新德里:下次你再犯错误
脸谱网邮寄或发送邮件
短信请三思而后行。一个
启动,
季风CreditTech周四,该公司推出了一款产品,可以通过扫描社交媒体渠道和短信来确定你的信用档案。
当我们谈论替代数据时,它几乎包括了你的整个数字足迹。“对于典型的零售贷款,我们关注的是个人借款人和所谓的‘数字废气’。
这包括Facebook、Twitter和LinkedIn等社交媒体档案,以及数据使用模式和短信等简单信息。如今,由于WhatsApp是加密的,所以不可能将其纳入其中,但当数据被用于高质量的机器学习算法时,它的作用是惊人的,”Monsoon CreditTech创始人兼首席执行官说。
Ashwini阿南德.
阿南德补充说,有时模式表明,如果你的朋友拖欠贷款,你不太可能得到贷款。“你接收和发送的短信类型会影响你的信用评级。总的来说,他们往往是正确的,在找出谁是好的借款人和谁不是方面做得很好。当你发送下一条短信或发下一条Facebook帖子时,三思而后行。这会影响你获得贷款的机会。”阿南德说。
对于中小企业来说,这甚至可以扩展到第三方交易,这意味着如果你是一个购物俱乐部的成员,算法就有能力挖掘你的交易和支付记录,从而得出你的个人资料。
下雨机器学习
Monsoon补充说,它已经从谷歌印度的Rajan Anandan、超级天使Sunil Kalra、前微软高管Rishi Srivastava和Aditya Singh等大牌投资者那里筹集了一笔未披露金额的资金。其他投资者包括该国一些顶级金融投资者和商业公司。
季风特别吸引人的地方在于它的功能。Monsoon表示,其机器学习程序可以为银行节省至少20%的不良资产。在所有银行中,节省的资金可能是天文数字。
目前银行的不良贷款水平为614,872亿卢比,使用机器学习可以节省122,974亿卢比的巨额资金。阿南德说:“这笔钱比在印度消除饥饿或为所有印度人提供免费医疗所需的钱还要多。”
这家初创公司已经与一系列私人银行、nbfc和新时代贷款机构合作,帮助他们利用机器学习的力量,最大限度地提高贷款批准率,最大限度地减少违约,并优化贷款损失调整后的净利息收入。
由数据科学家和金融分析师组成的团队运营他们供职于
美林(Merrill Lynch),
美国银行,
世界银行而且
美国运通季风公司希望在印度的nbfc、银行和银行中普及机器学习
FinTech使银行。
Monsoon CreditTech运行机器学习访问计划(Machine Learning Access Program),使贷款机构能够在其贷款数据集上利用先进的机器学习技术的力量,而无需在模型在数据上证明成功之前投入大量资源。
机器学习在贷款承销和决策领域表现出巨大的潜力。通过识别和利用借款人数据和还款数据中的微妙模式,机器学习驱动的系统可以显著提高贷款批准率,降低拖欠率,缩短周转时间和提高利润。
NPA终结者
“Monsoon与其他公司不同,它只专注于做一件事——建立世界级的机器学习技术,可以扭转贷款账簿的表现。这使他们能够专注于信贷决策——这是他们的核心竞争力,而不用担心线索收购、监管合规和催收等事情,”该初创公司的投资者之一Rishi Srivastava说。
对这种技术的需求不可能比今天更迫切,根据印度储备银行的数据,目前整个系统的不良资产比率(NPA)为9.6%,在不久的将来可能会上升到10.2%。与一些人的看法形成鲜明对比的是,私人银行的不良资产比率为3.91%,比去年增加了100%以上,这并不仅仅是PSU银行的问题。
“机器学习在这一领域显示出巨大的前景,与目前采用的传统流程相比,机器学习在贷款承销方面表现出色。举例来说,发达经济体的金融科技革命在很大程度上是由机器学习推动的,导致了诸如SoFi(43亿美元)、Kabbage(10亿美元)、Affirm(5.76亿美元)和Kreditech(3亿欧元)等估值天文数字的公司的诞生。
最好的看涨期权?
阿南德补充说,几乎所有的银行家都认识到机器学习的潜力。然而,他们经常面临一些问题,比如不确定机器学习是否适用于他们的数据,以及组织是否拥有将机器学习技术转化为实际业务成果所需的内部技术专长?这通常会减缓决策,因此贷款机构采用ML。
Monsoon的机器学习访问计划(
MLAP)旨在为银行和非银行金融公司的高层管理人员提供一种无风险的方式,在他们的贷款账簿上尝试Monsoon的专有机器学习技术,而不管贷款账簿的大小或内部技术专长。Anand表示,在大多数情况下,这项技术可能会使贷款批准率提高24%,逾期率下降20%——这一点可以通过将初创公司的风险计分卡与历史贷款的贷款结果进行比较来验证。
“由于这是一种基于成功的模式,因此不需要大量的前期人力或资源投资,从而使贷款机构可以灵活地接受机器学习,而无需经历重重困难。这就像看涨期权——有无限的上行空间,几乎没有下行空间,”阿南德说。