Şu an okuyorsunuz: Büyük veri ve makine öğrenimi ile fintech Moni, halihazırda 1 milyon kredi sağladığı yeni bir puanlama sistemi yarattı
Şirket, geleneksel sistemde kalifiye olmayan bölümleri tanımlamayı başardı ve bu nedenle bankacılığa erişmedi. Büyümek için teknoloji ve kararlılık
Fintech’ler neden geleneksel finansal sisteme uygun olmayan nüfus kesimlerine ulaşıyor? Neden, onlara hizmetlerle ulaşmanın yanı sıra, sistemin bir parçası olma şartı olmayan iyi bir ödeme uyumu seviyesi elde ediyorlar? Ayar değişebilir, ancak her durumda ortak bir unsur olacaktır: daha doğru risk profillerini tahmin etmek için teknolojinin kullanılması. Bu, makinenin öğrenilmesine ve hedefe ulaşmak için büyük veri analitiği algoritmalarına dayanan MONI örneğindedir.
Bu iki araçla şirket, kredi bürosu tarafından sağlanan geleneksel puanlama sistemlerini kırar. Ve böylece,% 10 ile% 20 arasında varsayılan olasılıkları olan halkın 10 segmentini tanımlamayı, hangi kredilerin hangi şartlarda ve hangi oranlarda verileceğini belirleyen temel unsurları tanımlamayı başarır.
Bu, MONI’nin, bankaların kullandığı kredi bürosu puanlama sistemlerinin verdiği 300 yeterlilik puanının altında olan yaklaşık 1 milyon kredi vermesine izin veren şeydi. Geleneksel finansal kurumlar için, yalnızca 500 ila 600 yeterlilik puanı ekleyenler krediye erişebilir.
Bu rakamlarla, Fintech’in bankaların ulaşamadığı nüfus sektörlerine neden ulaşabileceği ve aynı zamanda Arjantin finansal sisteminin bölgedeki en küçük olduğu anlaşılmaktadır.
Bankalar ABC1 segmentinin% 84’üne, C2’nin% 70’ine ve C3’ün% 51’inine borç verirken, Arjantin nüfusunun neredeyse% 80’inin yoğunlaştığı D1 segmentindeki krediler ancak% 19’a ulaşıyor.
“Yani, bir bankada bir hesaba sahip olmak bile, en temel finansal hizmetlere erişemeyen nüfus segmentidir, bu da Arjantin’in kredi piyasası gelişiminin bu kadar düşük olmasının temel nedenlerinden biri haline geldi.” Dünya çapında, Avrupa Birliği’nde özel sektöre verilen kredilerin payı GSYİH’nın% 94,6’sına, Latin Amerika ve Karayipler’e% 44,9’a ulaşırken, Arjantin’de ulusal GSYİH’nın sadece% 14,3’ünü temsil etti ” , MONI CEO’su Juan Pablo Bruzzo dedi.
Fintech’in daha fazla vatandaşa ulaşmasını sağlayan bu yeni puanlama sistemini hazırlamak için şirket, cep telefonunun markasını ve modelini, ekran çözünürlüğünün boyutunu, platforma erişim süresini, hesap türünü ve banka, bağlı olduğu IP, coğrafi konum, yazılı ifade modu, ad formatı ve e-posta alanı, diğer faktörlerin yanında.
Bu, belirtilen 10 segmenti tanımlar. Bu bilgi, bir kullanıcının uygulamaya kaydolduğu andan itibaren talep edilir ve onunla bir istek yaparken etkileşime girmeye başlar.
“Fintech’in dünya çapında yarattığı finansal katılım ancak puanlama sistemlerinin statüko- rundaki bir kırılmadan kaynaklanmaktadır çünkü bu sistemler büyük çoğunluğunu dışarıda bırakan hibe kriterlerine dayanmaktadır. Özellikle piramitin tabanında, kredi kartları, tüketici kredileri ve dijital ödemeler gibi temel finansal hizmetler ile ilgili olarak tatmin edilmeyen bir talebe sahip büyük bir nüfus var. “dedi.
“Genelde iyi mükellef olan bu insanlar, geleneksel bankacılık sisteminde kredi konusu olamazlar çünkü kredi geçmişine sahip değiller, bu fintech’in gelişini kesmek imkansız görünüyordu.
MONI veri bilimi ekibi, Python ve Jupyter’da geliştirilen ve varsayılan olarak Google ve Microsoft tarafından geliştirilen açık kaynak algoritmaları olan TensorFlow ve LightGBM gibi belirli makine öğrenme kütüphanelerine dayanan varsayılan tahmin modellerini oluşturdu. AWS bulutundaki çözümAmazon) ve verileri görselleştirmek ve sonuçları gerçek zamanlı olarak izlemek için Tableau’yu kullanır.
Bu modeller, geri bildirimde bulunur ve performanslarını ve etkinliklerini sürekli olarak arttırır, kredi puanlama işleminin gerçekleştirildiği müşterilerin ödeme davranışlarına dayanarak “öğrenme”.
MONI tarafından verilen 900.000’den fazla kredinin ürettiği yaklaşık 180.000.000 veri, şirketin ana varlığıdır ve her bir operasyonun risk profilini tahmin etmek için yüksek doğruluk derecesi elde etmek için puanlama modelinin kilit girdisidir.
Ayrıca, yenilikçi puanlama sisteminin performansını karşılaştırmalı olarak değerlendirmek amacıyla, MONI modeli ile tanımlanmış olan müşterilerin% 10’unu geleneksel kredi bürolarının puanlarının% 10’uyla karşılaştırmaktadır.
Sonuç, yalnızca ilk adımda MONI tarafından geliştirilen modelin, tekrarlayan müşteriler için% 80’e yükselen bir değer olan piyasa standardına göre% 60 daha az suçlu yeni müşteriler tespit ettiğini gösteriyor.
Makine öğrenimi ve büyük veriler kullanan bu puanlama aracından ve MONI web sitesinde veya uygulamasında çevrimiçi olarak 100 × 100 çevrimiçi yapılan birkaç hızlı ve kolay adımla müşteriler bazı seçeneklere erişebilir Anında kredi verilmesi ve anlık hesap akreditasyonu, böylece dijital finansal ürünlerin erişim ve kullanım seçeneklerinin banka dışı kesimlerde çok sayıda insana yaygınlaştırılması.
Dijital ekonomi, yeni başlayanlar, fintech, kurumsal yenilikler ve blockchain ile ilgili en yeni bilgileri bulun. BURAYA TIKLAYIN
