크레딧 스코어링이란
대출을 받을 필요가 없더라도 모든 사람은 일생 동안 신용 평가에 직면하게 됩니다. Credit Scoring은 원래 은행 및 기타 대출 기관이 고객이 상환할 가능성을 평가할 필요성에서 나왔습니다. 내부 프로세스를 단순화하기 위해
그들은 고객 신용 기록을 유지하고 독점 공식을 기반으로 고객 평가를 완료하는 신용 평가 회사에 이 작업을 아웃소싱했습니다. 이를 통해 은행 및 기타 대출 기관에 1-1000(850)의 번호를 제공할 수 있습니다.
신뢰성 수준.
신용평가는 원래 대출을 받을 수 있는 능력을 평가하기 위한 것이었으나 현재는 새로운 모바일 계약 체결부터 아파트 임대에 이르기까지 모든 금융 활동에 신용평가가 활용되고 있다. 이제 고객이 재정적으로
책임이 있는 (숀 라포인트), 모두 3자리 숫자에 있습니다. 따라서 좋은 신용 점수를 갖는 것이 종종
훌륭한 직업(Experian).
그러나 그 어느 때보다 널리 채택되고 있음에도 불구하고 신용 점수가 계산되는 방식과 이를 수행하는 데 사용되는 데이터는 거의 변경되지 않았습니다.
신용등급에 대한 설명으로 옳지 않은 것은?
현재 Equifax, Experian 및 TransUnion의 세 가지 주요 신용 평가 기관이 있습니다. 그들은 함께 미국과 영국에 대한 대부분의 신용 평가를 수행하고 대출 기관에 대한 고객인 귀하에 대한 정보의 신뢰할 수 있는 주요 출처입니다. 계산하려면
점수, 이 회사는 여러 모델을 사용하며 FICO가 가장 인기가 있습니다. 그것에서, 그들은 주로 당신이 이전 대출을 얼마나 잘 상환했는지, 어떤 종류의 대출을 언제 받았는지 평가합니다.
이 모델에서 놀라운 점은 과거 대출만 사용하여 미래 대출을 평가한다는 것입니다. 그 결과 소득이 높고 저축이 많은 사람이 신용 없이 사는 사람이 수입을 모두 상환하는 데 쓰는 사람보다 점수가 더 낮은 상황이 발생합니다.
이전 대출에 대한 신용. 이러한 상황으로 인해 최근 재정적으로 안정적인 사람들이 자금이 충분함에도 불구하고 신용 점수를 높이기 위해 대출을 받는 사태가 발생했습니다(엠마
우드워드).
우리는 훨씬 더 잘할 수 있습니다
이것은 분명히 걱정스러운 신호입니다. 재정적으로 안정적인 사람들이 대출을 받을 수 있는 진입 장벽이 있을 뿐만 아니라 사람들은 이제 일반적으로 부채에 더 깊이 빠지도록 인센티브를 받습니다. 물론 그렇게 되어서는 안 된다. 고맙게도 우리에게 뭔가가 있습니다.
그것에 대해 할 수 있습니다.
매일 주어진 소비자는 신뢰할 수 있는 지불인을 나타내는 명확한 지표로 사용할 수 있는 데이터를 생성합니다. 돈을 쓰는 방식, 여가 시간에 활동 참여, 소셜 미디어 활동까지. 이 모든 것이 훨씬 더 나은 그림을 그립니다.
당신이 당신의 부채에 대한 책임이 있는지 여부. 또한, 이 정보는 활성 신용 한도가 없는 한 대부분 정적인 이전 신용 점수와 비교하여 새로운 생활 조건에 빠르게 적응할 수 있습니다.
또한 위에 표시된 것과 같은 대체 데이터를 사용하면 50% 이상 개선된 보고와 함께 신용 점수의 품질을 크게 향상시킬 수 있는 것으로 나타났습니다. (신용
소셜 네트워크 데이터로 점수 매기기, 세분화된 결제 데이터를 사용한 소매 신용 평가). 그리고 빅 데이터 시대에는 새로운 채점 시스템을 구축하는 데 제한이 없습니다.
매우 가능합니다.
