Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
1
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
ในประเทศยกษใหญอยางสหรฐอเมรกา จะมบรษทผประเมนความเสยงระดบโลกอยาง Equifax, Experian และ TransUnion ท ใ หบรการค านวณ Credit Score จากประวตการช าระเงนกของผกแตละราย ซงการประเมนความเสยงจากขอมลดงกลาวถอวามความแมนย าในระดบสง เพราะใน
ประเทศทพฒนาแลว จะมศนยรวมขอมลดานเครดต ทเกบรวบรวมและแบงปนขอมลดานการช าระเงนกระหวางกนภายใตโครงสรางพนฐานทางการเงนทมความพรอม
แตในประเทศทก าลงพฒนา การประเมนความเสยงใหกบคนในประเทศ ทสวนใหญมรายไดนอยและยากจน อกทงยงมทท ามาหากนไมเปนหลกแหลงนนถอไดวาเปนความทาทายอยางมาก เนองจากการรวบรวมขอมลดานเครดตของ
ประเทศเหลาน ยงคงมขอจ ากดในดานขอมลทางการเงนของ ผขอกแตละราย โดย World Bank ระบวา ในประเทศทมรายไดต าถงปานกลาง จะมประชาชนเพยง 1 ใน 10 ทมขอมลอยบนฐานขอมลดานเครดต
ปญหาการเขาไมถงแหลงเงนทน อนเนองจากไมมประวตเครดตของผมรายไดนอยนนถอเปนปญหาทแกไขไดยาก หากยงคงใชหลกเกณฑหรอแนวทางในการประเมนความเสยงรปแบบเดม หรอ Traditional Credit Scoring ทมงเนนใชประวตการท าธรกรรมทางการเงนในระบบทผานมาเปนตวตดสนในการพจารณาความเสยง ไมวาจะเปนประวตการช าระเงนก และเอกสารหลกฐานตางๆ ทผขอกตองน ามายนเพอประกอบการพจารณา เชน เอกสารรบรองเงนเดอนหรอสลปเงนเดอน หรอเอกสารการเดนบญช (Statement) ยอนหลง ทเปนขอจ ากดส าหรบผมรายไดนอย ทสวนใหญมอาชพคาขาย รบจาง ไมมเอกสารดานรายได รวมถงไมมทท ากนทเปนหลกแหลงแนนอน สงผลใหกลมคนเหลาน ไมสามารถแมกระทงจะยนขอกเงนในระบบไดดวยซ า และตองหนหนาไปพงพาเงนกนอกระบบ จนตองถกเอารดเอาเปรยบ เปนการซ าเตมปญหาใหเกดขน มาอยางตอเนอง
Hot Issue Alternative Credit Scoring … ชวยคนฐานรากเขาถงเงนทน
เดอนพฤศจกายน 2561
Credit Scoring คอ เครองมอทใชก าหนดตวชวดความนาจะเปน ในการช าระคนหน
Credit Score คอ ตวชวดความนาจะเปนในการช าระคนหน
การประเมนความเสยง รปแบบเดม
อาจไมเพยงพอ
อกตอไป !!!
