Co rozhoduje o vaší půjčce aneb big data v praxi

Pokud se rozhodujete o čerpání půjčky, pravděpodobně vás i zajímá, jak se rozhoduje o jejím schválení, případně zamítnutí. Banky využívají vlastní systémy, které jsou postavené na množství dokumentů, které od potenciálních klientů požadují. Vše je navíc obvykle zpracováváno i lidskou silou, rozhodnutí tak mnohdy zabere několik dní. V posledních letech se však s vývojem informačních technologií a internetu objevila další možnost – rozhodování o půjčce čili skóring pomocí big data technologie. Nespornou výhodou big data skóringu je jeho rychlost, celý proces proběhne během několika minut a zákazník tak může požadované peníze obdržet podstatně rychleji. Průkopníkem v tomto přístupu je německá technologická společnost Kreditech, která na českém trhu poskytuje také střednědobé online půjčky Zaimo.

Tisíce dat rozhodují o poskytnutí půjčky

Big data neboli technologie využívající velké množství dat dnes může nahradit úvěrové instituce při stanovení rizika podvodu, falešné identity a v hodnocení bonity klienta pro poskytnutí online půjčky. Speciální algoritmus analyzuje přes 15 000 datových bodů – zejména informace dostupné na internetu a pohyb uživatele v online prostředí. Na základě chování předešlých a stávajících klientů pak dokáže vyhodnotit rizikové faktory. Půjčku obdrží jen ti, u kterých se nepředpokládají problémy se splácením. Jakub Škrabánek, manažer Zaimo pro Českou republiku potvrzuje, proč se důkladná analýza klientů firmě vyplácí: „Tradiční vyhodnocující modely se zaobírají dvěma věcmi, a to zda zákazník svůj dluh splatí a jestli už nějaké úvěry má. Naše technologie hodnotí několik tisíc datových bodů, které indikují schopnost zákazníka splácet úvěr. Umožňuje nám tak činit lepší rozhodnutí. Každý klient, který nesplatí svou půjčku, pro nás představuje ztrátu, náklady na vymáhání jsou vysoké.“

Tři kola hodnocení v několika minutách

Hodnotící model bere v úvahu každou informaci, kterou lze získat o jednotlivci žádající o úvěr. Rozhodnutí o poskytnutí půjčky lze rozdělit do tří fází: nejprve probíhá podchycení podvodných žádostí a ověření, zda žádost pochází od skutečného zákazníka. Následně se provádí identifikační procedury. Poté začíná aktuální proces bodování a získané informace o žadateli jsou analyzovány statistickými metodami pomocí firemní “self-learning“ technologie. Vše probíhá plně automaticky během několika minut. Jedná se o složitou mozaiku nejrůznějších dat a nelze tak jednoznačně říci, který faktor je rozhodující. Analýza chování současných a minulých zákazníků umožňuje odhalit typické rysy rizikových klientů. Pokud se tyto charakteristiky shodují s těmi aktuálního žadatele, úvěr s největší pravděpodobností bude vyhodnocen jako vysoce riskantní a systém žádost zamítne. Celou technologii vyvíjí a zdokonaluje tým odborníků z řad programátorů, matematiků, statistiků a profesionálů v oboru umělé inteligence.

Lze nahradit bankovní skóring?

Technologie má ještě další přidanou hodnotu v zemích, kde většina obyvatel nemá kreditní skóre vypočtené bankou. Celosvětově 70% populace není ohodnoceno na výši své bonity. To znamená, že banka nedisponuje odhadem, zda je zákazník schopen splácet úvěr či nikoliv. Všichni tito lidé obvykle nemají možnost dosáhnout na úvěr v tradičních finančních institucích. Díky big data technologii lze této skupině zákazníků stanovit kreditní skóre a následně jim poskytnout finanční prostředky. To je také důvodem, proč Kreditech vstoupil do zemí jako Peru, Mexiko nebo Dominikánská republika. Mezi další země, kde jsou nyní produkty založené na big data skóringu poskytované, patří Španělsko, Polsko, Rusko a Austrálie. K půjčkám se tak mohou dostat lidé, kteří jsou bankou odmítnuti, i když se splácením problém mít nemusí.

Struktura dat