信用小白借錢救星—數據!它如何讓銀行重新認識你?
專題故事

要辦貸款、信用卡,銀行會從聯徵中心資料評估客戶信用程度,而沒有固定薪資收入的「信用小白」,如何取得金融服務?用數據打造的「新信用評分系統」正在崛起。

1 沒有信用卡、薪轉帳戶,跟銀行借錢很難?「新信用評分模型」成金融小白救星

shutterstock
計程車司機、外送員這些藍領階級,月收入可能高達數十萬,卻因為缺乏與銀行往來紀錄,取得金融服務困難,「數據」、「信用小白」將有可能成為顛覆的關鍵。

在台灣,平均每3,700人就有一家銀行提供服務、每800人就有一台提款機,金融服務過度密集,一直以來都有「overbanking(銀行數太多)」問題。

不過,即便擁有如此密集的金融服務,仍舊無法滿足每一個人的需求;對銀行來說,在市場過度競爭下,也很難有空間開拓新的市場與客群。

「數據」、「信用小白」,將有可能成為打破此局面的兩大關鍵字。

運將、YouTuber、電商賣家,為何銀行不敢借錢給他們?

一般白領上班族有每月的薪資往來紀錄,作為還款信用依據,他們向銀行申請信用卡、貸款等服務,一點都不難。

但計程車司機、市場菜販這些藍領階級就不同了,他們認真工作,月收入甚至可能高達數十萬,但收的是現金,缺乏與銀行往來紀錄;而且不只他們,像是經營網拍的小賣家、專攻外送市場的餐館、網紅、YouTuber,也可能因為沒有足夠的資料(如聯徵紀錄、信用卡交易紀錄、薪轉證明)讓銀行判斷信用為何,成為銀行的拒絕往來戶。

對此,國泰金控副總經理梁明喬直接了當地說,「當你不認識這個人的時候,你願意借錢給他嗎?」

計程車司機月收入可能高達數十萬,但收的是現金,缺乏與銀行往來紀錄,比起一般上班族來說,取得金融服務難度更高。
shutterstock

除了個人,企業也遇到這個問題。根據聯徵中心資料,在台灣146萬家中小企業中,有高達130萬的商家 從來沒有 跟銀行借錢往來過,「當他們真正有資金困難時,向銀行借錢很容易吃閉門羹。」凱基銀行商業金融處資深副總王智勇坦言。

不一定要薪轉證明,你的信用,有全新評分標準

但這些工作者、商家並非沒有財力。所以,近年許多銀行開始與不同平台業者、場景串接數據,透過新的 信用評分模型 ,滿足這些「信用小白」需求。

舉例來說,銀行跟電商平台、餐飲POS系統商合作,在借款人的授權與同意下,取得平台上的 交易數據來客數 等資料,經過數據分析得出借款人的償債能力,決定是否借錢給他,比起過去只看聯徵、銀行往來紀錄,更可以貼近借款人真實的財務、信用狀態。

銀行可根據用戶的電商交易資料、電信帳單或餐廳營業數據等標準作為信用評分模型,以此判斷信用高低。
製圖/沈佑穎

玉山銀行副數金長溫學華認為,若能在消費者的同意下取得更多的數據資料,就能接觸到以前較難接觸到的市場(指過去少跟銀行往來的人),「這將是未來銀行業重要的競爭力。」

此外,過去處理信貸時,銀行都必須靠專人負責徵信,「不論是貸款10萬或50萬元,對銀行來說,審查花的時間是一樣的,但帶給銀行的效益卻是完全不同的。」溫學華解釋,銀行徵信一個信貸申請的成本,有時候就要約7、8,000元,若碰上利率比較低的時候,徵信成本幾乎跟利息差不多,銀行等於忙了一場,卻沒賺到錢。

小額借貸較難符合成本,所以過去小額借貸需求的賣家或個人常常碰壁。不過在銀行大量採用數據評估風險後,申貸過程的人力成本能因此降低,滿足顧客需求,打破了過往局面。

當數據成為主流,沒有數據的人該怎麼辦?