2
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
ปจจบน ไดมความพยายามน าเอาเทคโนโลยมาแกไขปญหาดงกลาวขางตน โดยน าเอา การประเมนความเสยงทางเลอกใหม หรอ Alternative Credit Scoring มาใช ซงการประเมน ความเสยงรปแบบน จะใชขอมลทางเลอกอนๆ มาพจารณา โดยมแหลงขอมลหลกจาก 3 แหลง คอ 1.ขอมลออนไลน (Online) 2.ขอมลประวตการใชโทรศพทมอถอ (Mobile) 3.ขอมลจากแบบสอบถาม ทใชหลกจตวทยา (Psychometrics) เพอวดความซอสตยของผกในการช าระคนสนเชอ
สาเหตท Alternative Credit Scoring เขามามบทบาทส าคญมากขนนน เกดจากการท ในปจจบน ทกคนสามารถเขาถงโทรศพทมอถอและอนเทอรเนต โดยมการใชงานผานทงออฟไลนและออนไลน ซงการใชงานนนจะทงรองรอย หรอ Digital Footprint ไวผานการท าธรกรรมตางๆ สงผลใหปรมาณขอมลนเตบโตอยางกาวกระโดด และไดมการน าเอาเทคโนโลยอยาง Big Data และ Machine Learning รวมถงเทคโนโลยอนๆ อยางเชน AI มาท าการรวบรวมและวเคราะหขอมลเหลาน เพอคนหาปจจยอนๆ ทสามารถน ามาพจารณาถงความเสยงนอกเหนอจากหลกเกณฑเดมๆ ซงปจจยใหมๆเหลานจะชวยใหการประเมนความเปนไปไดในการช าระคนหนมความแมนย ามากขน
BIG DATA
MACHINE LEARNING
OTHER TECHNOLOGICAL ADVANCES
Alternative
Traditional
Credit Scoring Credit Scoring ปจจยทใชพจารณา
Credit Scoring รปแบบเดม
ปจจยทใชพจารณา
Credit Scoring รปแบบใหม Online – ประวตการใชงาน/
การท าธรกรรมออนไลน
Mobile – ประวตการใขโทรศพทมอถอ
Psychometrics – การน าเอาแบบสอบถามเชงจตวทยาเขามาประเมน
Loan Application (ขอมลจากใบค าขอสนเชอ) - Demographic – เพศ อาย การศกษา อาชพ
ทอยอาศย สถานทท างาน/สถานประกอบการ
- Revenue – slip เงนเดอน/หนงสอรบรองเงนเดอน และรายการเดนบญชยอนหลง
- Collateral – สนทรพยหรอบคคลค าประกน
Internal Data (ขอมลภายใน) - Credit History – ประวตการช าระสนเชอ NCB (ขอมลจากเครดตบโร)
- วงเงน และภาระหนรวมทงหมด - ประวตการผดนดช าระหน
การประเมนความเสยงทางเลอกใหม
Alternative Credit Scoring
โปรดอานรายละเอยดตอ
ในตารางในหนาถดไป
หลายคนอาจสงสยวา การรวบรวมขอมลจากออนไลน หรอประวตการใชโทรศพทมอถอ (Mobile) ในกลมประเทศก าลงพฒนาหรอยากจนนน จะเกดขนไดอยางไร เพราะนาจะมขอจ ากดในการเขาถงเทคโนโลย ทงน Datafloq บรษทผเชยวชาญเทคโนโลย Big Data ระบวา การเตบโตของปรมาณขอมลในประเทศทพฒนาแลวกบประเทศก าลงพฒนานน จะแตกตางกนในดานแหลงทมาของขอมล โดยประเทศทพฒนาแลว ขอมลสวนใหญจะมาจากอปกรณไฮเทคอยาง Smart Phone แตประเทศก าลงพฒนา ขอมลสวนใหญจะมาจาก Traditional Mobile หรอมอถอ รนธรรมดาๆ ซงการขยายตวของเทคโนโลย Internet ไดชวยใหผคนในประเทศยากจนสามารถใชมอถอดงกลาวในการเขาถง Website ตางๆ ได
ทงน Smart Phone ทพวกเรารสกวาเปนอปกรณท ใชกนอยางแพรหลายนน กลบมสดสวนเพยงรอยละ 10.44 ของการใชมอถอ ผานเวบไซตจากทวโลก (Mobile worldwide website traffic) ขณะท Traditional Mobile กลบมสดสวนการใชงานผานเวบไซตสงถงรอยละ 78.98 สวนอกรอยละ 10.58 เปนการใชงานผาน Tablet โดยขอมลนแสดงใหเหนถงโอกาสทโลกจะสามารถรวบรวมขอมลความตองการ รปแบบการใชบรการของผมรายไดนอยหรอยากจน เพอน าไปใชในการวางกลยทธเพอชวยเหลอและพฒนาคนกลมนไดตอไปในอนาคต
3
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
ตารางแสดงรายละเอยดของแหลงขอมลทน ามาใชในการประเมนความเสยงรปแบบใหม (Alternative Credit Scoring)
Online Mobile Psychometrics
What is it?ขอมลทใช ในการประเมน มอะไรบาง ?
Digital footprints ประวตการช าระคาสาธารณปโภคผานออนไลน ประวตการซอขายผานออนไลน เชน Alibaba และ
Amazon ประวตการใช Social network เชน Facebook ประวตการเขาเยยมชม website ตางๆ
Call and payment data ประวตการโทร
Call Detail Records (CDR) ประวตการท าธรกรรมทางการเงนผานเครอขายมอถอ
Transaction Detail Records (TDR) ประวตการช าระเงนคาบรการ
willingness to repay การประเมนความซอสตย หรอความรบผดชอบ โดยใชแบบสอบถามเชงจตวทยา
What does it measure? ขอมลดงกลาว ใชประเมน ในดานใด ?
ดประวตการช าระคาสาธารณปโภคออนไลนวา มการช าระลาชาหรอไม
ใชขอมลจาก Social network เพอประเมนเครอขายทางสงคม เชน รปแบบการโพสตลงโซเชยล ตวอยางเชน EFL Global ระบวา ความถของการใชค าแสลงหรอค ายอในการโพสต Facebook นน มความสมพนธกนอยางมนยส าคญตอการผดนดช าระหนทเพมสงขน
ชวงระยะเวลาทโทร เชน หากมการโทรออกระหวางเวลา 21.00 น.- 24.00 น. มากกวา 30% ของการโทรออกทงหมดของวน จะมผลตอระดบการผดนดช าระหนใหปรบตวเพมสงขน
ดต าแหนงขณะทใชงานมอถอ วามทอยอาศยทเปน หลกแหลงหรอไม และพนททอยอาศยสวนใหญ อยในพนทรปแบบใด
ผขอกตองท าแบบสอบถามเพอประเมนความร แนวคด ทศนคตและความซอสตย เชน การประเมนดานความร (Fluid Intelligence) จะใหจดจ าตวเลข 7 หลกเปนเวลา 5 วนาท หรอดานทศนคต (Attitudes & Beliefs) จะถามวา สงส าคญทท าใหชวตประสบความส าเรจ คอโชคชะตา ใชหรอไม?
Availability1/ ระดบความพรอมของขอมล (% ของกลมตวอยางทท าการส ารวจ)
Availability = 10% หมายถง 10% ของกลมตวอยาง
มฐานขอมลดาน Online ขอมล Online Data มการเตบโตอยางรวดเรว แต
ในประเทศก าลงพฒนา ขอมลอาจครอบคลมประชากรเพยงบางกลม เชน กลมเดก และกลมผมการศกษา โดยกวา 60% ของประชากรโลกยงคงมวถชวตแบบ Offline
อยางไรกตาม การเขาถงเทคโนโลยทสงขน ในอนาคตจะท าให Availability ปรบตวเพมสงขน
Availability = 72% หมายถง 72% ของกลมตวอยาง
มฐานขอมลดาน Mobile ประชากรสวนใหญของโลกกวา 90% มมอถอ ท าให
ขอมลครอบคลมประชากรมากกวา Online Data โดยประเทศทก าลงพฒนาสวนใหญ ใชมอถอแบบธรรมดา ทไมใช Smart Phone
ขอมลสวนใหญจะเปนของผใหบรการสญญาณโทรศพท (Mobile Network Operators: MNOs) จงตองมตนทนในการท าขอตกลงในการแชรขอมล
Availability = 100% หมายถง 100% ของกลมตวอยาง มฐานขอมลดาน
Psychometrics เกบขอมลไดจากผทขอ
สนเชอโดยตรง ท าใหขอมลมอตราการครอบคลมสงทสด
มตนทนทสงกวาในการเกบขอมล เมอเทยบกบ Online และ Mobile
Predictive Power1/ ระดบความแมนย าในการคาดการณ (คาสมประสทธ GINI) 2/
GINI = 14% ผกอาจปรบพฤตกรรมบนโลกออนไลนเพอใหไดรบ
คะแนนประเมนสงขน จงท าใหระดบความแมนย ายงมขอจ ากดในปจจบน
