به گزارش خبرنگار ایبنا، رضا قاسم پور، مدیر عامل شرکت مشاوره رتبه بندی اعتباری ایران در نشست تخصصی «اعتبارسنجی و بانکداری هوشمند» همایش بانکداری الکترونیک و نظام‌های پرداخت با اشاره به اینکه تحقق اعبتار سنجی هوشمند در راستای تحقق بانکداری هوشمند است، گفت: ما اعتبار سنجی را دیر شروع کردیم چرا که در دنیا در سال ۱۹۲۰ اعتبار سنجی در آمریکا شروع شده و در سال ۱۹۷۰ با امکان ذخیره سازی داده در رایانه اعتبار سنجی دچار تحول شد و در سال ۱۹۹۰ هم در املاک از اعتبار سنجی استفاده کردند.
وی ادامه داد: در سال ۲۰۰۵ بحث ام پی ال در اعتبار سنجی استفاده و در صنعت بیمه از سال ۲۰۰۰ اعتبار سنجی شروع شد. ضمن اینکه بیشترین مصرف اعتبارسنجی در حوزه بیمه است.
قاسم‌پور با اشاره به اینکه اعتبار سنجی هوشمند می‌تواند پیش بینی دقیق از اعتبار افراد داشته باشد، گفت: یکی از مسائل اعتبار سنجی در ایران قرار دادن اطلاعات به شرکت‌های اعتبار سنجی است تا از این طریق افراد را اعتبار سنجی کند. برای اعتبار سنجی ۲۴۷ شاخص بری امتیاز اعتباری مورد سنجش قرار می‌گیرد، در این زمینه اطلاعات یک میلیون نفر را نمونه به ما داده اند تا اعتبار سنجی کنیم، اما فقط ۱۳۵ شاخص از آن خارج شد و در نهایت با ۷۰ شاخص به اعتبار سنجی پرداخته ایم و اگر شاخص‌های دیگر به ما لینک شوند، شاخص‌های اعتبار سنجی افزایش می‌یابد.
مدیر عامل شرکت مشاوره رتبه بندی اعتباری ایران اظهار کرد: در حال حاضر شاخص‌هایی که برای اعتبار سنجی استفاده می‌شود شامل انواع مالیات، دهک بندی افراد، شاخص تعهدات، تعهدات ارزی، رفع تعهدات ارزی، جرایم رانندگی و ... است و این داده‌ها وارد مدل جدید شده است.
وی تصریح کرد: تا کنون برای ۳۰ درصد افراد اعتبارسنجی صورت گرفته است، بنابراین بسیاری از افراد همچنان امتیاز اعتباری دریافت نکرده اند. مدلی که در حال حاضر طراحی شده است دارای دقت ۹۰ درصد است که البته ۴ ماه است که این مدل جدید راه اندازی شده است.
راه حل کاهش وام‌های نکول شده
صبا مرادی؛ کارشناس فناوری اطلاعات بانک مرکزی نیز در این نشست گفت: با وجود ارزیابی لازم از متقاضیان وام، وام‌های وصول نشده در جهان زیاد است، بنابراین اعتبار سنجی مشتریان اهمیت می‌یابد، روش بعدی برای کاهش وام‌های نکول شده تخصیص عادلانه منابع بانک به مشتریان است.
مرادی تصریح کرد: ارزیابی ریسک اعتباری، در گذر سال‌ها بر اهمیت اعتبار سنجی بانک‌ها افزوده است، به خصوص در سال ۲۰۲۳ ارزیابی ریسک اعتباری مشتریان به اوج خود رسید.
وی با اشاره به اینکه روش‌های یادگیری ماشینی برای ارزیابی مشتریان بانک استفاده می‌شود، گفت: جدید‌ترین و مهمترین ابزار برای ارزیابی مشتریان دیپ لرنینیگ است.
همچنین روح اله ابو جعفری، عضو هیات علمی پژوهشکده مطالعات فناوری در ادامه نشست گفت: در حوزه مدل هوشمند اعتبارسنجی مشتریان دو بال داریم که یک بال اعتبارسنجی و بال دوم ضمانت است.
وی ادامه داد: در اعتبار سنجی چالش جدی داریم و ان این است که اعتبارسنجی را به یک شرکت محدود کرده‌ایم. در دنیا نظام اعتبار سنجی یک زنجیره ارزش است؛ اما در ایران کل این فرایند به یک شرکت خلاصه شده است.
ابوجعفری با اشاره به این که حاکمیت داده را باید تعیین تکلیف کرد، گفت: باید مرز‌ها را باز کنیم تا زنجیره ارزش افزوده شود.
مزیت اعتبارسنجی در کاهش نکول
در ادامه این نشست، سید سعید شمسی نژاد، مدیر عامل بانک قرض الحسنه مهر ایران گفت: بانکداری خرد با طیف زیادی از مردم در ارتباط است و وثیقه گیری این تعداد از افراد بسیار سنگین است.
وی افزود: در ابتدای سال ۱۴۰۰ حدود ۸۰ هزار نفر اعتبارسنجی شدند که توسط سامانه ضمان صورت گرفت، اما این سامانه مشکلاتی داشت که می‌توان با تدابیری به کیفیت بالاتری در این سامانه دست یافت.
شمسی‌نژاد تصریح کرد: پیش بینی می‌شود که از ۳ میلیون فقره وامی که بانک قرض الحسنه مهر پرداخت کرده است، تعداد زیادی از طریق اعتبارسنجی تسهیلات پرداخت شود تا نکول کاهش یابد. هرچه اعتبار سنجی را افزایش دهیم نکول وام کاهش خواهد یافت و در حال حاضر نکول وام نزدیک به صفر رسیده است.
مدیرعامل بانک قرض الحسنه مهر ایران گفت: تنوع اعتبار سنجی در بانکداری تجاری متفاوت است، بنابراین باید شاخص‌های کیفی خاصی را برنامه ریزی کرد. متاسفانه افرادی که در دهک‌های پایین هستند، داده‌های اعتباری ندارند و یا اینکه در کمیته امداد و بهزیستی هستند که در این اکوسیستم، اعتبار کمتری دریافت خواهند کرد، بنابراین سلسله مراتب سیستمی اعتبار سنجی را باید توسعه دهیم تا نیاز‌های مردم و بانک‌های تجاری را پوشش دهیم.
