15:22 | 07/06/2018

Chấm điểm khách vay nhờ Big Data như thế nào?

Theo các chuyên gia về Quản trị rủi ro, nếu ngân hàng có rất nhiều khách hàng, nhiều dữ liệu, khi nhóm lại với nhau sẽ mang lại khả năng dự báo được hành vi trả nợ được ngân hàng hay không rất chuẩn xác.

TIN LIÊN QUAN
Thực hiện chặt chẽ khâu thẩm định tài sản bảo đảm
Thẩm định khách hàng vay tiêu dùng
Ngân hàng có thể sử dụng nhiều phương thức để thẩm định, xác minh khách hàng

Triển khai theo Basel II bắt buộc ngân hàng phải thay đổi cơ sở dữ liệu. Đây là điểm mấu chốt mà không ít nhà băng đang quan tâm. Theo TS. LS Bùi Quang Tín, CEO Trường Doanh nhân BizLight, nếu so với các trụ cột khác trong Basel II, trụ cột về minh bạch thông tin không phải là quá khó để thực hiện, nó chỉ khó khi cơ sở dữ liệu của chúng ta không đầy đủ.

Khi thẩm định cho vay một khách hàng nào đó thường chỉ chú ý khả năng trả nợ của họ tại thời điểm đó, mà bỏ qua lịch sử tín dụng vì cơ sở dữ liệu không có. 

TS. LS Bùi Quang Tín, CEO Trường Doanh nhân BizLight cho rằng, chính vì vậy không thể chỉ trông chờ vào dữ liệu quốc gia, mà bản thân mỗi ngân hàng cũng phải chủ động cập nhật thông tin về khách hàng. Cùng với dữ liệu Big Data (dữ liệu lớn) đi cùng với nó ngân hàng phải có bộ phận khai thác dữ liệu. 

Nhưng để xây dựng một Big Data đòi hỏi sự đầu tư từ phía ngân hàng mà các chuyên gia về Quản trị rủi ro cho rằng đó là sử dụng các công cụ mang tính chất thống kê để tìm ra mối quan hệ giữa các trường thông tin mà vốn không liên quan tới nhau.

Nằm trong số 10 nhà băng triển khai Basel II, Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) đang thực hiện “chấm điểm tín dụng” với khách hàng dựa trên cơ sở dữ liệu lớn bằng nhiều trường thông tin.

Theo ông Dmytro Kolechko – Giám đốc Khối Quản trị rủi ro của VPBank thì, khi khách hàng muốn có một khoản vay thì đầu tiên họ phải điền vào một tờ khai. Tùy vào từng sản phẩm, trong tờ khai có nhiều câu hỏi khác nhau. Có những thông tin cơ bản buộc khách hàng phải khai như tên, tuổi, ngày sinh, bên cạnh đó là những câu hỏi khác nữa. Và thông qua các câu trả lời của họ thì ngân hàng rút ra được đánh giá về hồ sơ tín dụng, sự phù hợp của khách hàng đó với sản phẩm mà họ đang mong muốn.

Có thể nhiều người nghi ngờ về dự báo hành vi khách hàng chỉ qua các thông tin nhưng nếu chúng ta nhìn vào số liệu, tệp mẫu đủ lớn với hàng nghìn khách hàng và khi tập hợp tất cả các tham số lại với nhau thì hoàn toàn lại có thể dự báo được.

Với mô hình kiểu như VPBank đang thực hiện, “nếu ngân hàng có rất nhiều khách hàng, nhiều dữ liệu, khi nhóm lại với nhau sẽ mang lại khả năng dự báo được hành vi trả nợ được ngân hàng hay không rất chuẩn xác.” – một chuyên gia ngân hàng phần tích, tuy nhiên trong thực tế cũng không phải lúc nào cũng có thể dự báo được 100% khả năng và ở đây đặt ra bài toán xác suất cao hay thấp.

Từ thực tế triển khai mô hình chấm điểm tín dụng, ông Dmytro Kolechko cho rằng, xây dựng mô hình không phải xong là thôi mà phải đánh giá hoạt động mô hình một cách thường xuyên và phải phân tích độ ổn định.

