Preduzeća iz različitih sektora usvajaju napredne tehnologije analize podataka sa Open Finance i veštačkom inteligencijom kako bi povećala ponudu kredita bez povećanja indeksa neplaćanja. Ove inovacije omogućavaju preciznije i personalizovane procene kreditne sposobnosti, pomažući potrošačima da efikasno upravljaju svojim finansijama i povećaju svoje kreditne limite. Prema podacima Bacen-a, dodeljivanje kredita za kupovinu dobara od strane fizičkih lica poraslo je za 18% u 12 meseci do februara 2024, najveći rast u poslednjih pet godina.
Strategije za ublažavanje rizika uključuju diversifikaciju kreditnog portfolija i segmentaciju tržišta, fundamentalni za suočavanje sa rastućim neplaćanjem, koji je dostigao 72,54 miliona Brazilaca u maju 2024., prema Serasa. Istraživanje Instituta Lokomotiva i MFM Tehnologija otkrilo je da je 8 od 10 brazilskih porodica zaduženo, sa kreditnom karticom koja je odgovorna za 60% dugova u kašnjenju. Stručnjaci ističu da je efikasnost povećanja dostupnosti kredita u složenosti analize rizika, omogućena alatima veštačke inteligencije, koje pomažu u automatizaciji procesa donošenja odluka o kreditu, otkrivanje prevara, personalizacija ponuda i pravilna segmentacija klijenata, omogućavanje preciznije prognoze neplaćanja i praćenje profila.
To je ono što objašnjava Bruno Moura, direktor za poslovanje i marketing klavi – kompanija koja nudi rešenja zasnovana na Open Finance i Open Data. Verujemo da efikasna strategija analize rizika treba da se zasniva pre svega na kulturi analize podataka, u kojima se nove izvore informacija konstantno procenjuju, a stari izvori redovno prate, s obzirom na to da se ponašanje publike često menja, oceni. Stručnjak naglašava, još, da bi za sigurnu analizu kredita potrebno prikupiti i analizirati širok spektar informacija o potencijalnom klijentu, uključujući istoriju, doznak, trenutna finansijska sposobnost, prošlog ponašanja u plaćanju i bilo koje vrste podataka koji mogu statistički imati dokazanu relevantnost.
Pored toga, on naglašava da je neophodno imati dobar nadzor i kontinuirano unapređenje korišćenih tehnologija, implementacija sistema za kontinuirano praćenje kreditne sposobnosti klijenata, podaci korišćeni za analizu i stalnu reevaluaciju modela, pored toga, ažurirati tehnologije kako bi agilnost u procesu donošenja odluka ostala konstantna. Povezan sa dva mesta, takođe je važno koristiti robusne statističke modele kao što je AI za analizu ponašanja.
"Korišćenje samo tradicionalnih izvora podataka (kao što su kreditni biroi) neće poboljšati vaš uvid u vašeg klijenta i", u isto vreme, neće te razlikovati od tvojih konkurenata. Korišćenje drugih izvora, pod uslovom da se poštuju pravila i zakoni o zaštiti podataka, je od suštinskog značaja za pronalaženje novih prilika za poboljšanja, ističe Moura.
Uloga finansijskog obrazovanja u smanjenju neplaćanja
Odgovornost potrošača u korišćenju finansijskih resursa takođe je ključni aspekt tokom putovanja. U tom smislu, Бруно Мора објашњава да финансијско образовање има основну улогу, biti najinteligentniji način da se dokaže da, ako se dobro upravlja, kredit će biti ključan za ostvarivanje postignuća pojedinaca i preduzeća.
Alati veštačke inteligencije koje koriste podatke iz Open Finance su ključne za to i mogu napraviti razliku, čineći da osoba bude pravilno savetovana za svoj potrošački i životni profil, smanjivanje mogućnosti finansijskih nesuglasica i u isto vreme, pokazujući potrošaču da ako ima zdravu finansijsku situaciju, “ceo ekosistem će biti koristi”, objasni Moura.
Prema podaci Open Finance Brasil, u decembru 2023. više od 42 miliona Brazilaca već je imalo aktivne saglasnosti za deljenje podataka između banaka i finansijskih institucija. Pored toga, u 2023. godini je lansirano 15 novih API-ja, ukupno više od 30 proizvoda sa API-jevima u proizvodnji, pokrećući milijarde nedeljnih poziva u fazi 2 Open Finance.
Povezana sa finansijskom pismenošću, uloga preduzeća je uvođenje kreditnih politika kako bi se izbalansirala dodela kredita sa održavanjem niskih stopa neizmirenih obaveza. 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 da budemo pažljivi prema kvalitetu tokom vremena, uključivo da proceni da li je došlo do promene u ponašanju i da li ima uticaja na predviđene rezultate. Jedan primer je pandemija: ponašanja su se promenila i podaci koji su ranije predviđali neplaćanje, morali su morali da budu zamenjeni novim i ko je uspeo da to prati što je brže moguće, imao manji uticaj.
(3) Zajednički rad sa sektorima za prevaru, usluga i naplatakredit je ekosistem koji zahteva da svi delovi budu dosledni i ujedinjeni u cilju strategije, ako nešto nije u redu, uticaj će biti na cijelom lancu.
Jedan primer kako kompanija može značajno povećati dostupnost kredita bez povećanja neplaćanja je personalizacija ponuda, vršiti pravilno upravljanje granicama i pratiti klijente tokom celog ciklusa.
Zamislite danas koliko slobodnih profesionalaca postoji u zemlji i koji nemaju značajnu kreditnu istoriju, ali koji ima doslednost u svom prihodu i dostupne kredite imao bi mogućnost da razvije svoj posao, ulaganje u alate i opremu koji mogu da vas još više razviju? Са Open Finance-ом, moguće je postaviti odgovarajuću granicu za tu osobu, povećanje dostupnosti kredita bez povećanja njegove nelikvidnosti, na kraju, znate tačno finansijsku sposobnost osobe, a ne samo njen kreditni istorijat koji često tek počinje, објашњава Bruno Moura.
Sa tim pristupima, preduzeća očekuju da odgovorno prošire pristup kreditima, promovišući održiv rast i držeći neplaćanje pod kontrolom.