새로운 접근 방식은 많은 사람들, 특히 아직 대출을 받지 않았지만 이미 강력한 프로필을 가지고 있는 젊은 개인에게 큰 도움이 될 것입니다. 그러나 우리는 아직 이러한 이점을 활용하는 시스템을 보지 못했고 그 이유가 있습니다.
은둔.
프라이버시 딜레마
분명히 더 정확한 신용 점수를 얻는 데 사용할 수 있는 데이터가 풍부하지만 이 데이터는 일반적으로 매우 민감합니다. 예를 들어, 외부 당사자와 나눈 모든 전화 대화에 대한 정보를 공유해도 될까요?
그들이 더 나은 신용 점수를 계산할 수 있도록? 아마도 그렇지 않을 것입니다. 특히 그들이 귀하를 도청하고 광고주에게 판매하기 위해 정보를 추출할 수 있다고 생각한다면 특히 그렇습니다. Apple Watch 건강 및 위치 데이터를 보내는 것은 어떻습니까? 또는
모든 은행 거래?
이 개인 정보 보호 문제가 주요 장애물이었습니다. 또한 이 데이터에서 신용 점수를 추출할 수 있는 모델이 있지만 우리는 여전히 오래된 녹슨 신용 점수와 함께 살고 있습니다. 그럼에도 불구하고 지평선에 희망의 빛이 있습니다.
개인 계산
지난 10년 동안 개인 정보 보호 계산 도구의 개발이 급격히 증가했습니다. 데이터 노출 위험 없이 개인 데이터에 대한 실행 알고리즘을 허용하는 도구입니다.
우리의 경우 다음과 같이 작동합니다.
암호화된 통화 세부 정보를 신용 평가 기관과 공유하도록 전화 제공업체에 지시합니다. 그러면 그들은 당신이 누구에게 전화했는지 모른 채 암호화된 데이터에 대해 신용 점수를 매길 수 있습니다. 그러나 결과적으로 그들은 막대한 이익을 얻게 될 것입니다.
신용 점수 향상. 양 당사자에게 윈-윈 상황입니다. 그리고 이것은 모든 종류의 데이터와 모든 유형의 분석 모델로 수행할 수 있습니다. 가장 중요한 것은 제출한 개인 데이터가 항상 비공개로 유지된다는 것입니다.
오늘날 이러한 개인 계산을 수행하는 데에는 소프트웨어와 하드웨어 기반의 두 가지 주요 방향이 있습니다. 소프트웨어 접근 방식은 MPC(Multi-Party Computation) 및 완전 동형 암호화와 같은 솔루션을 포함한 암호화 기술을 기반으로 합니다.
(FHE), 아직 개발 초기 단계입니다. 하드웨어 접근 방식은 계산 중에 민감한 데이터를 보호하기 위해 실제 세계에서 이미 사용된 Confidential Computing 장치라고 하는 특수 칩으로 구성됩니다. 후자의 기술은 현재
현대에 완벽하게 적합한 개선된 신용 평가 모델을 구축하는 데 사용할 가장 유망한 후보입니다.
우리의 미래는 어떻게 될까요?
새롭고 설득력 있는 증거가 있습니다(빅데이터 시대의 신용평가) 신용 평가의 새로운 시대가 멀지 않았음을 증명하고 향후 XNUMX년 동안 변화를 볼 수 있기를 바랍니다.
많은 은행과 개인 대출 기관은 신용 점수가 여전히 너무 적은 정보를 제공한다는 사실을 깨달았습니다. 이 때문에 데이터 자체에 대한 액세스를 적극적으로 모색하고 있습니다. 데이터 프라이버시는 다시 큰 문제가 됩니다.
그러나 사설 계산 기술을 사용하면 이 또한 변경되고 데이터 교환 관련 활동이 증가할 것이라고 가정하는 것이 합리적입니다. 우리의 동의가 있으면 암호화된 데이터는 서비스 간에 익명으로 공유될 수 있으므로
그들은 더 나은 보험 견적, 모기지, 지금 구매 후 지불 제안 등을 제공합니다.
빅 데이터 시대에 살면서 더 많은 데이터에 접근할수록 더 나은 서비스를 받을 수 있습니다. 그리고 유일한 주요 장애물인 개인 정보 보호 문제가 완화된 것 같습니다.
