Πιστωτική βαθμολογία επόμενης γενιάς (Artem Grigor)

Τι είναι το Credit Scoring  

 Ο καθένας θα αντιμετωπίσει το Credit Scoring στη ζωή του, ακόμα κι αν δεν χρειαστεί ποτέ να πάρει δάνειο. Το Credit Scoring αρχικά προέκυψε από την ανάγκη των τραπεζών και άλλων δανειστών, να αξιολογήσουν πόσο πιθανό θα είναι οι πελάτες να τους αποπληρώσουν. Να απλοποιήσουν τις εσωτερικές τους διαδικασίες
Και να είστε πιο ευέλικτοι, ανέθεσαν αυτήν την εργασία σε εταιρείες πιστοληπτικής αξιολόγησης που διατηρούν αρχεία πιστοληπτικής ικανότητας πελατών και ολοκληρώνουν τις αξιολογήσεις πελατών με βάση ιδιόκτητους τύπους. Με αυτό, μπορούν να παρέχουν έναν αριθμό από 1-1000(850) σε τράπεζες και άλλους δανειστές, υποδεικνύοντας
επίπεδα αξιοπιστίας.

Παρά το γεγονός ότι αρχικά προοριζόταν για την αξιολόγηση της ικανότητας λήψης δανείων, αυτή τη στιγμή η βαθμολογία πιστοληπτικής ικανότητας χρησιμοποιείται σε όλες τις χρηματοοικονομικές δραστηριότητες, από την υπογραφή ενός νέου συμβολαίου για κινητά έως την ενοικίαση διαμερίσματος. Είναι πλέον ένας τρόπος να γνωρίζουμε εάν οι πελάτες είναι οικονομικά
υπεύθυνος (Sean LaPointe), με όλα να στηρίζονται σε έναν 3ψήφιο αριθμό. Επομένως, το να έχετε ένα καλό πιστωτικό σκορ είναι συχνά πιο επικερδές από το να έχετε ένα
εξαιρετική δουλειά (Experian).

Ωστόσο, παρά την ευρύτερη υιοθέτηση από ποτέ, ο τρόπος με τον οποίο έχουν υπολογιστεί τα πιστωτικά σκορ και τα δεδομένα που χρησιμοποιούνται για αυτό δεν έχουν σχεδόν αλλάξει.

Τι συμβαίνει με τη βαθμολογία πίστωσης;

Αυτήν τη στιγμή, υπάρχουν τρεις σημαντικοί οργανισμοί πιστοληπτικής αξιολόγησης: Equifax, Experian και TransUnion. Μαζί κάνουν το μεγαλύτερο μέρος της βαθμολογίας πιστοληπτικής ικανότητας για τις ΗΠΑ και το Ηνωμένο Βασίλειο και αποτελούν την κύρια αξιόπιστη πηγή πληροφοριών για εσάς, τον πελάτη, για τους δανειστές. Να υπολογίσω
Η βαθμολογία, αυτές οι εταιρείες χρησιμοποιούν πολλά μοντέλα, με το FICO να είναι το πιο δημοφιλές. Σε αυτό, αξιολογούν κυρίως πόσο καλά έχετε αποπληρώσει προηγούμενα δάνεια, καθώς και τι τύπους δανείων είχατε και πότε.

Αυτό που προκαλεί έκπληξη σε αυτό το μοντέλο είναι ότι χρησιμοποιεί μόνο παλαιότερα δάνεια για να αξιολογήσει τα μελλοντικά. Αυτό έχει ως αποτέλεσμα καταστάσεις όπου ένα άτομο με μια καλά αμειβόμενη εργασία και αποταμιεύσεις που ζει χωρίς πίστωση έχει χαμηλότερη βαθμολογία από κάποιον που ξοδεύει όλο το εισόδημά του στην αποπληρωμή
πίστωση για προηγούμενα δάνεια. Αυτή η κατάσταση προκάλεσε πρόσφατα μια εξέγερση οικονομικά σταθερών ατόμων που λαμβάνουν δάνεια, παρά το γεγονός ότι έχουν πολλά κεφάλαια, μόνο για να ενισχύσουν τα πιστωτικά τους αποτελέσματα (Emma
Woodward). 

