AI徵信服務 同步分析2萬個特徵因子 輕鬆掌握信用風險

台北市藏身許多百年傳統老店及特色店家,但隨時代演進店家也紛紛面臨轉型問題,小明是一間在萬華的百年老麵店二代,最近面臨接班問題,為了讓店面煥然一新,小明想重新翻修吸引新客群,但意謂需要一筆龐大資金,於是萌生跟銀行貸款的念頭,然而老店擁有的無形資產(好味道、死忠客群、好名聲等等)無法被量化評估,使銀行相信老店很有潛力願意放心借他錢,而資策會服創所的「替代性資料AI徵信服務」(Credit Scoring Intelligence Agent,簡稱CSI)能協助銀行了解中小企業信用風險!

「替代性資料AI徵信服務」協助金融業精準評估中小企業信用風險

前段提到小明的故事,在日常生活中屢見不鮮,像小明這樣的店家想要借貸,通常銀行會參考公司的綜合財務狀況,經過審慎評估後才決定是否放貸;如果覺得風險太高,銀行會要求拿出實體機器、廠房設備…等能變賣的擔保品,也因此有許多中小企業抱怨向銀行借款不易,其實不是不願意借,而是銀行不瞭解店家體質,導致無法掌控借款後的風險。簡單來講,雙方缺乏參考資料與信任機制,這也是資策會金融科技中心看到的痛點,提出「替代性資料AI徵信服務」,透過強大的結構AI技術分析,幫助銀行更精確預測店家的倒閉機率。

資策會服創所金融科技中心的替代性AI徵信服務文章首圖
▲過去銀行採用的徵信方式,大多以企業的財務資料為主,「替代性資料AI徵信服務」能同步分析超過24,000個特徵風險因子,預測店家倒閉風險的準確度高達95%。

同步分析超過 24,000 個特徵因子 能預測倒閉風險準確度高達95%

傳統信貸模型一次只能分析10~15個特徵因子,不過「替代性資料AI徵信服務」最大技術突破點在於,可透過AI機器人學習,同步分析超過24,000個特徵風險因子,把這些分析過的資料以視覺化系統呈現,預測店家倒閉風險的準確度高達95%。

以首段提到的百年小吃店為例,也許財報數字普通,跟銀行借款機率低,但若透過「替代性資料AI徵信服務」,或許有機會借到錢,例如考慮到Google評論、網友推薦、打卡熱點、百年老店魅力…等,經過數百個特徵因子交叉分析,證明公司體質與前景不錯,未來倒閉的機率相對較低;反過來說,假設小明提出一份漂亮的財報,但也可能經過「替代性資料AI徵信服務」分析,卻被列為高風險族群,那可能是考慮到其他動態特徵因子,例如台北東區雖然地段好,但近幾年經濟不景氣人潮銳減,系統會自動參考該區域其他店家營運情形,評斷出在這裡開店倒閉的機率。

替代性AI徵信服務Demo網站-選取店家畫面
替代性資料AI徵信服務分析因子Demo 網站截圖
▲「替代性資料AI徵信服務」可同步分析超過24,000個特徵風險因子,能預測倒閉風險準確度高達95%,資策會金融科技中心也提供線上診斷系統供體驗。

CSI Demo 網站連結

簡單講來講,「替代性資料AI徵信服務」就是收集更多的資料進行分析,如果對象是餐廳,就找合作的POS廠商,如果是旅宿業者,就去找訂房系統,若是零售業就找支付業者,結合銀行現有的審查資料,把這些經過合法去識別化的訂單資料收集起來建置成模型,畢竟所有店家倒閉前都有徵兆,例如網路評論突然變多/變少、商登變更董事名單、股權重新分配,甚至整區營銷明顯下降…等,讓模型學習觀察各個細微的異常特質,就能精準預測店家未來倒閉機率。

誰會需要「替代性資料AI徵信服務」?

「替代性資料AI徵信服務」未來前景看好,特別是金融機構貸款授信部門可以將服務範圍使用在企業放款、個人放款,以參與實證的銀行為例:在實證的半年中,大量地減低了業務人力的投入,且經過替代性AI模型的導入讓該銀行半年獲得的安全放貸名單大增,優質客戶成長幅度高達4倍。

未來模型的發展將深耕於授信相關業務,協助資料業者以去識別的安全模型產生有助於衡量信用風險的預測性資料,提供金融業者於中小企業主發起增資、欲發行公司債或申請融資性商業票券時償債能力的佐證資料;或進一步提供證券商中小企業戶的信用評價,以替代性預測資料來輔助授信額度或投資身份評價。

除了上述的金融機構,資策會也協助第三方資料提供業者(TSP) ,透過去識別化資料的技術服務免除個資出戶的爭議,媒合金融機構,共同發展有價值的數據應用。

發表迴響

%d 位部落客按了讚: