Ứng dụng dữ liệu số giải vấn nạn "tín dụng đen":

Điểm khả tín của khách hàng vay trong kho Dữ liệu thông tin tín dụng Quốc gia chính xác đến mức nào?

0:00 / 0:00
0:00
  • Nam miền Bắc
  • Nữ miền Bắc
  • Nữ miền Nam
  • Nam miền Nam

VietTimes – Hàng tháng, dữ liệu về mức độ khả tín, khả năng thanh toán nợ đúng hạn của khách hàng vay được xử lý, cập nhật vào kho Dữ liệu thông tin tín dụng Quốc gia và kết quả được kết hợp trong các báo cáo của Trung tâm CIC.

Để đánh giá đúng về mức độ khả tín của khách hàng vay, việc sử dụng các giải pháp công nghệ hiện đại, tiên tiến (AI, BI, Blockchain,…) trong thu thập, khai thác dữ liệu lớn, dữ liệu thay thế là việc cần làm hiện nay.
Để đánh giá đúng về mức độ khả tín của khách hàng vay, việc sử dụng các giải pháp công nghệ hiện đại, tiên tiến (AI, BI, Blockchain,…) trong thu thập, khai thác dữ liệu lớn, dữ liệu thay thế là việc cần làm hiện nay.

Thạc sỹ Cao Văn Bình - Tổng Giám đốc Trung tâm Thông tin tín dụng Quốc gia Việt Nam (CIC - Ngân hàng Nhà nước) - cho biết thêm, rằng các kết quả đánh giá mức độ khả tín của khách hàng vay được đưa ra dưới dạng thông tin tích hợp trong báo cáo tổng hợp hoặc thông tin điểm tín dụng độc lập qua tất cả các kênh cung cấp của CIC như web, H2H, ứng dụng CIC Credit Connect.

Theo ông Bình, mô hình đánh giá khả tín khách hàng vay thể nhân CB 2.0 được xây dựng năm 2019 và hoàn tất vào tháng 4/2021. Mô hình chấm điểm thể nhân mới đã có các bước cải tiến nổi bật cả về phương pháp xây dựng, nguồn dữ liệu và phương thức vận hành.

Việc đánh giá khả tín khách hàng vay được hiểu là quá trình phân tích bộ dữ liệu về chủ thể thông tin thông qua mô hình chấm điểm cụ thể, để đánh giá mức độ tín nhiệm và khả năng thanh toán nợ đúng hạn của chủ thể thông tin đó, giúp giảm nguy cơ tín dụng đen.

Các mô hình đánh giá khả tín khách hàng vay sử dụng các nguồn dữ liệu khác nhau như thông tin tín dụng, thông tin thanh toán, thông tin dịch vụ tiện ích, thông tin thực hiện nghĩa vụ thuế, thông tin giao dịch, dữ liệu tương tác mạng xã hội, các nguồn dữ liệu lớn liên quan,… để đánh giá sao cho kết quả chấm điểm là sự dự đoán có độ chính xác cao nhất về khả năng thanh toán nợ của khách hàng.

Sử dụng phương pháp hồi quy tuyến tính N-builder (với khách hàng đã có lịch sử quan hệ tín dụng) và machine learning (với khách hàng thinfile – chưa từng có quan hệ tín dụng), mô hình chấm điểm CB 2.0 của CIC dựa trên bộ dữ liệu của hơn 20 triệu hồ sơ khách hàng cá nhân, với thời gian quan sát thông tin là 36 tháng, 45 chỉ tiêu thông tin tín dụng như thông tin lịch sử dư nợ, thông tin khoản vay, thông tin thẻ tín dụng,…

Kết quả đánh giá khả tín khách hàng vay của CIC được chia thành 10 hạng và điểm tương ứng, phản ánh 5 cấp độ: Xấu, Dưới trung bình, Trung bình, Tốt, Rất tốt và khoảng điểm từ 403 đến 705 điểm.

Toàn bộ khách hàng cá nhân trong kho dữ liệu Thông tin tín dụng Quốc gia được đánh giá khả tín khách hàng vay hàng tháng. Kết quả đánh giá khả tín khách hàng vay được kết hợp trong các báo cáo đầu ra của CIC, dưới dạng thông tin tích hợp trong báo cáo tổng hợp hoặc thông tin điểm tín dụng độc lập qua tất cả các kênh cung cấp của CIC (web, H2H, ứng dụng CIC Credit Connect).