ดงนน เพอใหการคาดการณแมนย ามากขน จงตองใชขอมลปรมาณมหาศาล และมาจากหลายแหลงในการวเคราะห
GINI = 26% มความแมนย าสงกวาแบบ Online เนองจากขอมล
โทรศพทมอถอนนงายในการระบตวตน และสามารถระบรปแบบพฤตกรรมไดดกวาขอมล Online
แตทงน ยงคงตองใชฐานขอมลจ านวนมากเพอเพมความแมนย าในการคาดการณ
GINI = 29% มระดบความแมนย าสงกวา
Online และ Mobile แตรปแบบค าถามและการประเมนจะตองมคณภาพเพยงพอ
Who does it? มองคกรใดทใช การประเมน แนวทางน ?
Credit Sesame บรษทในเครอ Alibaba ใชขอมลการซอขายออนไลนบนแพลตฟอรม e-commerce และประวตการช าระเงนออนไลน (e-Payment) ของ Alipay มาวเคราะห Credit Scoring
Kabbage ใหสนเชอโดยใชขอมลจากประวตการซอขายบนเวปไซต e-commerce อยาง Amazon มาวเคราะหความเสยงกอนการเสนอสนเชอ
Lenddo ใหสนเชอโดยใชขอมลจาก Facebook Profile ในการวเคราะหความเสยง
TALA ใหบรการสนเชอแกประชาชนรายยอยผานมอถอ ซงใหบรการตลอด 24 ชม. และไดรบเงนกใน 10 นาท
Tiaxa บรษทสญชาตละตนอเมรกาทน าขอมลการใชงานผานมอถอมาใชประโยชนในการท าการตลาดแบบ Direct Sales เชน การขายแพคเกจเสรมหรอขายชวโมงอนเทอรเนตเพมเตม
Cignifi และ First Access ใชขอมลจากเครอขายโทรศพทมอถอเพอประเมน Credit Scores
Ricult บรษทผประเมนความเสยงโดยใช Psychometrics มาประเมน Willingness to pay back ในกลมเกษตรกร
Adam Milo บรษท ผประเมนความเสยง ไดน าPsychometrics มาคดเลอกพนกงาน (Pre employment screening)
ขอมลจากเครดตบโร ซงเปน Traditional Data มระดบความพรอมของขอมลครอบคลมเพยง 9% ของกลมตวอยางทท าการส ารวจ
ขอมลจากเครดตบโร ซงเปน Traditional Data มระดบความแมนย าในการคาดการณ หรอม GINI = 42%
ทมา: EFL Global รวบรวมโดยศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน หมายเหต: 1/ EFL Global ท าการส ารวจขอมลในป 2015 ในกลมประเทศก าลงพฒนา ในทวป Africa, Latin America, South Asia, East Asia และ Pacific 2/ คาสมประสทธ GINI ในดานการประเมนความเสยงเครดต เปนคาสถตทใชในการทดสอบประสทธภาพในการแบงแยกลกหนดและเสยออกจากกน (Discriminatory power) โดยหาก คาสมประสทธ GINI เทากบ 0 หรอ มเปอรเซนตอยในระดบต า กจะหมายถง ประสทธภาพในการแบงแยกลกหนดและเสยอยในระดบต า
4
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
Sesame Credit บรษทลกของ Ant Financial ซงเปนบรษทในเครอ Alibaba ไดท าขอตกลงกบหลายธนาคารในจน เชน Huaxia Bank, China Everbright Bank และ Shanghai
Pudong Development Bank (SPDB) ในการน าขอมลเครดตของ Alibaba มาใชในการค านวน Credit Scoring ผานระบบออนไลน (Online risk management) รวมถงใชเกยวกบการปองกนการทจรต (Fraud prevention)