Μπορούμε πολύ καλύτερα

Αυτό είναι προφανώς ανησυχητικό σημάδι. Όχι μόνο έχουμε εμπόδια εισόδου για τους οικονομικά σταθερούς ανθρώπους για να λάβουν δάνειο, αλλά οι άνθρωποι έχουν τώρα γενικά κίνητρα να μπουν βαθύτερα στο χρέος. Φυσικά και δεν πρέπει να είναι έτσι. Ευτυχώς, υπάρχει κάτι που έχουμε
μπορεί να κάνει για αυτό.

Κάθε μέρα, οποιοσδήποτε καταναλωτής παράγει δεδομένα που μπορούν να χρησιμοποιηθούν ως σαφής ένδειξη ότι είναι αξιόπιστοι πληρωτές. Από τον τρόπο που ξοδεύει κανείς τα χρήματα, τη συμμετοχή στη δραστηριότητα στον ελεύθερο χρόνο ακόμα και τη δραστηριότητα στα social media. Όλα αυτά δίνουν μια πολύ καλύτερη εικόνα
αν θα είστε υπεύθυνοι για το χρέος σας ή όχι. Επιπλέον, αυτές οι πληροφορίες μπορούν να προσαρμοστούν γρήγορα στις νέες συνθήκες ζωής, σε σύγκριση με τα παλιά πιστωτικά σκορ που είναι ως επί το πλείστον στατικά, εκτός εάν έχετε ενεργό πιστωτικό όριο. 

Έχει επίσης αποδειχθεί ότι η χρήση εναλλακτικών δεδομένων, όπως αυτά που αναφέρονται παραπάνω, μπορεί να βελτιώσει δραστικά την ποιότητα της βαθμολογίας πίστωσης, με αναφορές βελτίωσης άνω του 50%. (Πίστωση
Βαθμολόγηση με δεδομένα κοινωνικού δικτύου, Πιστωτική βαθμολόγηση λιανικής με χρήση λεπτομερών δεδομένων πληρωμών). Και στις μέρες των Big Data, δεν υπάρχουν περιορισμοί στη δημιουργία νέων συστημάτων βαθμολόγησης — αυτό
είναι πολύ πιθανό.

Η νέα προσέγγιση θα ήταν μια μεγάλη νίκη για πολλούς ανθρώπους, ειδικά για νέους που δεν έχουν λάβει ακόμη δάνεια, αλλά έχουν ήδη ένα ισχυρό προφίλ. Ωστόσο, δεν έχουμε ακόμη δει συστήματα που εκμεταλλεύονται αυτά τα οφέλη και υπάρχει λόγος για αυτό —
Μυστικότητα.

Το δίλημμα της ιδιωτικής ζωής 

Είναι σαφές ότι υπάρχει πληθώρα δεδομένων που μπορούν να χρησιμοποιηθούν για την απόκτηση πιο ακριβών πιστωτικών βαθμολογιών, ωστόσο, αυτά τα δεδομένα είναι συνήθως πολύ ευαίσθητα. Για παράδειγμα, θα ήσασταν εντάξει με την κοινή χρήση πληροφοριών σχετικά με κάθε τηλεφωνική συνομιλία που είχατε με ένα εξωτερικό μέρος;
ώστε να υπολογίσουν καλύτερο πιστωτικό σκορ; Μάλλον όχι, ειδικά αν σκεφτείτε ότι μπορεί επίσης να σας κρυφακούσουν και να εξάγουν πληροφορίες για να τις πουλήσουν και μετά στους διαφημιστές. Τι γίνεται με την αποστολή δεδομένων υγείας και τοποθεσίας στο Apple Watch; Ή
όλες τις τραπεζικές σας συναλλαγές;

Αυτή η ανησυχία για το απόρρητο ήταν το κύριο εμπόδιο. Επιπλέον, παρόλο που υπάρχουν μοντέλα που θα μπορούσαν να εξαγάγουν πιστωτικά σκορ από αυτά τα δεδομένα, εξακολουθούμε να ζούμε με παλιά σκουριασμένα πιστωτικά σκορ. Ωστόσο, υπάρχει ελπιδοφόρο φως στον ορίζοντα. 

Ιδιωτικοί υπολογισμοί

Τα τελευταία 10 χρόνια, έχει σημειωθεί ταχεία άνοδος στην ανάπτυξη υπολογιστικών εργαλείων που διατηρούν το απόρρητο. Αυτά είναι εργαλεία που επιτρέπουν αλγόριθμους εκτέλεσης πάνω από ιδιωτικά δεδομένα χωρίς ποτέ να διακινδυνεύσουν την έκθεση των δεδομένων. 

