Các công ty thuộc nhiều lĩnh vực khác nhau đang áp dụng các công nghệ phân tích dữ liệu tiên tiến kết hợp với Tài chính Mở và trí tuệ nhân tạo để tăng khả năng tiếp cận tín dụng mà không làm tăng tỷ lệ vỡ nợ. Những đổi mới này cho phép đánh giá tín dụng chính xác và cá nhân hóa hơn, giúp người tiêu dùng quản lý tài chính hiệu quả và tăng hạn mức tín dụng của họ. Theo dữ liệu từ Ngân hàng Trung ương Brazil (Bacen), cho vay mua hàng hóa của cá nhân đã tăng 18% trong 12 tháng tính đến tháng 2 năm 2024, mức tăng cao nhất trong 5 năm qua.
Các chiến lược giảm thiểu rủi ro bao gồm đa dạng hóa danh mục tín dụng và phân khúc thị trường, đây là những yếu tố cơ bản để đối phó với tỷ lệ vỡ nợ ngày càng tăng, đạt 72,54 triệu người Brazil vào tháng 5 năm 2024, theo Serasa. Nghiên cứu của Viện Locomotiva và MFM Tecnologia cho thấy 8 trong số 10 gia đình Brazil đang mắc nợ, trong đó thẻ tín dụng chiếm 60% tổng số nợ quá hạn. Các chuyên gia nhấn mạnh rằng hiệu quả của việc tăng cường khả năng tiếp cận tín dụng nằm ở sự phức tạp của phân tích rủi ro, được hỗ trợ bởi các công cụ AI, giúp tự động hóa quy trình ra quyết định tín dụng, phát hiện gian lận, cá nhân hóa các ưu đãi và phân khúc khách hàng chính xác hơn, cho phép dự báo tỷ lệ vỡ nợ và giám sát hồ sơ khách hàng chính xác hơn.
Điều này được giải thích bởi Bruno Moura, giám đốc kinh doanh và tiếp thị tại klavi – một công ty cung cấp các giải pháp dựa trên Tài chính Mở và Dữ liệu Mở. Ông nhận định: “Chúng tôi tin rằng một chiến lược phân tích rủi ro hiệu quả nên dựa chủ yếu vào văn hóa phân tích dữ liệu, trong đó các nguồn thông tin mới được liên tục đánh giá và các nguồn thông tin cũ được theo dõi thường xuyên, vì hành vi của công chúng thay đổi thường xuyên”. Chuyên gia này cũng nhấn mạnh rằng để phân tích tín dụng an toàn, cần phải thu thập và phân tích nhiều thông tin về khách hàng tiềm năng, bao gồm lịch sử, thu nhập, khả năng tài chính hiện tại, hành vi thanh toán trong quá khứ và bất kỳ loại dữ liệu nào có thể được chứng minh bằng thống kê là có liên quan.
Hơn nữa, ông nhấn mạnh sự cần thiết phải giám sát tốt và liên tục cải tiến các công nghệ được sử dụng, triển khai các hệ thống để liên tục theo dõi hiệu suất tín dụng của khách hàng, dữ liệu được sử dụng để phân tích và đánh giá lại liên tục các mô hình, cũng như cập nhật công nghệ để duy trì sự linh hoạt trong quá trình ra quyết định. Liên quan đến hai điểm này, việc sử dụng các mô hình thống kê mạnh mẽ như trí tuệ nhân tạo (AI) để phân tích hành vi cũng rất quan trọng.
“Chỉ sử dụng các nguồn dữ liệu truyền thống (như các cơ quan tín dụng) sẽ không giúp bạn hiểu rõ hơn về khách hàng của mình, đồng thời cũng không tạo được sự khác biệt so với đối thủ cạnh tranh. Sử dụng các nguồn khác, miễn là bạn tuân thủ các quy tắc và luật bảo vệ dữ liệu, là điều cần thiết để tìm ra những cơ hội cải tiến mới,” ông Moura nhấn mạnh.
Vai trò của giáo dục tài chính trong việc giảm tỷ lệ vỡ nợ.