透過異業合作的數據交換,在用戶授權下,銀行能得到顧客更多的信用資料,提供服務給更多客戶。數據與信用、貸款結合,在近年成為一股新趨勢,不過,台灣仍處於數據金融應用相對早期的階段。

梁明喬指出,台灣聯徵系統非常普及,現階段納入的數據資料,比較像是讓銀行更認識客戶的一種參考,還是會搭配聯徵結果、個人財務狀況綜合評估,並非完全以搜集到的數據作為判斷的標準。

然而,當數據逐漸成為銀行決定是否與顧客網路的依據時,在網路世界較少「數位足跡」的人,是否有可能成為弱勢?又或者,在網路上的一言一行,是否將完全影響銀行對顧客的看法?

國泰金控副總經理梁明喬認為,台灣聯徵系統非常普及,現階段納入的數據資料,比較像是讓銀行更認識客戶的一種參考,還是會搭配聯徵結果、個人財務狀況綜合評估。
國泰金控

「數據來源只會增加不會減少。」信貸比較平台AlpahLoan創辦人黃亮銓認為,納入更多的數據,是提升銀行認識客戶的完整度,現代人無論是購物、就醫,多多少少都會留下數據資料,「要完全沒有數據,是很難的。」就算真的都沒有,也可以循舊有的聯徵體系,去篩選客戶。

玉山銀行副數金長溫學華則認為,未來傳統聯徵系統與數據會是彼此相輔相成,「短期很難完全取代一方。」

梁明喬分析,數據金融的重點,在於協助銀行做風險控管,數據現階段作為判斷的輔助,仍需線下的交易資料佐證,用戶若願意開放數據資料,則有助於銀行提供更好的服務與利率條件。

雖然愈來愈多金融機構會納入數位數據,不過黃亮銓認為,用戶並不需要刻意取改變自己在線上的行為,原因是,每個服務商需要使用的數據、目的都不太相同,「為了顧及A,而是故意改變行為,結果反而在B服務商被扣分。」黃亮銓認為,未來的數據來源只會愈來愈多,「很難在單一個來源上做假。」

數據金融崛起,更多的服務商,願意採用非傳統金融數據,讓過去被忽視的信用小白,能夠敲開金融服務大門;數據擁有者則能整合金融服務,開創新的商業模式。藉由數據,台灣離普惠金融又更近了一步。

責任編輯:林美欣

每日精選科技圈重要消息

延伸閱讀

2 敢拿翻桌率、網拍紀錄當貸款信用依據!銀行蝦米貸、餐廳貸、電信貸靠什麼判定?

Pixabay
社群媒體、餐廳翻桌率,這些非典型信用數據(ACD)成為許多銀行參考的指標,信用小白們注意,如何讓數據替你的信用說話?

網拍紀錄、餐廳翻桌率、電信帳單,都可能成為替「信用」加分的利器。

餐廳,對銀行來說是高風險產業,凱基銀行商業金融處資深副總王智勇解釋,以餐廳為借款主體,向銀行申請融資案例少,絕大多數,都是負責人以申請個人信貸的方式,來取得資金維持營運,「據統計,有70%~80%以上的餐廳都是金融小白。」他觀察。

餐廳貸,以翻桌率、營業額作為信用評分

但從企業融資徵審角度看,負責人如果動用到現金卡或是預借現金,幾乎很難再申請到企業融資。因此,凱基銀行跟POS點餐系統供應商iCHEF合作,推出「餐廳貸」。

王智勇指出,小規模的餐廳很難提出財報數據,未必能反映真實營運狀況,凱基透過iCHEF的數據,以 餐廳營業額來客數翻桌率 作為依據,設計出一套專屬的信用評分模型,作為貸款給餐廳的依據,銀行依照餐廳規模評分,最高可以貸到額度300萬元。

