نقش داده‌های تراکنشی در اعتبارسنجی نسل جدید بانک‌ها
برای سال‌ها یکی از اولین پرسش‌ها هنگام درخواست اعتبار این بوده است: «درآمدتان چقدر است؟»
فیش حقوقی، سابقه شغلی، گردش حساب و اسناد مالی به بانک یا وام‌دهنده کمک می‌کنند تشخیص دهد یک فرد تا چه اندازه توان بازپرداخت بدهی دارد.
اما بانکداری دیجیتال منبع تازه‌ای از اطلاعات ساخته است: رفتار مالی روزمره.
این سؤال حالا جدی‌تر از قبل مطرح شده است که آیا سابقه تراکنش‌های ما می‌تواند بخشی از چیزی را که امروز با مدارک درآمدی می‌سنجیم، توضیح دهد؟
داده تراکنشی چه چیزی درباره ما می‌گوید؟
فرض کنید فردی هر ماه درآمد تقریباً منظمی دارد، قبوض خود را به‌موقع پرداخت می‌کند، موجودی حسابش معمولاً مدیریت‌شده است و سابقه طولانی رفتار مالی باثباتی دارد.
این اطلاعات، حتی بدون دیدن فیش حقوقی، چیزهایی درباره نظم جریان نقدی او نشان می‌دهد.
در مقابل، اگر درآمد نوسان شدید داشته باشد یا حساب به شکل مداوم در فشار نقدینگی باشد، تصویر متفاوتی شکل می‌گیرد.
این همان جایی است که داده تراکنشی برای اعتبارسنجی اهمیت پیدا می‌کند.
چرا فیش حقوقی برای همه کافی نیست؟
اقتصاد امروز فقط از کارمندان حقوق‌بگیر تشکیل نشده است.
فریلنسر، راننده پلتفرمی، صاحب فروشگاه اینترنتی، تولیدکننده محتوا یا کسی که چند منبع درآمد دارد ممکن است فیش حقوقی کلاسیک نداشته باشد.
این به معنای ناتوانی او در بازپرداخت نیست.
اگر سیستم اعتبارسنجی فقط یک نوع مدرک درآمد را بشناسد، بخشی از جامعه با وجود رفتار مالی مناسب ممکن است تصویر کاملی از اعتبار خود ارائه ندهد.
سابقه خرید به تنهایی کافی نیست
اینجا یک تمایز مهم وجود دارد.
اینکه فرد چه چیزی می‌خرد لزوماً نباید تعیین کند شایسته دریافت اعتبار هست یا نه.
ارزش اصلی داده بیشتر در «الگوی مالی» است تا قضاوت درباره سبک زندگی.
ثبات درآمد، نسبت هزینه به ورودی، تعهدات موجود و نظم بازپرداخت اطلاعات معنادارتری از این هستند که فرد مثلاً از چه فروشگاهی خرید کرده است.
اعتبارسنجی جدید می‌تواند افراد بیشتری را ببیند
یکی از وعده‌های اعتبارسنجی مبتنی بر داده این است که افرادی با سابقه اعتباری محدود نیز قابل ارزیابی شوند.
شخصی ممکن است هرگز وام بزرگ نگرفته باشد و بنابراین سابقه اعتباری کلاسیک چندانی نداشته باشد، اما چند سال رفتار مالی منظم در حساب خود ثبت کرده باشد.
تحلیل داده می‌تواند این سابقه را به اطلاعات قابل استفاده تبدیل کند.
حتی در روندهای جهانی پرداخت برای سال ۲۰۲۶، استفاده از داده‌های غنی‌تر برای خدمت‌رسانی به کسب‌وکارهای کوچک و افراد دارای سابقه اعتباری محدود به‌عنوان یکی از مسیرهای توسعه مطرح شده است.
اما سؤال حریم خصوصی جدی است
هرچه داده بیشتری در تصمیم اعتباری استفاده شود، مسئولیت بیشتری هم ایجاد می‌شود.
مشتری باید بداند چه داده‌ای بررسی می‌شود، برای چه هدفی استفاده خواهد شد و تا چه زمانی نگهداری می‌شود.
همچنین مدل نباید به شکلی عمل کند که تصمیم مهم مالی برای مشتری کاملاً غیرقابل توضیح باشد.
اگر الگوریتمی درخواست اعتبار را رد می‌کند، مسئله فقط دقت آماری نیست؛ شفافیت و امکان اصلاح داده نادرست نیز اهمیت دارد.
هوش مصنوعی چه نقشی پیدا می‌کند؟
وقتی میلیون‌ها تراکنش وجود دارد، تحلیل دستی ممکن نیست.
مدل‌های داده و یادگیری ماشین می‌توانند الگوهایی مانند ثبات جریان نقد، تغییر ناگهانی رفتار یا احتمال فشار مالی را شناسایی کنند.
اما استفاده از هوش مصنوعی خطر خطا یا سوگیری را هم به همراه دارد.
به همین دلیل آینده اعتبارسنجی صرفاً درباره «مدل پیچیده‌تر» نیست؛ درباره مدلی است که هم دقیق باشد و هم قابل نظارت.
فیش حقوقی احتمالاً حذف نمی‌شود؛ تنها نیست
به احتمال زیاد آینده به شکل «فیش حقوقی یا داده» نخواهد بود.
مدل منطقی‌تر ترکیب منابع مختلف است.
برای یک کارمند، سابقه شغلی و درآمد ثابت همچنان اطلاعات مهمی است. برای یک فرد خوداشتغال، جریان واقعی ورود و خروج پول شاید تصویر دقیق‌تری ارائه کند.
هرچه بانک تصویر کامل‌تر و معتبرتری از توان بازپرداخت داشته باشد، تصمیم اعتباری می‌تواند متناسب‌تر شود.
از «چه شغلی داری؟» به «چگونه پولت را مدیریت می‌کنی؟»
این تغییر شاید مهم‌ترین تحول اعتبارسنجی جدید باشد.
در مدل سنتی، جایگاه شغلی بخش بزرگی از داستان را تعریف می‌کرد.
در مدل داده‌محور، خود رفتار مالی نیز می‌تواند بخشی از داستان باشد.
این مسیر فرصت مهمی برای دسترسی افراد بیشتری به اعتبار ایجاد می‌کند؛ اما تنها زمانی ارزشمند است که حریم خصوصی، شفافیت و حق مشتری در کنار دقت الگوریتم جدی گرفته شوند.
شاید در آینده فیش حقوقی همچنان یکی از مدارک اعتبارسنجی باشد، اما دیگر تنها صدایی نباشد که درباره اعتبار مالی ما حرف می‌زند.