Tvrtke iz raznih sektora usvajaju napredne tehnologije analize podataka s Open Financeom i umjetnom inteligencijom kako bi povećale ponudu kredita bez povećanja indeksa neplaćanja. Te inovacije omogućuju preciznije i personalizirane procjene kreditne sposobnosti, pomažući potrošačima da efikasno upravljaju svojim finansijama i povećaju svoje kreditne limite. Prema podacima Bacena, dodjela kredita za kupnju dobara od strane fizičkih osoba porasla je za 18% u 12 mjeseci do veljače 2024, najveći porast u posljednjih pet godina.
Strategije za ublažavanje rizika uključuju diversifikaciju kreditnog portfelja i segmentaciju tržišta, osnovni za suočavanje s rastućim neplaćanjem, koji je dosegao 72,54 milijuna Brazilaca u svibnju 2024, prema Serasa. Istraživanje Instituta Locomotiva i MFM Tehnologija otkrilo je da je 8 od 10 brazilskih porodica zaduženo, s kreditnom karticom koja je odgovorna za 60% neplaćenih dugova. Stručnjaci ističu da je učinkovitost povećanja dostupnosti kredita u složenosti analize rizika, omogućena alatima umjetne inteligencije, koji pomažu u automatizaciji procesa donošenja odluka o kreditima, otkrivanje prijevara, personalizacija ponuda i ispravna segmentacija klijenata, omogućavanje preciznijih prognoza neplaćanja i praćenje profila.
To je ono što objašnjava Bruno Moura, direktor poslovanja i marketinga klavi – tvrtka koja nudi rješenja temeljena na Open Finance i Open Data. Vjerujemo da bi učinkovita strategija analize rizika trebala biti prvenstveno utemeljena na kulturi analize podataka, u kojim se nove izvore informacija stalno procjenjuju, a stari izvori redovito prate, s obzirom na to da se ponašanje publike često mijenja, procjena. Stručnjak ističe, još, da bi za sigurnu analizu kreditne sposobnosti potrebno prikupiti i analizirati širok spektar informacija o potencijalnom klijentu, uključujući povijest, dohodak, trenutna financijska sposobnost, povijest plaćanja i bilo koja vrsta podataka koja bi statistički mogla dokazati svoju relevantnost.
Osim toga, on naglašava da je potrebno imati dobar nadzor i kontinuirano poboljšanje korištenih tehnologija, implementacija sustava za kontinuirano praćenje kreditne sposobnosti klijenata, podaci korišteni za analizu i stalnu reevaluaciju modela, osim ažuriranja tehnologija kako bi agilnost u procesu donošenja odluka ostala konstantna. Povezan s dva aspekta, također je važno koristiti robusne statističke modele poput AI za analizu ponašanja.
"Koristiti samo tradicionalne izvore podataka (kao što su kreditni uredi) neće poboljšati vaš uvid u vašeg klijenta i", u isto vrijeme, neće te razlikovati od tvojih konkurenata. Korištenje drugih izvora, pod uvjetom da se poštuju pravila i zakoni o zaštiti podataka, ključno je za pronalaženje novih prilika za poboljšanje, ističe Moura.
Uloga financijskog obrazovanja u smanjenju neplaćanja
Odgovornost potrošača u korištenju financijskih resursa također je ključni aspekt tijekom putovanja. U tom smislu, Bruno Moura objašnjava da financijsko obrazovanje ima ključnu ulogu, biti najsmješniji način da dokažeš da, ako se dobro upravlja, kredit će biti ključan za ostvarenje postignuća pojedinaca i tvrtki.
Alati umjetne inteligencije koje koriste podatke otvorenog financiranja su ključne za to i mogle bi napraviti razliku, čineći da osoba bude ispravno savetovana za svoj potrošački i životni profil, smanjivanje mogućnosti financijskih nesuglasica i istovremeno, pokazujući potrošaču da ako ima zdravu financijsku situaciju, “c whole ecosystem will benefit”, objasni Moura.
Prema podaci Open Finance Brazil, u prosincu 2023. više od 42 milijuna Brazilaca već je imalo aktivne pristanke za dijeljenje podataka između banaka i financijskih institucija. Osim toga, u 2023. godini lansirano je 15 novih API-ja, ukupno više od 30 proizvoda s API-ima u produkciji, pokrećući milijarde poziva tjedno u fazi 2 Open Finance.
Povezana s financijskim obrazovanjem, uloga poduzeća je uvođenje kreditnih politika kako bi se uravnotežila dodjela s održavanjem niskih stopa neplaćanja. Među glavnim politikama su:
(1) Diferencijacija publikerazličiti ljudi imaju različita ponašanja, dakle, politika kredita mora biti prilagođena svakoj publici, proizvod i usluga.
(2) Evaluacija i praćenje varijablis obzirom na brojne varijable podataka prisutne u politikama, moramo biti pažljivi prema kvaliteti tijekom vremena, uključivo za procjenu je li došlo do promjene ponašanja i ima li utjecaja na predviđene rezultate. Jedan primjer je pandemija: ponašanja su se promijenila i podaci koji su prije predviđali neplaćanje, morali su zamijenjeni novima i tko je uspio to pratiti što je brže moguće, imao manji utjecaj.
(3) Zajednički rad s područjima prijevara, usluga i naplatakredit je ekosustav koji treba da sve strane budu dosljedne i povezane u cilju strategije, ako nešto nije u redu, utjecaj će biti na cijeli lanac.
Primjer kako tvrtka može značajno povećati dostupnost kredita bez povećanja neplaćanja je personalizacija ponuda, ispravno upravljati granicama i pratiti klijente kroz cijeli ciklus.
Zamislite danas koliko slobodnih profesionalaca postoji u zemlji koji nemaju značajnu kreditnu povijest, ali koji ima dosljednost u svom prihodu i dostupni kredit imao bi mogućnost rasti svoje poslovanje, ulaganje u alate i opremu koji vam mogu pomoći da još više rastete? S Open Financeom, moguće je postaviti odgovarajuću granicu za tu osobu, povećanje dostupnosti kredita bez povećanja njegove nelikvidnosti, na kraju, znate točno financijsku sposobnost osobe, a ne samo njezinu kreditnu povijest koja često tek počinje, objašnjava Bruno Moura.
S tim pristupima, tvrtke očekuju proširiti pristup kreditima na odgovoran način, promovirajući održivi rast i držeći neplaćanje pod kontrolom.