對銀行來說風險高的產業,逾放比例通常較高( 指過了期限未正常繳納本息的放款占總放款比率,用以顯示金融機構的放款中可能會面臨客戶無力償還本息的情況 ),不過王智勇表示,餐廳貸推出以來,因為有了客觀數據協助判斷風險,依舊維持0逾放的紀錄。

電信貸、蝦皮貸,採用非典型信用評分數據

同樣的概念,凱基也跟中華電信合作,透過電信帳單是否正常繳款作為依據,推出「電信貸」,日前已經通過金融監理沙盒實驗,結果發現,實驗中的4,000人,有約20%是從來沒跟銀行往來過的信用小白。

凱基銀行與中華電信合作,推出「電信貸」。依照是否按時繳交電話費作為借款依據。
凱基銀行

擁有大量會員資料、交易數據的電商平台,也是建立信用評分的重要來源依據。

國泰金控副總經理梁明喬觀察,許多電商個人賣家其實月收入都不低,卻因為沒有固定的薪轉資料,貸款條件比起一般上班族差。

「市場上沒有好的角度,去看待這群人的身分跟收入。」國泰跟電商蝦皮合作,推出「蝦米貸」服務。串聯蝦皮內部的數據,包括 過往交易紀錄賣家評價出貨頻率 等多達10多種的參考數據,透過分析,建立一套專屬的信用評分模型。

聊LINE也能增加信用積分

金融服務提供者必須掌握消費者行為,才能提供令人滿意的服務,利用非典型信用數據(ACD,Alternative Credit Data),分析用戶的信用程度,已經成為金融科技新趨勢,且已經有業者開始這麼做。

LINE去年(2019)在日本推出一套用戶計分服務「LINE Score」,這是一套由AI驅動的評分模型,用戶第一次使用時,需先填寫一份15個問題的問卷,系統會依據用戶行為,給出一個100到1000分不等的積分,如果用戶願意分享像是生日這類更細的問題,分數也會因此提高。

LINE Score的目的,是希望增加用戶使用其他服務的誘因,目前跟許多第三方品牌都已經達成合作,LINE總裁暨執行長出澤剛(Takeshi Idezawa)曾說,積分的高低會影響用戶取得優惠服務的差異,例如積分較高的人可以獲得Airbnb訂房優惠,或是有免費租車資格等等。當你使用愈多LINE的服務或分享更多數據資料,都會增加積分數字。

「LINE Score」是一套由AI驅動的評分模型,目的是希望增加用戶使用其他服務的誘因,目前跟許多第三方品牌都已經達成合作。
LINE

在出澤剛的藍圖中,LINE將跟更多第三方單位合作,透過API串接分享用戶積分數據,不過前提是,每次提供新的合作夥伴優惠跟合作時,一定會詢問用戶是否同意使用條款與條件,「你不同意我們就不做。」也會遵守包括歐盟GDPR(一般資料保護規範)在內的各國法規規範。

台灣的三家純網銀,將在今年底開業,LINE Bank總經理黃以孟曾透露,台灣市場也規畫導入類似的個人信用評分機制,降低年輕人接觸金融投資商品的門檻。年輕人累積個人信用很少,很難在金融機構得到貸款,」未來年輕人能夠在LINE生態圈中,創造出自己的信用分數,讓年輕人可以更容易取得小額信貸,實現普惠金融的願景。

銀行累積數據,放眼更大商機

不過,銀行背後想的,可不只是接觸信用小白客群,而是透過異業結盟、數據分析開創出新的商業模式,銀行的客源、市場,也會進一步打開。

王智勇指出,「餐廳貸」只能服務到iCHEF上的會員,下一步,希望能瞄準零售批發業、製造業、服務業等產業,他認為,未來慢慢也會有像iCHEF這樣的平台出現,可以透過與區塊鏈結合,讓各業者的數據自動上傳到鏈上,讓數據更加完整,應用更方便, 形成各個不同產業領域的金融生態系。