Sesame Credit บรษทผประเมนเครดต ในเครอ Alibaba Group ถอเปนบรษทแรกของจนทใหบรการดาน Alternative Credit Scoring โดยใชขอมลจาก Platform การคาออนไลนระดบโลกของ Alibaba ทประกอบดวยขอมลของผซอกวา 300 ลานราย ผนวกกบผขายหรอรานคากวา 37 ลานรายทคาขายผาน platform ของ Alibaba ไมวาจะเปน Taobao.com และ Tmall.com รวมถงประวตการช าระเงนจากบรษทในเครอทใหบรการดานการช าระเงนออนไลนรายใหญทสดของจน อยาง Alipay สงผลให Alibaba สามารถวเคราะหพฤตกรรมของลกคาแตละรายไดจากขอมลการท าธรกรรมปรมาณมหาศาล ซงแนวทางดงกลาว ท าให Sesame Credit ประกาศวาสามารถทจะผลกดนประชาชนจนใหสามารถเขาถงบรการทางการเงนได แมจะ ไมเคยมประวตทางการเงนมากอนกตาม
TALA ถอก าเนดในประเทศเคนยา เปนผใหบรการเงนกผาน application สามารถขอกไดตลอด 24 ชม. โดยไมตองใชเอกสารหรอหลกประกนใดๆ
แตตองสมครใช M-Pesa ซงเปนบรการช าระเงน โอนเงนผานมอถอ และมการลงทะเบยน application TALA ดวย Facebook ทผ ขอก ใชงาน เปนประจ า สวนในขนตอนการลงทะเบยน ผสมครตองระบหมายเลขโทรศพททใชงาน และตอบแบบสอบถามเกยวกบตวเองเลกนอย ซงขอมลทงหมดน จะถกน ามาใชในการประเมนความเสยง ซงจะมผลตอขนาด ของวงเงนกทจะไดรบ
ทงน TALA จะเชอมเขาสระบบ M-Pesa ของผขอก โดยจะม SMS แจงเตอน เมอครบก าหนดช าระเงน ซงผกสามารถผอนช าระสนเชอไดผานชองทาง M-Pesa และทกครงทช าระสนเชอ กจะม SMS ยนยนการช าระเงนสงกลบไปยงผก
ส าหรบผใชงานครงแรก TALA จะอนมตสนเชอขนต าท 500 ชลลงเคนยา (Ksh) หรอคดเปนเงนไทยประมาณ 165 บาท โดยหากช าระคนตรงเวลาและมประวตด กจะไดรบวงเงนเพมสงขน สงสด 50,000 ชลลงเคนยา หรอราว 16,500 บาท
ธนาคารจนหลายแหงท าขอตกลงกบ Ant Financial บรษททางการเงนในเครอ Alibaba ในการน าขอมลเครดตของ Alibaba มาชวยประเมนความเสยงลกคา รายยอยและ SMEs สองโลก
Credit Sesame มเปาหมายทจะท าใหประชาชนและธรกจรายยอยทไมเคยเขาถงสนเชอหรอบตรเครดต สามารถเขาถงบรการเหลานได โดยน าการประเมนความเสยงรปแบบใหมมาใชในการประเมน Credit Score
TALA ใหสนเชอแกรายยอย ผาน Application บนมอถอ
ของผขอกผาน TALA application สามารถไดรบเงนก ภายใน 10 นาท 85 %
5
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
Alternative Credit Scoring ในองคกร แนวทางการใช
ไมไดน ามาทดแทนการประเมนความเสยง รปแบบเดม แตน ามา เสรมความแขงแกรง
น าการประเมนความเสยงรปแบบใหม (Alternative Credit Scoring) มาใชควบคกบการประเมนความเสยงรปแบบเดม (Traditional Credit Scoring) เพอเพมศกยภาพของโมเดลการประเมนความเสยงใหมความแมนย ามากขน ลดความผดพลาดและสามารถขยายโอกาสการใหสนเชอไปยงกลมคนทยงไมสามารถเขาถงสนเชอในระบบ (Unbanked)
