जरी ७८% लोक बँक खाते असल्याचा दावा करतात, तरी ३ पैकी १ ब्राझिलियन अजूनही आर्थिकदृष्ट्या पुरेसे समाविष्ट वाटत नाही, कर्जाची उपलब्धता नसणे हे या धारणामागील एक मुख्य कारण आहे (७३%). ब्राझिलियन इन्स्टिट्यूट फॉर रिसर्च अँड डेटा अॅनालिसिस (IBPAD) च्या भागीदारीत मर्काडो पागोने तयार केलेल्या "बँकनोटपासून DREX पर्यंत: ३० वर्षांमध्ये पैशाची उत्क्रांती"
आर्टिफिशियल इंटेलिजेंस वापरणाऱ्या ग्राहक अंतर्दृष्टी प्लॅटफॉर्म 1datapipe चे व्यावसायिक संचालक इगोर कॅस्ट्रोव्हिएजो यांच्या मते, इतके लोक क्रेडिट मिळवू शकत नाहीत याचे एक मोठे कारण संस्थांद्वारे वापरल्या जाणाऱ्या पारंपारिक मूल्यांकन मॉडेल्समुळे आहे. "दुर्दैवाने, क्रेडिट ब्युरो अजूनही माहितीच्या अतिशय वरवरच्या आणि कालबाह्य स्त्रोतांवर अवलंबून असतात, त्यामुळे कंपन्यांकडूनच सखोल माहिती नसल्यामुळे अनेक संभाव्य क्लायंटकडे दुर्लक्ष केले जाते."
हे स्पष्ट करण्यासाठी कार्यकारी काही महत्त्वाचे डेटा उद्धृत करतात, जसे की ३८% पेक्षा जास्त लोकसंख्या अनौपचारिकरित्या काम करते, असे स्टेटिस्टाच्या सर्वेक्षणानुसार, ज्यामुळे नगरपालिकांना पेमेंट क्षमता शोधणे कठीण होते. “शिवाय, लोकोमोटिवा इन्स्टिट्यूटच्या एका अभ्यासातून असे दिसून आले आहे की ४.६ दशलक्षाहून अधिक ब्राझिलियन लोकांकडे बँक खाती नाहीत आणि बियॉन्ड बॉर्डर्स २०२२/२०२३ नावाच्या दुसऱ्या अभ्यासातून असे दिसून आले आहे की देशातील फक्त ४०% प्रौढांकडे क्रेडिट कार्ड आहे. म्हणूनच, लाखो ब्राझिलियन लोक या मूल्यांकनांकडे दुर्लक्ष करतात आणि परिणामी, त्यांना क्रेडिटसारख्या महत्त्वाच्या गोष्टीची कमतरता असते,” इगोर कॅस्ट्रोव्हिएजो सांगतात.
समस्येवर उपाय म्हणून, व्यावसायिकांनी वित्तीय संस्थांना अशा तांत्रिक उपायांमध्ये गुंतवणूक करण्याचे सुचवले आहे जे त्यांच्या विश्लेषणात या अल्पसंख्याक गटांना समाविष्ट करू शकतील. "आपल्या देशातील डिजिटल युगाबद्दल धन्यवाद, बाजारात आधीच असे उपाय आहेत जे वित्तीय संस्थांना ऑनलाइन खरेदी इतिहास, उपभोग सवयी, व्यवसाय, रोजगार इतिहास, सरासरी पगार आणि या संभाव्य ग्राहकांचे कौटुंबिक उत्पन्न यासारखे मौल्यवान पर्यायी डेटा प्रदान करतात, जे प्रत्येकाच्या प्रोफाइलमध्ये खूप चांगले अंतर्दृष्टी प्रदान करू शकतात," तो नमूद करतो.
शिवाय, इगोर कॅस्ट्रोव्हिएजो कृत्रिम बुद्धिमत्तेच्या प्रभावी वापराकडे लक्ष वेधतात. "ही एक मूलभूत भूमिका बजावते; खरं तर, बोस्टन कन्सल्टिंग ग्रुपच्या डेटावरून असे दिसून येते की हे तंत्रज्ञान बँकांमध्ये 80% पर्यंत उत्पादकता वाढवते, ज्यामुळे क्रेडिट-संबंधित निर्णय घेण्याची क्षमता सुधारते. हे घडते कारण, त्याद्वारे, माहितीचे तपशीलवार मूल्यांकन करणे शक्य आहे, या मूल्यांकनांमध्ये महत्त्वपूर्ण नमुने आणि ट्रेंड ओळखणे शक्य आहे," तो नमूद करतो.
