금융 회사와 은행에서 테스트한 인구 데이터를 기반으로 대출자의 신용도를 평가하는 모델을 사용하면 대출 위험을 최대 20%까지 줄일 수 있습니다.
이 정보는 8월 7일 오후, 대출자의 신용도를 평가하기 위한 인구 데이터 적용에 관한 워크숍에서 공안부 사회 질서 를 위한 행정경찰국 부국장인 부 반 탄 대령이 제공했습니다.
탄 씨에 따르면, 이 모델은 미국 FICO 표준(30개국 이상에서 적용되는 고객 신용도 평가 모델 구축 분야의 선도 기업)에 따라 구축되었으며, 현재 18개의 주거 정보 필드가 기본적으로 완성되었다고 합니다.
MB은행금융회사(MCredit)는 시민 데이터 1만 건, PVcombank는 2만 건, Datanest는 6만 건을 대상으로 테스트를 진행했습니다. 그 결과, 은행 및 신용기관 대출 시 위험 비율이 7~20% 감소하는 것으로 나타났습니다.
"테스트 후, 모든 은행은 공식적으로 이를 자사 프로세스에 도입하고 싶어합니다."라고 Vu Van Tan 대령이 말했습니다.
공안부는 인구 데이터를 활용하여 대출자의 신용도를 평가하는 프로젝트를 진행 중이며, 이를 통해 신용 기관의 대출 위험 감소에 기여할 수 있을 것으로 기대하고 있습니다. 사진: 지앙 휘
은행업계와 공안부가 데이터를 결합해 활용하면서 많은 이점이 있었습니다. 예를 들어, 4,100만 명의 고객의 신용 정보와 개인식별코드 관리를 인증하고 동기화하고, 칩이 내장된 국민신분증을 이용해 ATM에서 돈을 인출하고, 전자식별계좌를 이용해 인증을 실시하는 것이 가능해졌습니다.
공안부 장관에 따르면, 현대 기술이 적용되고 있지만, 은행의 대출 결정을 지원하는 정보와 데이터가 부족하여 도구로만 활용되고 있습니다. 생산 및 사업 자금 조달은 여전히 많은 어려움에 직면해 있으며, 이로 인해 암흑 신용 문제가 심각한 결과를 초래하고 있습니다.
부 반 탄 대령에 따르면, 세 가지 주요 이유가 있습니다. 은행에서 대출 수혜자를 평가하고 식별할 기준이 없고, 소외 계층을 지원하는 정책이 없으며, 흑인 신용을 통제할 국가 관리 메커니즘이 부족합니다.
이에 따라 C06은 하노이 과학기술대학교 정보기술학과와 협력하여 미국 FICO 신용 기준에 따라 머신러닝 기술과 인공지능을 사용하여 인구 데이터를 기반으로 대출자의 신용도를 평가하는 프로젝트를 시행했습니다.
베트남 국가은행 부총재 팜 티엔 융에 따르면, 베트남에서 신용 평가는 은행업에서 점점 더 보편화되고 널리 사용되는 위험 관리 도구입니다. 이 모델이 효과적으로 작동하고 향후 부채 상환 능력을 예측하기 위해서는 데이터의 정확성이 중요한 역할을 합니다.
부지사는 "신용도를 평가할 수 있는 데이터 소스를 확보하려면 특히 국가 인구 데이터베이스와 같은 대체 소스에서 데이터를 공유하는 것이 필요하다"고 말했습니다.
데이터 소스 확대는 국가신용정보센터(CIC)의 카오 반 빈(Cao Van Binh) 사장이 차용인의 신용도 평가 효율성을 개선하기 위해 언급한 첫 번째 해결책이기도 합니다.
CIC에서 이 모델은 2015년에 구축되었습니다. 2019년에는 서비스 범위 확대에 따라 개별 차용인의 신용도를 평가하는 CB 2.0 모델을 구축했습니다. 이 모델은 완성되었으며, 2021년 4월부터 모델의 평가 결과가 제공되었습니다.
빈 씨에 따르면, CIC의 정보 제공 증가율은 매년 15~20%에 달하며, 이는 경제 평균 신용 성장률보다 높습니다. CIC는 올해 상반기에만 3,100만 건이 넘는 모든 종류의 정보 보고서를 제공했습니다.
그러나 각 은행마다 고객의 신용도를 평가하기 위해서는 여전히 추가적인 기준이 필요합니다.
BIDV 관계자는 고객 신용 평가 모델이 통계적 방법을 사용하고 원칙과 매개변수를 설정하지만, 여전히 사용자가 직접 정보를 수집하고, 적극적으로 정보를 검색하고 검증해야 한다고 말했습니다. 그러나 디지털 채널에서 소매 신용 상품을 배포할 때, 기존 내부 신용 평가 시스템은 정보를 자동으로 수집 및 검증하고 정확한 결과를 제공하는 데 많은 제약이 있습니다.
BIDV 관계자는 "제3자, 특히 유능한 국가 기관이 정보 출처를 검증하고 인증하는 것은 은행의 소매 신용 제공 활동, 특히 디지털 상품에 있어 매우 중요하고 의미가 있다"고 말했습니다.
이 은행이 적용한 솔루션 중 하나는 공안부 산하 RAR 센터와 협력하여 시민 신원 정보 기반 고객 평가 프로젝트를 시행하는 것입니다. BIDV는 백테스트 모델 결과를 바탕으로 일부 소매 신용 상품에 대한 신용점수 적용 방안을 연구하고 제안할 계획이라고 밝혔습니다.
민손
[광고_2]
소스 링크
댓글 (0)