Trách nhiệm của người tiêu dùng trong việc sử dụng nguồn tài chính cũng là một khía cạnh quan trọng trong suốt quá trình. Theo Bruno Moura, giáo dục tài chính đóng vai trò nền tảng, là cách thông minh nhất để chứng minh rằng, nếu được quản lý tốt, tín dụng sẽ rất quan trọng để đạt được mục tiêu của cá nhân và doanh nghiệp.
“Các công cụ trí tuệ nhân tạo sử dụng dữ liệu Tài chính Mở là rất cần thiết cho việc này và có thể tạo ra sự khác biệt, đảm bảo rằng mọi người nhận được lời khuyên chính xác phù hợp với hồ sơ tiêu dùng và lối sống của họ, giảm khả năng xảy ra sự không phù hợp về tài chính và đồng thời cho người tiêu dùng thấy rằng nếu họ có một cuộc sống tài chính lành mạnh, toàn bộ hệ sinh thái sẽ được hưởng lợi,” Moura giải thích.
Theo dữ liệu từ Open Finance Brazil, tính đến tháng 12 năm 2023, hơn 42 triệu người Brazil đã chủ động đồng ý chia sẻ dữ liệu giữa các ngân hàng và tổ chức tài chính. Hơn nữa, trong năm 2023, 15 API mới đã được ra mắt, nâng tổng số sản phẩm có API đang hoạt động lên hơn 30, tạo ra hàng tỷ lượt truy cập hàng tuần trong giai đoạn 2 của Open Finance.
Liên quan đến giáo dục tài chính, vai trò của các công ty là thực hiện các chính sách tín dụng để cân bằng giữa việc cho vay và duy trì tỷ lệ nợ xấu thấp. Các chính sách chính bao gồm:
(1) Phân biệt đối tượng: mỗi người có hành vi khác nhau, do đó, chính sách tín dụng cần được tùy chỉnh cho từng đối tượng, sản phẩm và dịch vụ.
(2) Đánh giá và giám sát các biến số: do có rất nhiều biến số dữ liệu trong các chính sách, chúng ta cần chú ý đến chất lượng theo thời gian, bao gồm việc đánh giá xem liệu có sự thay đổi về hành vi hay không và liệu có tác động đến kết quả mong đợi hay không. Ví dụ như đại dịch: các hành vi mới được hình thành và dữ liệu trước đây dự đoán vỡ nợ phải được thay thế bằng dữ liệu mới, và những người có thể giám sát điều này càng nhanh càng tốt thì ít bị ảnh hưởng hơn.
(3) Phối hợp với các bộ phận chống gian lận, dịch vụ khách hàng và thu hồi nợ: tín dụng là một hệ sinh thái cần tất cả các khâu phải nhất quán và thống nhất trong việc theo đuổi một chiến lược; nếu có điều gì không ổn, tác động sẽ lan rộng khắp chuỗi.
Một ví dụ về cách một công ty có thể tăng đáng kể khả năng tiếp cận tín dụng mà không làm tăng tỷ lệ vỡ nợ là cá nhân hóa các ưu đãi, quản lý hạn mức tín dụng một cách chính xác và theo dõi khách hàng trong suốt toàn bộ chu kỳ.
“Hãy tưởng tượng hiện nay trong nước có bao nhiêu chuyên gia tự kinh doanh không có lịch sử tín dụng đáng kể, nhưng lại có thu nhập ổn định và, với nguồn tín dụng sẵn có, họ có khả năng phát triển doanh nghiệp của mình, đầu tư vào các công cụ và thiết bị có thể giúp họ phát triển hơn nữa? Với Open Finance, có thể cấp cho người này một hạn mức phù hợp, tăng khả năng tiếp cận tín dụng mà không làm tăng tỷ lệ vỡ nợ của họ, bởi vì bạn biết chính xác khả năng tài chính của người đó chứ không chỉ lịch sử tín dụng của họ, vốn thường chỉ mới bắt đầu,” Bruno Moura giải thích.
Với những phương pháp tiếp cận này, các công ty hy vọng sẽ mở rộng khả năng tiếp cận tín dụng một cách có trách nhiệm, thúc đẩy tăng trưởng bền vững và kiểm soát tỷ lệ vỡ nợ.
