Dengan data besar dan pembelajaran mesin, fintech Moni menciptakan sistem penilaian baru yang telah memberikan 1 juta pinjaman
Perusahaan berhasil mendefinisikan segmen yang tidak memenuhi syarat dalam sistem tradisional dan, karenanya, tidak mengakses perbankan. Teknologi dan tekad untuk tumbuh
Mengapa fintech mencapai segmen populasi yang tidak memenuhi syarat sistem keuangan tradisional? Mengapa, selain menjangkau mereka dengan layanan, apakah mereka mencapai tingkat kepatuhan pembayaran yang baik, suatu syarat mutlak untuk menjadi bagian dari sistem dan tidak? Pengaturan dapat bervariasi tetapi dalam hal apapun akan ada elemen umum: penggunaan teknologi untuk memprediksi profil risiko yang lebih akurat. Demikianlah kasus MONI yang mengandalkan pembelajaran mesin dan algoritma analitik data besar untuk mencapai tujuan.
Dengan dua alat ini perusahaan mematahkan sistem penilaian tradisional yang disediakan oleh biro kredit. Dan, dengan demikian, ia berhasil mendefinisikan 10 segmen masyarakat dengan probabilitas gagal bayar 2,5% hingga 20%, aspek dasar untuk menentukan pinjaman yang akan diberikan, dalam hal apa dan pada tingkat berapa.
Inilah yang memungkinkan MONI untuk memberikan hampir 1 juta pinjaman, 70% di antaranya berada di bawah 300 poin kualifikasi yang diberikan oleh sistem penilaian biro kredit yang digunakan oleh bank. Untuk lembaga keuangan tradisional, hanya mereka yang menambahkan 500 hingga 600 poin kualifikasi yang dapat mengakses pinjaman.
Dengan angka-angka ini dipahami mengapa Fintech dapat menjangkau sektor populasi yang tidak terjangkau oleh bank dan mengapa, juga, sistem keuangan Argentina adalah yang terkecil di wilayah tersebut.
Sementara bank meminjamkan ke 84% dari segmen ABC1, 70% dari C2 dan 51% dari C3, pinjaman di segmen D1, di mana hampir 80% dari populasi Argentina terkonsentrasi, hampir mencapai 19%.
"Begitu luasnya segmen populasi yang bahkan memiliki akun di bank tidak mengakses layanan keuangan paling mendasar, yang ternyata menjadi salah satu alasan utama mengapa Argentina memiliki perkembangan pasar kredit yang begitu rendah. Menurut data Bank terbaru Di seluruh dunia, bagian pinjaman untuk sektor swasta di Uni Eropa mencapai 94,6% dari PDB, di Amerika Latin dan Karibia menjadi 44,9%, sementara di Argentina hanya mewakili 14,3% dari PDB nasional " , kata Juan Pablo Bruzzo, CEO MONI.
Untuk menyiapkan sistem skoring baru yang memungkinkan fintech menjangkau lebih banyak warga, perusahaan mengevaluasi merek dan model ponsel, ukuran resolusi layar, waktu akses ke platform, jenis akun dan bank, IP yang darinya terhubung, geolokasi, mode ekspresi tertulis, format nama dan domain email, di antara faktor-faktor lainnya.
Ini mendefinisikan 10 segmen yang disebutkan. Informasi ini diperoleh dari saat pengguna mendaftar dalam aplikasi dan mulai berinteraksi dengannya ketika membuat permintaan.
"Inklusi keuangan yang dihasilkan fintech di seluruh dunia hanya dimungkinkan dari jeda status quo sistem penilaian, karena sistem ini didasarkan pada kriteria hibah yang mengabaikan sebagian besar populasi, terutama di dasar piramida, di mana ada pasar besar dengan permintaan tidak puas dalam kaitannya dengan layanan keuangan dasar seperti kartu kredit, pinjaman konsumen dan pembayaran digital, "kata Juan Pablo Bruzzo
"Orang-orang ini, yang pada umumnya pembayar yang baik, tidak dapat menjadi subyek kredit dalam sistem perbankan tradisional karena mereka tidak memiliki sejarah kredit, yang menciptakan lingkaran setan yang sampai kedatangan fintech tampaknya tidak mungkin untuk dipotong."
Tim ilmu data MONI menciptakan model prediksi default yang dikembangkan dalam Python dan Jupyter yang, pada gilirannya, didasarkan pada perpustakaan pembelajaran mesin tertentu seperti TensorFlow dan LightGBM, algoritma open source yang dikembangkan oleh Google dan Microsoft. Solusi proses di cloud AWS (Amazon) dan menggunakan Tableau untuk memvisualisasikan data dan memantau hasil secara real time.
Model-model ini memberi umpan balik dan meningkatkan kinerja dan efektivitasnya secara terus-menerus, "belajar" berdasarkan data perilaku pembayaran klien yang menjadi tujuan penilaian dilakukan pada saat pinjaman.
Hampir 180.000.000 data yang dihasilkan oleh lebih dari 900.000 pinjaman yang diberikan oleh MONI adalah aset utama perusahaan dan input utama untuk model penilaiannya untuk mencapai tingkat akurasi yang tinggi untuk memprediksi profil risiko dari setiap operasi.
Juga, untuk tujuan mengevaluasi kinerja sistem penilaian inovatifnya secara komparatif, MONI membandingkan 10% pelanggan teratas yang diidentifikasi dengan modelnya, dengan 10% teratas penilaian skor biro kredit tradisional.
Hasilnya menunjukkan bahwa hanya pada langkah pertama model yang dikembangkan oleh MONI mendeteksi pelanggan baru dengan 60% lebih sedikit kenakalan dibandingkan dengan standar pasar, nilai yang naik menjadi 80% dalam kasus pelanggan berulang.
Dari alat penilaian ini yang menggunakan pembelajaran mesin dan data besar, dan hanya dengan beberapa langkah cepat dan mudah yang dilakukan 100 × 100 secara online di situs web atau aplikasi MONI, pelanggan dapat mengakses beberapa opsi dari Pemberian pinjaman instan dan akreditasi akun instan, sehingga memperluas akses dan menggunakan opsi produk keuangan digital ke sejumlah besar orang di segmen yang kurang memiliki rekening bank.
Temukan yang terbaru tentang ekonomi digital, startup, fintech, inovasi perusahaan, dan blockchain. KLIK DI SINI
