Đánh giá tín dụng không có lịch sử: Sử dụng dữ liệu thay thế trong các tổ chức tài chính vi mô
Các ngân hàng truyền thống từ chối cấp tín dụng cho một nửa số thanh niên, sinh viên và người di cư. Tất cả là do hệ thống ngân hàng tiêu chuẩn dựa trên nguyên tắc: "để được cấp tín dụng, bạn cần có lịch sử tín dụng, nhưng để có lịch sử tín dụng, bạn cần có tín dụng". Vòng luẩn quẩn này tạo ra vấn đề cho hàng triệu người trên toàn thế giới.
Tuy nhiên, các tổ chức tài chính vi mô ngày càng thường xuyên nói "có" ngay cả với những người chưa bao giờ vay tiền. Làm thế nào? Câu trả lời nằm ở dữ liệu thay thế. Ngày nay, các tổ chức tài chính vi mô trên toàn thế giới, từ Việt Nam đến Mexico, đang sử dụng các nguồn thông tin phi truyền thống để đánh giá độ tin cậy của người vay. Điều này không chỉ mở rộng khả năng tiếp cận tài chính, mà còn tạo ra những thách thức mới về mặt đạo đức và công nghệ.
Tại sao cách tính điểm tín dụng truyền thống không hiệu quả với tất cả mọi người?
Điểm tín dụng cổ điển dựa trên dữ liệu từ văn phòng lịch sử tín dụng:
có bị trễ hạn thanh toán hay không;
có bao nhiêu khoản vay đang hoạt động;
người đó đã tham gia "hệ thống" bao lâu.
Tuy nhiên, ở nhiều quốc gia, đặc biệt là những quốc gia có mức độ bao gồm ngân hàng thấp, phần lớn dân số là "vô hình" đối với hệ thống này.
Ví dụ, ở Việt Nam, chỉ khoảng 40% dân số trưởng thành có tài khoản ngân hàng, và số người có lịch sử tín dụng chính thức còn ít hơn. Điều này cũng áp dụng cho thanh niên ở Tây Ban Nha, những người làm việc tự do ở Mexico hoặc cư dân nông thôn ở Romania. Đối với họ, điểm tín dụng truyền thống là một rào cản, chứ không phải một công cụ.
Đây chính là lúc các phương pháp đánh giá thay thế xuất hiện.
Dữ liệu thay thế là gì?
Dữ liệu thay thế là bất kỳ thông tin nào về một người không liên quan trực tiếp đến tín dụng, nhưng cho phép đánh giá kỷ luật tài chính, sự ổn định và hành vi của người đó. Các tổ chức tài chính vi mô thu thập và phân tích dữ liệu này bằng trí tuệ nhân tạo và máy học.
Các nguồn phổ biến nhất là:
Hoạt động di động: tần suất nạp tiền vào tài khoản, thời gian sử dụng số điện thoại, loại cước phí.
Hành vi trong ứng dụng: tốc độ điền vào biểu mẫu, có quay lại đơn đăng ký hay không, số lần mở điều khoản.
Mô hình xã hội và giao tiếp: số lượng liên lạc, tần suất cuộc gọi, tính ổn định của giao tiếp (phân tích siêu dữ liệu, không phải nội dung).
Định vị địa lý: sống ở khu vực ổn định, tần suất đến nơi làm việc hoặc học tập.
Kỷ luật thanh toán: thanh toán các dịch vụ tiện ích, đăng ký (Netflix, Spotify), mua hàng trực tuyến.
Dấu vết kỹ thuật số: có hồ sơ trên LinkedIn, hoạt động trong các cộng đồng nghề nghiệp.
Tại Việt Nam, các tổ chức tài chính vi mô phổ biến như Kredivo hoặc FE Credit thậm chí còn phân tích lịch sử mua hàng trực tuyến trên Shopee hoặc Tiki. Nếu một người thanh toán các đơn hàng thường xuyên và đúng hạn, điều này sẽ làm tăng điểm đánh giá của họ.
Điều này hoạt động như thế nào trong thực tế?
Thuật toán sẽ cho điểm cho mỗi loại hành vi mà hệ thống đánh giá là tích cực, ví dụ:
sử dụng một số điện thoại trong thời gian dài — +10 điểm;
thanh toán đăng ký hàng tháng — +15;
đi làm đều đặn vào buổi sáng — +8;
không có cuộc gọi ban đêm đến các khu vực "rủi ro" — +5.
Tổng hợp hàng trăm tín hiệu như vậy, hệ thống sẽ đưa ra dự đoán về khả năng trả nợ — mà không đề cập đến các khoản vay trong quá khứ. Cách tiếp cận này đã giúp các tổ chức tài chính vi mô ở Việt Nam tăng tỷ lệ chấp thuận đơn đăng ký của thanh niên lên 75%, đồng thời duy trì mức độ chậm trả nợ ở mức chấp nhận được.
Ưu điểm và rủi ro
Lợi ích của cách tiếp cận này là rất rõ ràng:
Bao gồm tài chính — hàng triệu người không tham gia vào hệ thống ngân hàng có thể tiếp cận các khoản vay.
Phản hồi nhanh chóng — quyết định trong vòng 2-5 phút.
Cá nhân hóa — các điều kiện được điều chỉnh theo hành vi thực tế, chứ không phải theo các mẫu có sẵn.
Nhưng cũng có mặt trái:
vi phạm quyền riêng tư — việc thu thập dữ liệu thường diễn ra mà người dùng không hoàn toàn hiểu rõ;
phân biệt đối xử theo thuật toán — nếu mô hình được huấn luyện dựa trên dữ liệu từ các thành phố, cư dân nông thôn có thể bị đánh giá thấp một cách có hệ thống;
thiếu minh bạch — người vay không biết lý do bị từ chối mà không có lời giải thích.
Ở EU, các thực tiễn như vậy ngày càng được quản lý chặt chẽ hơn. Ví dụ, GDPR yêu cầu giải thích các quyết định. Nhưng ở Việt Nam hoặc Mexico, sự kiểm soát vẫn còn yếu.
Tương lai: chấm điểm dựa trên đạo đức
Một số tổ chức tài chính vi mô tiến bộ đã thử nghiệm "chấm điểm đạo đức". Nó bao gồm:
Thông báo rõ ràng về việc thu thập dữ liệu.
Khả năng xem các yếu tố nào đã ảnh hưởng đến quyết định.
Tùy chọn "sửa" điểm số — ví dụ: xác nhận thanh toán hóa đơn bằng tay.
Cách tiếp cận này không chỉ giảm rủi ro mà còn xây dựng lòng tin — điều này về lâu dài có lợi hơn so với việc tối đa hóa số lượng phê duyệt bằng mọi giá.
Kết luận
Điểm tín dụng không có lịch sử — không phải là điều viển vông, mà là thực tế của tài chính vi mô hiện đại. Bằng cách sử dụng dữ liệu thay thế, các tổ chức tài chính vi mô mang lại cơ hội cho những người bị hệ thống truyền thống bỏ qua. Nhưng cùng với cơ hội này là trách nhiệm: về quyền riêng tư, công bằng và minh bạch.
Trong tương lai, những công ty chiến thắng sẽ không phải là những công ty thu thập được nhiều dữ liệu nhất, mà là những công ty sử dụng dữ liệu đó với sự tôn trọng con người. Đặc biệt là khi nói đến điều dễ bị tổn thương nhất: quyền tiếp cận tiền bạc trong lúc khó khăn.