銀行業者從信貸產品,跟信用小白展開第一次接觸,透過各類非傳統數據,累積對客人足夠的認識後,就有先行者優勢,推薦更多適合、客製化的商品,給這群信用小白,開啟過去未能接觸到的新客群。

銀行業者從信貸產品,跟信用小白展開第一次接觸,進一步販售其他產品,開創新的客群。
製圖/沈佑穎

數據串聯背後,其實也有不少困難需要突破。梁明喬表示,並非所有的廠商都有數據交換的意願或是IT能力,此外,對方願意分享的數據可能只是部分,舉例來說,若賣家得到五星的評價,並不代表他不會倒帳,困難在於,必須在有限的資料中,模擬出用戶的還款能力。

對銀行內部來說,要參考傳統聯徵以外的佐證資料,以及重新串接新的內部系統,流程上來說,也需要勇氣與轉變的決心,而許多先行者,正勇敢跨出第一步。

責任編輯:林美欣

每日精選科技圈重要消息

延伸閱讀

3 Alphaloan數位風控系統,讓信用小白活用2億資金!你的數位足跡透露哪些事?

蔡仁譯攝影
信貸比較平台Alphaloan從社群、電商資料分析,他們如何打造數位風控系統?

「最近有沒有考慮買車或是投資呢?我們現在有一個利率很低的方案……」,許多人都曾接過這樣的信貸推銷電話,甚至有時候一天還會接上好幾通。

黃亮銓某次想了解自己能申請到多少利率的貸款方案,填了申請書、附上個人資料,專員卻告訴他要3天後才能得到答案。他很驚訝,想了解申貸條件,竟然還得經過繁雜的手續跟流程。

林建宏過去在大企業上班,繳款等信用紀錄都很正常,離職後想申請貸款創業,卻被銀行拒絕。他無奈:「在大公司上班,大家都求我貸款;當我離開公司,銀行評價對我卻不見得公平。」

黃亮銓與林建宏發現了台灣信貸市場背後的兩大問題: 貸款服務體驗的不友善銀行對客戶理解不夠全面 ,為了找解方,科技業出身的兩人在2016年創辦信貸比較平台Alphaloan。

分析用戶資料,打造全台唯一個人化信貸比價網

林建宏觀察,利用數據協助商業決策是非常普遍的事情,「但在金融業,卻是非常落後的。」市面上的貸款比較平台,大多是抓取銀行產品頁面上的資訊,翻開幾個銀行信貸廣告,許多業者都標榜0.88%~1.98%的超低利率,看似誘人,但實際上優惠通常只限前2~3期。借貸者評估時得看「總費用年百分率」,這是利息、手續費(帳管費)加總後的百分率,也是貸款的實質利率。

而且,信貸是極度個人化的產品,會因為每個人身分背景而取得完全不一樣的利率條件,因此,在一般的信貸比價平台比較,意義並不大。

Alphaloan信貸比價網在用戶的同意下,根據用戶的個人資料,經過分析,試算用戶在各銀行的利率。這套資料分析系統也是目前市面上唯一一家能以「個人化方式」比較信貸利率的平台,而非只是單純比較銀行公告利率。

不過,實貸比價網終究只是「試算」,真正提供貸款服務的仍是銀行。服務上線後,順利取得銀行貸款的,只有占全體用戶的4成,「數字比我們想像低很多。」黃亮銓感嘆。

這背後的問題,跟傳統的金融機構風控機制有關,銀行只能透過現有與金融機構往來的資料判斷是否要貸款給客戶,「有時候銀行也知道客戶沒問題,只是沒有足夠的數據去佐證。」黃亮銓說。

數位風控系統,從社群、電商資料了解你信用

在台灣常聽到的信用評分,主要以聯徵中心的資料為主,然而,生活型態正在快速改變。林建宏觀察,許多人經營網拍賣場、自行接案、開店做生意,並非只領取固定薪資,單從傳統金融數據,實在很難客觀得出一個人的實際的信用狀況。

