Podjetja v različnih sektorjih uvajajo napredne tehnologije za analizo podatkov z odprtimi financami in umetno inteligenco, da bi povečala razpoložljivost kreditov, ne da bi pri tem zvišala stopnje neplačil. Te inovacije omogočajo natančnejše in prilagojene kreditne ocene, kar potrošnikom pomaga pri učinkovitem upravljanju financ in povečanju kreditnih limitov. Po podatkih Centralne banke Brazilije (Bacen) se je posojila za nakup blaga s strani posameznikov v 12 mesecih, ki so se končali februarja 2024, povečala za 18 %, kar je največje povečanje v zadnjih petih letih.
Strategije za zmanjševanje tveganj vključujejo diverzifikacijo kreditnega portfelja in segmentacijo trga, ki sta bistveni za spopadanje z naraščajočo stopnjo neplačil, ki je maja 2024 dosegla 72,54 milijona Brazilcev, kažejo podatki podjetja Serasa. Raziskava inštituta Locomotiva in podjetja MFM Tecnologia je pokazala, da je 8 od 10 brazilskih družin zadolženih, kreditne kartice pa predstavljajo 60 % zapadlih dolgov. Strokovnjaki poudarjajo, da je učinkovitost povečanja razpoložljivosti kreditov v kompleksnosti analize tveganja, ki jo omogočajo orodja umetne inteligence, ki pomagajo avtomatizirati proces odločanja o kreditih, odkrivati goljufije, personalizirati ponudbe in pravilno segmentirati stranke, kar omogoča natančnejše napovedovanje stopenj neplačil in spremljanje profilov.
To pojasnjuje Bruno Moura, direktor poslovanja in trženja pri klavi – podjetju, ki ponuja rešitve, ki temeljijo na odprtih financah in odprtih podatkih. »Menimo, da bi morala učinkovita strategija analize tveganja temeljiti predvsem na kulturi analize podatkov, v kateri se nenehno ocenjujejo novi viri informacij in redno spremljajo starejši viri, glede na to, da se vedenje javnosti pogosto spreminja,« ocenjuje. Strokovnjak poudarja tudi, da je za varno analizo kreditne sposobnosti treba pridobiti in analizirati širok nabor informacij o potencialni stranki, vključno z zgodovino, dohodki, trenutno finančno sposobnostjo, preteklim plačilnim vedenjem in vsemi vrstami podatkov, za katere je mogoče statistično dokazati, da so relevantni.
Poleg tega poudarja potrebo po dobrem spremljanju in nenehnem izboljševanju uporabljenih tehnologij, uvajanju sistemov za stalno spremljanje kreditne uspešnosti strank, podatkov, uporabljenih za analizo, in nenehnem ocenjevanju modelov ter posodabljanju tehnologij za ohranjanje agilnosti v procesu odločanja. V povezavi s tema dvema točkama je pomembna tudi uporaba robustnih statističnih modelov, kot je umetna inteligenca, za vedenjsko analizo.
»Uporaba samo tradicionalnih virov podatkov (kot so kreditne agencije) ne bo izboljšala vašega razumevanja strank in hkrati vas ne bo razlikovala od konkurence. Uporaba drugih virov, če upoštevate pravila in zakone o varstvu podatkov, je bistvenega pomena za iskanje novih priložnosti za izboljšave,« poudarja Moura.
Vloga finančnega izobraževanja pri zmanjševanju stopenj neplačil.
Odgovornost potrošnikov pri uporabi finančnih virov je prav tako ključni vidik na celotni poti. V tem smislu Bruno Moura pojasnjuje, da ima finančno izobraževanje temeljno vlogo, saj je najpametnejši način za dokazovanje, da bodo krediti, če bodo dobro upravljani, bistveni za doseganje ciljev posameznikov in podjetij.
»Orodja umetne inteligence, ki uporabljajo podatke odprtih financ, so za to bistvena in lahko naredijo spremembo, saj zagotavljajo, da ljudje prejmejo pravilne nasvete glede na svoj profil potrošnje in življenjskega sloga, zmanjšujejo možnost finančnih neskladij in hkrati potrošnikom kažejo, da bo od zdravega finančnega življenja imel koristi celoten ekosistem,« pojasnjuje Moura.
Po podatkih organizacije Open Finance Brazil je decembra 2023 več kot 42 milijonov Brazilcev že aktivno soglasje za izmenjavo podatkov med bankami in finančnimi institucijami. Poleg tega je bilo leta 2023 predstavljenih 15 novih API-jev, kar skupaj znaša več kot 30 izdelkov z API-ji v produkciji, kar je v 2. fazi programa Open Finance pripeljalo do milijard tedenskih klicev.
V povezavi s finančnim izobraževanjem je vloga podjetij izvajanje kreditnih politik za uravnoteženje posojanja z ohranjanjem nizkih stopenj neplačil. Ključne politike vključujejo:
(1) Diferenciacija občinstva: različni ljudje imajo različno vedenje, zato je treba kreditno politiko prilagoditi vsakemu občinstvu, izdelku in storitvi.
(2) Vrednotenje in spremljanje spremenljivk: glede na številne podatkovne spremenljivke, ki so prisotne v politikah, moramo biti pozorni na kakovost skozi čas, vključno z oceno, ali je prišlo do spremembe vedenja in ali obstajajo vplivi na pričakovane rezultate. Primer je bila pandemija: ustvarjena so bila nova vedenja in podatke, ki so prej napovedovali neplačilo, je bilo treba nadomestiti z novimi podatki, tisti, ki so to lahko čim hitreje spremljali, pa so imeli manjši vpliv.
(3) Sodelovanje s področji za boj proti goljufijam, storitve za stranke in izterjavo: krediti so ekosistem, ki zahteva doslednost in enotnost vseh koncev pri uresničevanju strategije; če nekaj ni v redu, se bo vpliv čutil v celotni verigi.
En primer, kako lahko podjetje znatno poveča razpoložljivost kreditov brez povečanja stopenj neplačil, je personalizacija ponudb, pravilno upravljanje kreditnih limitov in spremljanje strank skozi celoten cikel.
»Predstavljajte si, koliko samozaposlenih strokovnjakov je danes v državi, ki nimajo pomembne kreditne zgodovine, vendar imajo stalen dohodek in bi z razpoložljivim kreditom imeli možnost rasti svojega podjetja z vlaganjem v orodja in opremo, ki jim lahko omogočijo še večjo rast? Z Open Finance je mogoče tej osebi določiti ustrezno omejitev, s čimer se poveča razpoložljivost kredita, ne da bi se povečala stopnja neplačila, saj natančno poznate finančno sposobnost osebe in ne le njeno kreditno zgodovino, ki je pogosto šele na začetku,« pojasnjuje Bruno Moura.
S temi pristopi podjetja upajo, da bodo na odgovoren način razširila dostop do kreditov, spodbudila trajnostno rast in ohranila stopnje neplačil pod nadzorom.
