Penilaian Kredit Generasi Selanjutnya (Artem Grigor)

Apa itu Penilaian Kredit  

 Setiap orang akan menghadapi Credit Scoring dalam hidupnya, meskipun mereka tidak pernah harus mengambil pinjaman. Credit Scoring awalnya muncul dari kebutuhan bank dan pemberi pinjaman lainnya, untuk menilai seberapa besar kemungkinan nasabah akan membayar kembali mereka. Untuk menyederhanakan proses internal mereka
dan agar lebih ramping, mereka menyerahkan tugas ini kepada perusahaan pemeringkat kredit yang memelihara rekam jejak kredit pelanggan dan menyelesaikan evaluasi pelanggan berdasarkan formula kepemilikan. Dengan ini, mereka dapat memberikan angka dari 1-1000(850) ke bank dan pemberi pinjaman lainnya, yang menunjukkan
tingkat keandalan.

Meskipun awalnya dimaksudkan untuk menilai kapasitas pengambilan pinjaman seseorang, saat ini penilaian kredit digunakan dalam semua aktivitas keuangan, mulai dari penandatanganan kontrak seluler baru, hingga menyewakan apartemen. Sekarang ini adalah cara untuk mengetahui apakah pelanggan sehat secara finansial
bertanggung jawab (Sean LaPointe), dengan semuanya bertumpu pada angka 3 digit. Oleh karena itu, memiliki nilai kredit yang baik seringkali lebih menguntungkan daripada memiliki nilai kredit yang baik
Kerja bagus (Experian).

Namun, meskipun penerapannya lebih luas dibandingkan sebelumnya, cara penghitungan nilai kredit dan data yang digunakan tidak banyak berubah.

Apa yang salah dengan penilaian kredit?

Saat ini, ada tiga organisasi penilaian kredit utama: Equifax, Experian, dan TransUnion. Bersama-sama mereka melakukan sebagian besar penilaian kredit untuk Amerika Serikat dan Inggris dan merupakan sumber informasi terpercaya utama tentang Anda, pelanggan, bagi pemberi pinjaman. Menghitung
Hasilnya, perusahaan-perusahaan ini menggunakan beberapa model, FICO menjadi yang paling populer. Di dalamnya, mereka sebagian besar menilai seberapa baik Anda telah melunasi pinjaman sebelumnya serta jenis pinjaman apa yang Anda miliki dan kapan.

Yang mengejutkan dari model ini adalah model ini hanya menggunakan pinjaman masa lalu untuk menilai pinjaman di masa depan. Hal ini menghasilkan situasi di mana seseorang dengan pekerjaan bergaji tinggi dan tabungan yang hidup tanpa kredit memiliki skor lebih rendah dibandingkan seseorang yang menghabiskan seluruh pendapatannya untuk membayar kembali pinjaman.
kredit untuk pinjaman sebelumnya. Situasi ini baru-baru ini menyebabkan meningkatnya jumlah orang yang memiliki kondisi finansial yang stabil yang mengambil pinjaman, meskipun memiliki banyak dana, hanya untuk meningkatkan nilai kredit mereka (Emma
Ke arah hutan). 

Kami bisa melakukan jauh lebih baik

Ini jelas merupakan tanda yang mengkhawatirkan. Kita tidak hanya mempunyai hambatan masuk bagi masyarakat yang memiliki kondisi finansial yang stabil untuk mendapatkan pinjaman, namun masyarakat kini umumnya diberi insentif untuk semakin terjerumus ke dalam utang. Tentu saja tidak boleh seperti itu. Syukurlah, ada sesuatu yang kita
dapat melakukannya.

Setiap hari setiap konsumen menghasilkan data yang dapat digunakan sebagai indikator jelas bahwa mereka adalah pembayar yang dapat dipercaya. Mulai dari cara seseorang membelanjakan uang, partisipasi aktivitas di waktu luang, bahkan aktivitas media sosial. Semua ini memberikan gambaran yang jauh lebih baik
apakah Anda akan bertanggung jawab atas hutang Anda atau tidak. Terlebih lagi, informasi ini dapat dengan cepat menyesuaikan diri dengan kondisi kehidupan baru, dibandingkan dengan nilai kredit lama yang sebagian besar bersifat statis kecuali Anda memiliki jalur kredit aktif. 