2017年開始,Alphaloan開始著手打造自己的風控系統,希望透過客觀的數據搜集與分析,讓服務提供商在第一次接觸到客戶時,就能快速、精準地對客戶分析,評估出風險承受度。

這正是因為隨著手機網路的普及,衍生出愈來愈多的數位數據,Alphaloan透過分析數據,補足了聯徵系統資料不足的部分,讓銀行得以更全面的認識一個人。

一開始,Alphaloan的風控系統利用爬蟲的方式,蒐集社群(包括FB、IG、LinkedIn)、電商(交易紀錄)、司法紀錄、大學榜單等數據,透過交叉比對分析,慢慢建構系統的模型。

2017年開始,Alphaloan開始著手打造自己的風控系統,希望透過客觀的數據蒐集與分析,讓服務提供商能快速、精準的對客戶做分析,評估出風險承受度。
製圖/沈佑穎

哪些行為會影響這套信用評分系統呢?以社群媒體為例,系統會分析用戶按讚的類別,例如長期關注遊戲,或是長期關注寵物資訊的人,在信用解讀上,就代表著不同意義;LinkedIn則能看出一個人工作的穩定度,或是跟其他人的連結、交流方式;電商帳號則有商品買賣的交易紀錄、評價,像是是否有準時取貨,都能反映出用戶不同層面的性格。

對於傳統金融數據比較少的人來說,這些資料比起看薪水、存摺,還要更有意義。
Alphaloan創辦人黃亮銓

林建宏強調,Alphaloan的風控系統資料來源,可以分為「公開資料」與「非公開資料」,像是司法判決書、學歷等公開資料,取得就不需要經由用戶授權,但像是電商、社群帳號等非公開資料,一定都是在用戶的許可與授權下,才會用爬蟲的方式去找。

黃亮銓強調,用戶並不需要擔心自己在社群媒體上按了什麼東西讚,會影響信用評分的好壞,他認為,社群資料能展現一個人在網路上的行為,「分析他可能的社群人格特質,藉由他的興趣,拼湊出人格特質。」

當成長遇上天花板,銀行必須靠「數據」攻下新市場

Alphaloan目前主要有兩種商業模式,第一種是實貸比價網,只要用戶透過比價成功申貸,就會以類似導購的方式向銀行收費,目前占營收來源7成。

不過,黃亮銓更看好的是數位風控系統的商業潛力,希望將這套系統推廣到銀行、租賃等需要信用評價的市場。目前的應用場景包括電商、無卡分期、P2P借貸平台,還有非金融領域的租賃業者,建立業者對客戶的理解,例如本來銀行評估不借錢,卻因為多了對客戶的理解,促成更多的交易。

黃亮銓透露,這套模型推出至今,透過各類業者授信出去的金額,已經接近2億新台幣,替無法在傳統金融機構取得服務的人,創造出更多交易機會,「商機就在這裡。」

接下來,黃亮銓也希望跟更多的銀行業者合作,翻轉目前的貸款體驗,「你去Agoda訂房間,總不可能找到房間後,還要跳轉到飯店官網下訂,然後填一大堆資料吧。」

Alphaloan希望透過信用評分模型,打造一站式的貸款體驗,結合更多的數據來源,讓銀行有更多的數據,在決定是否核貸時參考判斷,如同在Agoda上訂住宿,從比較利率、申請到撥款,全都可以在單一個網站上完成。

在用戶的授權下,納入更多資料數據,到現存的風控系統內,林建宏認為,對銀行失業上發展來說,也有許多好處。

台灣一直有銀行數太多(Overbanking)問題,過去銀行因為缺乏資料,而無法接受的客群,「台灣銀行競爭很激烈,如果大家都只爭取醫生、律師的客群,規模無法擴大。」林建宏分析,當成長到了天花板,「數據」就成了最新的競爭方法。

責任編輯:林美欣

每日精選科技圈重要消息

延伸閱讀