ্বিতীয়ত, আমরা আরও দেখতে পেয়েছি যে এই ধরণের ডেটা ব্যবহার করে আমরা সময়ের সাথে সাথে গ্রাহকদের জন্য অনেক বেশি সামঞ্জস্যপূর্ণ স্কোর পেয়েছি। ভোক্তা এবং ঋণদাতাদের জন্য (এর চেয়ে) হতাশাজনক কিছু নেই যখন তাদের স্কোর সময়ের সাথে সাথে অনেক উপরে এবং নিচে যায়। সুতরাং এটি একটি ভোক্তার ইতিহাস জুড়ে একটি অনেক মসৃণ রূপান্তর প্রদান করে।

এবং তৃতীয় অংশটি হল যে আমরা এই সর্বশেষ মডেলের সাথে আমাদের অন্তর্ভুক্তি ব্যাপকভাবে উন্নত করতে সক্ষম হয়েছি। আমরা প্রচলিত জেনেরিক মডেলের তুলনায় প্রায় 37 মিলিয়ন বেশি ভোক্তা স্কোর করি - যার মধ্যে 10 মিলিয়নেরও বেশি 620 এর উপরে।

প্রথম এবং সর্বাগ্রে, আমরা একটি অত্যন্ত স্বচ্ছ ক্রেডিট স্কোরিং কোম্পানি। আমাদের মডেলগুলি কীভাবে কাজ করে (এবং) আমাদের মডেলগুলিতে বিভিন্ন ক্রিয়াকলাপ কী প্রভাব ফেলে সে সম্পর্কে আমরা প্রচুর স্বচ্ছতা প্রদান করি। আমরা অভিবাসন এবং শাসনের চারপাশেও দুর্দান্ত সহায়তা পরিষেবা তৈরি করেছি। ফিনটেক এবং ঋণদাতা উভয়ের জন্যই একটি রূপান্তর করা যতটা সম্ভব সহজ করার জন্য আমরা অনেক কিছু করি।

আমরা সম্প্রতি এফটিআই কনসাল্টিং একটি গবেষণা পরিচালনা করেছি যেখানে তারা বাইরে গিয়ে সাক্ষাত্কার নিয়েছিল এবং বৃহত্তর বাজারে ক্ষুধা কেমন ছিল, তারা কী খুঁজছিল তা বোঝার চেষ্টা করেছিল। তাদের পাওয়া সাধারণ প্রতিক্রিয়াগুলির মধ্যে একটি হল, অন্যান্য বাজারের মতো, তারা আরও প্রতিযোগিতার সন্ধান করছে এবং তারা এমন সেরা মডেলগুলি খুঁজছে যা তারা ঝুঁকির উপর বিভিন্ন ধরণের ভোক্তাদের প্রভাব বোঝার জন্য ব্যবহার করতে পারে৷

আমরা প্রকৃতপক্ষে VantageScore-এ সাধারণভাবে ব্যবহার করা একটি বড় আপটেক দেখেছি, এবং আমরা এখন সিকিউরিটাইজেশন বাজারে ক্রমবর্ধমান ক্ষুধা দেখতে পাচ্ছি। আমরা কিছু খুব বড় ঋণদাতাদের এখন VantageScore-এর উপর ভিত্তি করে তাদের সিকিউরিটি অফার করতে দেখেছি।

দেখো পূর্ণ সাক্ষাত্কার ফিনোভেট টিভিতে।

ছবি Pixabay দ্বারা