Chúng ta phải xem và quan sát khách hàng trong thời gian một năm xem trường hợp gì xảy ra khi khách hàng đã thay đổi rất nhiều. Ví dụ như nhiều khách hàng trẻ tuổi hơn thì không thể dựa vào mô hình đã xây dựng để dự đoán ra hành vi của khách hàng được. Vì hành vi của khách hàng sẽ thay đổi cùng với sự trưởng thành của khách hàng.

Chia sẻ với thoibaonganhang.vn, ông Dmytro Kolechko cho rằng, ngoài chấm điểm nội bộ trên cơ sở dữ liệu lớn, ngân hàng có thể sử dụng thông tin dữ liệu từ Trung tâm Thông tin Tín dụng Quốc gia Việt Nam (CIC), Công ty cổ phần thông tin tín dụng Việt Nam (PCB), và có các phương thức khác nhau để thẩm định, xác minh khách hàng.

“Thực ra đây là một phần của quá trình đánh giá, tất nhiên nếu khách hàng bị nợ quá hạn của ngân hàng khác thì tại sao VPBank có thể cho vay được. Tuy nhiên, nếu khách hàng không có thông tin nợ xấu ở CIC thì chúng tôi sử dụng mô hình chấm điểm tín dụng để đánh giá và cho vay.”- Giám đốc Khối Quản trị rủi ro của VPBank chia sẻ thêm.

Nguồn :

Ngân hàng
KKH
1 tuần
2 tuần
3 tuần
1 tháng
2 tháng
3 tháng
6 tháng
9 tháng
12 tháng
24 tháng
Vietcombank
0,10
0,50
0,50
-
4,10
4,10
4,60
5,10
5,50
6,40
6,50
BIDV
0,10
-
-
-
4,10
4,10
4,60
5,10
5,50
6,90
6,90
VietinBank
0,10
0,50
0,50
0,50
4,10
4,10
4,60
5,10
5,50
6,80
6,80
Eximbank
0,30
1,00
1,00
1,00
4,60
4,80
5,00
5,60
5,80
6,80
8,00
ACB
0,30
1,00
1,00
1,00
5,00
5,20
5,30
5,90
5,90
6,70
6,70
Sacombank
0,30
-
-
-
4,70
5,40
5,50
6,20
6,40
6,90
7,30
Techcombank
0,30
0,50
0,50
0,50
4,50
4,50
4,60
5,50
5,50
6,40
6,40
LienVietPostBank
0,60
1,00
1,00
1,00
4,00
4,50
4,60
5,10
5,50
6,70
7,20
DongA Bank
0,29
0,29
0,29
0,29
5,50
5,50
5,50
7,00
7,20
7,20
7,60
Agribank
0,20
-
-
-
4,10
4,10
4,60
5,10
5,50
6,70
6,70

Thông tin chứng khoán

Cập nhật ảnh...
Nguồn : stockbiz.vn
Ngân Hàng USD EUR GBP JPY
Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra Mua vào Bán ra
Vietcombank 23.265 23.345 26.319 26.633 29.294 29.763 205,97 212,43
BIDV 23.260 23.340 26.320 26.635 29.307 29.758 207,93 211,08
VietinBank 23.233 23.323 26.252 26.630 29.230 29.790 207,71 211,11
Agribank 23.265 23.350 26.299 26.631 29.330 29.760 207,86 211,65
Eximbank 23.240 23.340 26.305 26.657 29.398 29.790 208,52 211,32
ACB 23.260 23.340 26.322 26.661 29.497 29.802 208,59 211,28
Sacombank 23.270 23.362 26.370 26.724 29.491 29.858 208,69 211,78
Techcombank 23.250 23.350 26.098 26.856 29.111 29.925 207,24 212,59
LienVietPostBank 23.250 23.350 26.238 26.700 29.440 29.849 208,17 211,87
DongA Bank 23.305 23.350 26.340 26.640 29.410 29.770 207,20 211,20
(Cập nhật trong ngày)

Giá vàng Xem chi tiết

Khu vực
Mua vào
Bán ra
HÀ NỘI
Vàng SJC 1L
36.550
36.750
TP.HỒ CHÍ MINH
Vàng SJC 1L
36.550
36.730
Vàng SJC 5c
36.550
36.750
Vàng nhẫn 9999
34.250
34.650
Vàng nữ trang 9999
33.800
34.600