น ารองทดสอบกบกลมเปาหมายขนาดเลกเพอประเมนความ เปนไปได กอนทจะน ามาขยายผลใชงานตอไป
จบมอกบหนวยงานอน เพอเพมฐานขอมลทางเลอก
ใชขอมลรวมกนระหวางพนธมตรทรวมลงนามบนทกขอตกลงความรวมมอการบรณาการขอมลดานการเงน-สาธารณปโภค โดยส านกงานคณะกรรมการนโยบายรฐวสาหกจ (สคร.) โดยอาจใชขอมลรวมกนระหวางการไฟฟา การประปา หรอผใหบรการเครอขายสญญาณโทรศพทและอนเทอรเนต เพอน าขอมลประวตการช าระคาน า คาไฟ หรอคาโทรศพทและอนเทอรเนต มาเปนขอมลประกอบการพจารณาก าหนดคาความเสยงของลกคาแตละราย
อาจทดลองใชกบการใหสนเชอแกผมรายไดนอย ซงสวนใหญมขอจ ากดในการเขาถงสนเชอในระบบ ซงอาจน า Alternative Credit Scoring มาน ารองใชกบการพจารณาอนมตสนเชอบคคลรายยอย โดยก าหนดวงเงนกครงแรกในระดบทไมสงมากนก จากนนจงตดตามขอมลการช าระคน และน าขอมลมาวเคราะหเพอปรบโมเดลการประเมนความเสยงใหมความเหมาะสมตอไป
แมในปจจบน ฐานขอมลดาน Online และ Mobile อาจยงมขอจ ากด แตในอนาคต ขอมลเหลานจะทวความส าคญและความแมนย ามากขนอยางตอเนอง ดงนน ในปจจบน อาจเลอกใชขอมลทางเลอกทมความเปนไปไดและเหมาะสมกบกลมเปาหมาย เชน กรณกลมลกคาฐานราก ทแมวาขอมล Online จะมขอจ ากดในดานการครอบคลมประชากร แตอยางไรกตาม ยงคงสามารถใชขอมลทางเลอกอน เชน
ขอมลประวต การช าระคาสาธารณปโภค
ขอมลดาน Psychometrics ทสามารถจดเกบขอมลได เมอมการยนขอสนเชอ
ขอมลจาก Mobile ซงครอบคลมทง Smartphone และมอถอรนธรรมดา
6
หนวยตดตามประเมนผลมาตรการเศรษฐกจฐานราก สวนเศรษฐกจฐานราก ศนยวจยเศรษฐกจ ธรกจและเศรษฐกจฐานราก ธนาคารออมสน
โทร. 0 2299 8000 ตอ 150909
www.gsb.or.th/GSB-Research.aspx
แหลงทมาของขอมล
- Jeff Desjardins. How tech is changing the modern credit landscape. Visualcapitalist [Online]. (May 2, 2018) - Bailey Klinger. Alternative Credit Scoring in Emerging Markets. EFL Global [Online]. (January 7, 2015) - Credit Where Credit Insight. Kellogg Insight, 2015 - Tobias Baer, Tony Goland and Robert Schiff. New credit-risk models for the unbanked. Mckinsey [Online].
(Apr 2013) - www.finextra.com - https://tala.co/ - https://brandinside.asia/scb-easy-digital-lending-personal-loan/ - http://www.fsdt.or.tz
เครดตรปภาพ
- www.pexels.com - www.carbuyingtips.com - https://www.sanook.com/news/1964426/ - http://sanitation-cityub.blogspot.com/2011/01/blog-post.html - www.brandinside.asia - www.chinadaily.com - https://impactalpha.com