Στην περίπτωσή μας, θα λειτουργούσε ως εξής:

Θα δώσετε εντολή στον πάροχο του τηλεφώνου σας να κοινοποιήσει τα στοιχεία της κρυπτογραφημένης κλήσης σας με την εταιρεία αξιολόγησης πιστοληπτικής ικανότητας. Στη συνέχεια, θα μπορούν να εκτελέσουν τη βαθμολογία πίστωσης πάνω από τα κρυπτογραφημένα δεδομένα, χωρίς να γνωρίζουν ποιον έχετε καλέσει ποτέ. Αλλά ως αποτέλεσμα, θα πάρουν ένα τεράστιο
βελτιωμένο πιστωτικό σκορ. Μια win-win κατάσταση και για τα δύο μέρη. Και αυτό μπορεί να γίνει με οποιοδήποτε είδος δεδομένων, ακόμη και με οποιοδήποτε τύπο μοντέλων ανάλυσης. Το πιο σημαντικό ακόμα, μπορείτε να είστε σίγουροι ότι τα προσωπικά δεδομένα που υποβάλλετε παραμένουν πάντα ιδιωτικά. 

Σήμερα, υπάρχουν δύο κύριες κατευθύνσεις για την πραγματοποίηση τέτοιων ιδιωτικών υπολογισμών — το λογισμικό και το υλικό. Η προσέγγιση λογισμικού βασίζεται σε κρυπτογραφικές τεχνικές, συμπεριλαμβανομένων λύσεων όπως ο Υπολογισμός πολλαπλών μερών (MPC) και η πλήρως ομομορφική κρυπτογράφηση
(FHE), ακόμα πολύ νωρίς στην ανάπτυξη. Η προσέγγιση υλικού αποτελείται από ειδικά τσιπ που ονομάζονται Εμπιστευτικές Υπολογιστικές Μονάδες που έχουν ήδη χρησιμοποιηθεί στον πραγματικό κόσμο για την ασφάλεια ευαίσθητων δεδομένων κατά τον υπολογισμό. Η τελευταία τεχνολογία είναι επί του παρόντος η
ο πιο πολλά υποσχόμενος υποψήφιος που θα χρησιμοποιηθεί για την οικοδόμηση του απαιτούμενου βελτιωμένου μοντέλου αξιολόγησης πιστοληπτικής ικανότητας, πλήρως κατάλληλο για τη σύγχρονη εποχή.

Ποιο θα είναι το μέλλον μας;

Υπάρχουν αναδυόμενες και πειστικές αποδείξεις (Πιστωτική βαθμολογία στην εποχή των μεγάλων δεδομένων)  αποδεικνύοντας ότι η νέα εποχή της αξιολόγησης της πιστοληπτικής ικανότητας δεν είναι πολύ μακριά , ας ελπίσουμε ότι θα δούμε αλλαγές την επόμενη δεκαετία. 

Πολλές τράπεζες και ιδιώτες δανειστές έχουν συνειδητοποιήσει ότι τα πιστωτικά σκορ εξακολουθούν να παρέχουν πολύ λίγες πληροφορίες. Εξαιτίας αυτού, αναζητούν ενεργά πρόσβαση στα δεδομένα οι ίδιοι. Το απόρρητο δεδομένων, και πάλι, γίνεται μεγάλο πρόβλημα. 

Ωστόσο, είναι λογικό να υποθέσουμε ότι με τις ιδιωτικές τεχνολογίες υπολογισμού, αυτό θα αλλάξει επίσης και θα δούμε αύξηση της δραστηριότητας που σχετίζεται με την ανταλλαγή δεδομένων. Με τη συγκατάθεσή μας, τα κρυπτογραφημένα δεδομένα μας θα μπορούσαν να κοινοποιηθούν ανώνυμα μεταξύ των υπηρεσιών
παρέχουν καλύτερες ασφαλιστικές προσφορές, στεγαστικά δάνεια, προσφορές αγοράς-τώρα-πληρωμής αργότερα και πολλά άλλα. 

Ζώντας στην εποχή των Μεγάλων Δεδομένων, όσο περισσότερα δεδομένα έχουμε πρόσβαση, τόσο καλύτερες θα είναι οι υπηρεσίες που θα λαμβάνουμε. Και η ιδιωτικότητα, το μόνο σημαντικό χτύπημα στο δρόμο, φαίνεται να έχει εξομαλυνθεί.