داده‌های جریان نقدی، مسیر تازه‌ای برای اعتبارسنجی

داده‌های جریان نقدی، مسیر تازه‌ای برای اعتبارسنجی

با وجود نشانه‌های کاهش تورم، هزینه کالاهای اساسی پایین نمی‌آید؛ بنابراین دسترسی به اعتبار برای خانوارها حیاتی‌تر می‌شود. بسیاری از خانواده‌ها کارت اعتباری و وام شخصی را به‌عنوان ابزار مدیریت بودجه و پشتیبان شرایط غیرمنتظره به‌کار می‌گیرند. شکاف ادراکی در دسترسی به اعتبار گزارش سپتامبر PYMNTS Intelligence نشان می‌دهد بیش از ۴۰٪ بزرگسالان آمریکایی گمان

اندازه متن

با وجود نشانه‌های کاهش تورم، هزینه کالاهای اساسی پایین نمی‌آید؛ بنابراین دسترسی به اعتبار برای خانوارها حیاتی‌تر می‌شود. بسیاری از خانواده‌ها کارت اعتباری و وام شخصی را به‌عنوان ابزار مدیریت بودجه و پشتیبان شرایط غیرمنتظره به‌کار می‌گیرند.

شکاف ادراکی در دسترسی به اعتبار

گزارش سپتامبر PYMNTS Intelligence نشان می‌دهد بیش از ۴۰٪ بزرگسالان آمریکایی گمان می‌کنند بانک‌ها درخواست کارت اعتباری‌شان را رد می‌کنند، در حالی‌که نرخ واقعی رد شدن فقط ۱۵٪ است. این شکاف روانی باعث می‌شود افراد زیادی اصلاً برای اعتبار جدید اقدام نکنند.

محدودیت‌های مدل‌های سنتی اعتبارسنجی

مدل‌های سنتی اعتبارسنجی بیش از حد به شاخص‌های ثابت تکیه می‌کنند: امتیاز اعتباری فیکو (FICO)، بدهی‌های جاری و سوابق پرداخت. این شاخص‌ها مفیدند، اما توان بازپرداخت در زمان واقعی را کامل نشان نمی‌دهند؛ به‌ویژه وقتی الگوی کار و درآمد تغییر کرده است-از گیگ‌ورک و پروژه‌های پاره‌وقت تا کیف‌پول‌های دیجیتال. در چنین شرایطی، یک نمره قدیمیِ فیکو ممکن است اعتبار واقعی فرد را دست‌کم بگیرد. کسی که نمره متوسط دارد اما درآمد باثبات و عادات پس‌انداز قوی را حفظ می‌کند، در عمل از نگاه ریسک، معتبرتر از برچسب نمره‌اش ظاهر می‌شود.

اعتبارسنجی مبتنی بر جریان نقدی؛ نگاه از امروز به فردا

بانک‌ها و فین‌تک‌ها با اعتبارسنجی مبتنی بر جریان نقدی این فاصله را کم می‌کنند. در این رویکرد، وام‌دهنده به‌جای اتکا به یک عدد، داده‌های جریان نقدی را مستقیم تحلیل می‌کند:

  • ثبات درآمد: واریزی منظم حقوق یا درآمد مستمر از پروژه‌ها
  • الگوی هزینه‌ها: اجاره، قبوض، اشتراک‌ها و مخارج اختیاری
  • نقدینگی: موجودی میانگین روزانه و روند پس‌انداز

تحلیل این داده‌های زنده، یک نمایه ریسک آینده‌نگر می‌سازد و به وام‌دهنده امکان می‌دهد متقاضیان شایسته‌ای را که مدل‌های سنتی نادیده می‌گذاشتند، شناسایی و تأیید کند.

موج پذیرش در بانک‌ها و فین‌تک‌ها

بازیگران بزرگ به این سمت حرکت کرده‌اند:

  • Chase با Nova Credit همکاری می‌کند تا اعتبارسنجی جریان نقدی را گسترش دهد.
  • PayPal شراکت مشابهی با Nova Credit آغاز کرده است.
  • نئوبانک Dave موتور هوش مصنوعیِ تحلیل جریان نقدی خود را به‌روزرسانی کرده است.
  • Experian و Plaid با اتصال داده‌های لحظه‌ای به مؤسسات مالی، دید بهتری از ریسک فراهم می‌کنند.

آینده‌ای فراگیرتر (با شروط روشن)

این رویکرد معجزه نیست. وام‌دهندگان باید امنیت داده، رضایت کاربر و بی‌طرفی الگوریتم‌ها را جدی بگیرند. با این حال، وقتی ارزیابی بر پایه رفتار مالی واقعی انجام می‌شود-نه صرفاً یک عدد سه‌رقمی-مسیر دسترسی به اعتبار برای خانوارها هموارتر و برای بانک‌ها و فین‌تک‌ها پربازده‌تر می‌شود.

جمع‌بندی

با وجود کاهش تورم، هزینه‌های زندگی بالاست و دسترسی به اعتبار اهمیت بیشتری یافته است. درحالی‌که بسیاری تصور رد شدن دارند، آمار واقعی پایین‌تر است؛ ریشه شکاف در مدل‌های سنتی اعتبارسنجی متکی به امتیاز فیکو (FICO) است که توان بازپرداخت در زمان واقعی را نمی‌بیند. راه‌حل، اعتبارسنجی مبتنی بر جریان نقدی است که با تحلیل داده‌های جریان نقدی (درآمد، الگوی هزینه، نقدینگی) ارزیابی دقیق‌تر و منصفانه‌تری می‌دهد. به همین دلیل بانک‌ها و فین‌تک‌هایی مثل Chase، PayPal، Experian و Plaid به این رویکرد رو آورده‌اند؛ البته با الزام امنیت داده و شفافیت الگوریتم‌ها.

دنبال اخبار بیشتر باشید…

برای آگاهی از تازه‌ترین خبرها، تحلیل‌ها در حوزه فین تک ، به سایت خانه متاورس ایران مراجعه کنید.

دنبال اخبار بیشتر باشید…

نویسنده کوثر بختی
درباره نویسنده کوثر بختی