Penggunaan data alternatif seperti yang disebutkan di atas juga telah terbukti dapat meningkatkan kualitas penilaian kredit secara drastis, dengan laporan peningkatan lebih dari 50%. (kredit
Penilaian dengan Data Jejaring Sosial, Penilaian kredit ritel menggunakan data pembayaran yang terperinci). Dan di zaman Big Data, tidak ada batasan dalam membangun sistem penilaian baru —itu
sangat mungkin.

Pendekatan baru ini akan menjadi kemenangan besar bagi banyak orang, terutama kaum muda yang belum mengambil pinjaman namun sudah memiliki profil yang kuat. Namun, kami masih belum melihat sistem yang memanfaatkan manfaat ini, dan ada alasannya —
Pribadi.

Dilema privasi 

Tentu saja, terdapat banyak sekali data yang dapat digunakan untuk memperoleh nilai kredit yang lebih akurat, namun data ini biasanya sangat sensitif. Misalnya, apakah Anda boleh berbagi informasi tentang setiap percakapan telepon dengan pihak eksternal
sehingga mereka dapat menghitung nilai kredit yang lebih baik? Mungkin tidak, terutama jika Anda mempertimbangkan bahwa mereka mungkin juga menguping Anda dan mengekstrak informasi untuk dijual kepada pengiklan. Bagaimana dengan mengirimkan data kesehatan dan lokasi Apple Watch Anda? Atau
semua transaksi bank Anda?

Masalah privasi ini telah menjadi hambatan utama. Selain itu, meskipun ada model yang dapat mengekstraksi nilai kredit dari data ini, kita masih hidup dengan nilai kredit lama yang sudah usang. Meski begitu, masih ada harapan yang bisa muncul. 

Perhitungan pribadi

Dalam 10 tahun terakhir, terjadi peningkatan pesat dalam pengembangan alat komputasi yang menjaga privasi. Ini adalah alat yang memungkinkan algoritma eksekusi atas data pribadi tanpa mengambil risiko mengekspos data tersebut. 

Dalam kasus kami, ini akan berfungsi sebagai berikut:

Anda akan menginstruksikan penyedia telepon Anda untuk membagikan rincian panggilan terenkripsi Anda dengan agen penilaian kredit. Mereka kemudian akan dapat melakukan penilaian kredit atas data terenkripsi, tanpa mengetahui siapa yang pernah Anda hubungi. Namun sebagai hasilnya, mereka akan mendapat keuntungan yang sangat besar
peningkatan skor kredit. Situasi win-win bagi kedua belah pihak. Dan hal ini dapat dilakukan dengan jenis data apa pun, dan bahkan jenis model analitik apa pun. Yang terpenting, Anda dapat yakin bahwa data pribadi yang Anda kirimkan selalu bersifat pribadi. 

Saat ini, ada dua arah utama dalam melakukan komputasi pribadi — berbasis perangkat lunak dan perangkat keras. Pendekatan perangkat lunak didasarkan pada teknik kriptografi, termasuk solusi seperti Multi-Party Computation (MPC) dan Fully Homomorphic Encryption.
(FHE), masih sangat awal dalam pengembangan. Pendekatan perangkat keras terdiri dari chip khusus yang disebut unit Confidential Computing yang telah digunakan di dunia nyata untuk mengamankan data sensitif selama komputasi. Teknologi terakhir saat ini adalah
kandidat yang paling menjanjikan untuk digunakan dalam membangun model penilaian kredit yang lebih baik dan sesuai dengan zaman modern.

Apa yang akan menjadi masa depan kita?

Ada bukti yang muncul dan meyakinkan (Credit Scoring di Era Big Data) membuktikan bahwa era baru credit scoring sudah tidak lama lagi, dan diharapkan terjadi perubahan pada dekade berikutnya. 

Banyak bank dan pemberi pinjaman swasta menyadari bahwa skor kredit masih memberikan terlalu sedikit informasi. Oleh karena itu, mereka secara aktif mencari akses terhadap data tersebut. Privasi data, sekali lagi, menjadi masalah besar. 

Namun, masuk akal untuk berasumsi bahwa dengan teknologi komputasi swasta, hal ini juga akan berubah, dan kita akan melihat peningkatan aktivitas terkait pertukaran data. Dengan persetujuan kami, data terenkripsi kami dapat dibagikan secara anonim antar layanan
mereka memberikan penawaran asuransi, hipotek, penawaran beli sekarang bayar nanti yang lebih baik, dan banyak lagi. 

Hidup di era Big Data, semakin banyak data yang kita akses, semakin baik layanan yang kita terima. Dan privasi, satu-satunya kendala besar yang dihadapi, tampaknya telah diatasi.