Cần cơ chế trao đổi, thu thập, kết nối, sử dụng dữ liệu minh bạch

Trong nhiều việc cần làm ngay để đánh giá chính xác hơn về mức độ khả tín khách hàng vay, đại diện Trung tâm Thông tin tín dụng Quốc gia cho rằng cần mở rộng các nguồn dữ liệu sử dụng cho hoạt động chấm điểm. Việc đa dạng nguồn dữ liệu, kết hợp giữa thông tin truyền thống và phi truyền thống trong các mô hình chấm điểm sẽ cho các kết quả toàn diện, chính xác hơn, dự đoán tốt hơn về khả năng thanh toán nợ và hành vi vay trả nợ của khách hàng vay.

Lãnh đạo CIC cho rằng có thể sử dụng cho các mô hình chấm điểm bao gồm thông tin sử dụng dịch vụ tiện ích, sử dụng dịch vụ viễn thông, thông tin nộp thuế, thông tin thanh toán, thông tin giao dịch trên các nền tảng xã hội, trang web thương mại điện tử, thông tin nhân chủng học (độ tuổi, giới tính, sở thích, hành vi), bảo hiểm xã hội,…

1 (1).jpg
Nhiều tổ chức tín dụng cũng đã triển khai thành công dự án chấm điểm tín dụng bằng trí tuệ nhân tạo (AI Score).

Khẳng định cơ chế trao đổi thông tin giữa các cơ sở dữ liệu là yêu cầu cấp thiết, CIC cho rằng, để thực hiện được việc mở rộng cơ sở dữ liệu dùng cho hoạt động chấm điểm, cần thiết phải có khuôn khổ pháp lý và cơ chế trao đổi, thu thập, kết nối, sử dụng thông tin giữa các cơ sở dữ liệu minh bạch, rõ ràng.

Cùng với đó, ông Cao Văn Bình đề cao việc sử dụng các giải pháp công nghệ hiện đại, tiên tiến như AI, BI, Blockchain,… trong thu thập, khai thác dữ liệu lớn, dữ liệu thay thế.

Dẫn kinh nghiệm quốc tế, lãnh đạo CIC cho rằng việc ứng dụng các giải pháp công nghệ này mang lại các hiệu quả rõ rệt đối với việc đánh giá, cấp tín dụng cho nhóm đối tượng khách hàng chưa từng (unbanked) hoặc không thể tiếp cận (underbanked) các dịch vụ tài chính của ngân hàng, góp phần đáng kể thực hiện các mục tiêu tài chính bao trùm.

CIC nắm dữ liệu của 54,3 triệu khách hàng, trong đó có 52 triệu cá nhân

Về độ phủ thông tin tín dụng, tính đến tháng 6/2023, CIC đã thu thập được thông tin từ 125 đầu mối tổ chức tín dụng, chi nhánh ngân hàng nước ngoài, 1.162 quỹ tín dụng nhân dân, 4 đơn vị tài chính vi mô và 60 tổ chức tự nguyện tham gia hoạt động thông tin tín dụng.

Tỉ lệ cập nhật số liệu thành công từ tổ chức tín dụng đạt 100%. Số lượng khách hàng trong cơ sở dữ liệu thông tin tín dụng Quốc gia đạt 54,3 triệu khách hàng, trong đó khách hàng cá nhân chiếm hơn 52 triệu hồ sơ.

Cho đến nay, CIC đã đối soát được hơn 41 triệu dữ liệu với Cơ sở dữ liệu Quốc gia về Dân cư.

Tuy nhiên, so với các cơ quan thông tin tín dụng trong khu vực và trên thế giới, cơ sở dữ liệu của CIC hiện tại chưa thu thập hoặc chưa có phương án kết nối được với các thông tin điện nước, viễn thông, thanh toán, dữ liệu lớn khác….

“Đây là những nguồn thông tin thay thế có giá trị sử dụng cao trong việc kết hợp chấm điểm, đánh giá khách hàng vay một cách toàn diện hơn hoặc sử dụng để chấm điểm khi không có đủ thông tin tín dụng” – ông Cao Văn Bình nói thêm./.