Sự phát triển của chấm điểm tín dụng cho khách hàng cá nhân trên thế giới45412

Bài viết nhìn lại lịch sử phát triển của các mô hình chấm điểm tín dụng dành cho khách hàng cá nhân, phương pháp xây dựng, ưu điểm cũng như một số vấn đề đặt ra của các mô hình này, đặc

SỰ PHÁT TRIỂN CỦA CHẤM ĐIỂM TÍN DỤNG CHO KHÁCH HÀNG CÁ NHÂN TRÊN THẾ GIỚI

Email: phuongthao185@gmail.com Trường ĐH Kinh tế, ĐHQGHN

Tóm tắt:

Sự phát triển của chấm điểm tín dụng đã góp phần hết sức quan trọng trong việc mở rộng tín dụng cho khách hàng cá nhân, đặc biệt kể từ đầu thế kỷ 21 Chấm điểm tín dụng giúp các định chế tài chính tăng tốc độ phê chuẩn khoản vay, giảm mạnh chi phí, mở rộng quy mô và phạm vi hoạt động, tăng khả năng sinh lời Đối với người vay, sự mở rộng của tín dụng tiêu dùng giúp họ tăng mức độ linh hoạt về tài chính, góp phần nâng cao mức sống Bài viết nhìn lại lịch sử phát triển của các mô hình chấm điểm tín dụng dành cho khách hàng cá nhân, phương pháp xây dựng, ưu điểm cũng như một số vấn đề đặt ra của các mô hình này, đặc biệt là chấm điểm tín dụng bằng Dữ liệu Lớn mới phát triển trong thời gian gần đây

Từ khóa: Chấm điểm tín dụng, tín dụng, khách hàng cá nhân, chấm điểm tín

dụng bằng Dữ liệu lớn

1 LỜI NÓI ĐẦU

Chấm điểm tín dụng ngày càng được các định chế cho vay sử dụng nhiều hơn trong việc đánh giá tín dụng Hiện nay, người dân, đặc biệt là người dân ở các nước phát triển, cần có mức điểm tín dụng tốt nhằm tiếp cận tín dụng để mua nhà hay ô tô, bắt đầu kinh doanh, học đại học hoặc theo đuổi các mục tiêu quan trọng khác Với nhiều người tiêu dùng, điểm tín dụng tốt cũng là điều kiện cần để tiếp cận với việc làm, thuê nhà hoặc các dịch vụ thiết yếu khác như bảo hiểm… Đối với các định chế cho vay, chấm điểm tín dụng giúp họ tăng tốc độ phê chuẩn khoản vay, giảm mạnh chi phí, mở rộng quy mô và phạm vi hoạt động, tăng khả năng sinh lời Tuy nhiên, người dân ít có quyền kiểm soát đối với cách họ được chấm điểm và thậm chí còn ít khả năng hơn trong việc đấu tranh với những đánh giá không chính xác, thiên kiến hay không công bằng về mình Từ lâu đã có những lo

ngại về tính chính xác và công bằng của các mô hình chấm điểm tín dụng truyền thống, tự động Sự ra đời của các sản phẩm chấm điểm tín dụng dựa trên Dữ liệu Lớn thời gian gần đây càng làm tăng thêm những mối lo ngại này

2 PHƯƠNG PHÁP CHẤM ĐIỂM TÍN DỤNG TRUYỀN THỐNG

2.1 Lịch sử phát triển

Lịch sử của phương pháp chấm điểm tín dụng truyền thống có thể được chia làm

ba giai đoạn: giai đoạn tiên phong từ 1935 – 1959; giai đoạn tự động hóa từ 1960-1979; và giai đoạn mở rộng từ 1980 đến nay (Sathye và cộng sự, 2013) Công trình đầu tiên của những người đi tiên phong bắt đầu một cách khác lạ bằng bài viết của nhà thống kê học người Anh, Ngài Ronald Aylmer Fisher, về xây dựng hàm phân biệt tuyến tính (Fisher 1936) Bài toán đặt ra là làm thế nào để phân loại hoa diên vĩ thành loại một hoặc loại hai dựa trên nhiều số đo khác nhau như chiều dài và chiều rộng cánh hoa, chiều dài và chiều rộng lá đài Durand (1941) thay thế hoa diên vĩ loại một và loại hai bằng hoàn trả nợ và vỡ nợ; đồng thời thay các số

đo cánh hoa và lá đài bằng tuổi, thu nhập, sự ổn định chỗ ở… của người vay, nhờ

đó phân loại người vay tiềm năng thành hai nhóm “tốt” và “xấu” để giúp định chế tài chính ra quyết định cho vay

FICO, hiện là công ty chấm điểm tín dụng hàng đầu thế giới, được thành lập ở San Francisco năm 1956 với tên gọi là Công ty tư vấn Fair Isaac bởi kỹ sư Bill Fair và nhà toán học Earl Isaac Năm 1958, công ty xây dựng mô hình hình chấm điểm tín dụng nhưng các nhà cung cấp tín dụng ít quan tâm vì tin rằng đánh giá của con người sẽ luôn hiện diện trong hoạt động cho vay Mặc dù vậy, ngày càng nhiều nhà cung cấp tín dụng nhận ra lợi ích của chấm điểm tín dụng và bắt đầu sử dụng Bước ngoặt của Fair Isaac diễn ra năm 1963, khi công ty giành được hợp đồng cung cấp hệ thống chấm điểm tín dụng cho Montgomery Ward, một bách hóa tổng hợp lớn có cung cấp tín dụng cho khách mua hàng Hợp đồng này thành công đối với cả hai bên và nhiều công ty bán lẻ cũng theo bước Montgomery trong giai đoạn từ 1960-1979 Trong giai đoạn này, máy tính cũng bắt đầu được đưa vào sử dụng để tự động hóa chấm điểm tín dụng Tuy nhiên, so với chuẩn mực ngày nay, máy tính thời kỳ này còn hạn chế và nhiều nhà cung cấp tín dụng

sử dụng hệ thống thủ công: nhân viên chấm điểm, cộng điểm và đối chiếu với giá trị giới hạn do hội sở đề ra

Đến giữa những năm 1960, Dinners Club, American Express và các công ty cung cấp thẻ tín dụng khác ở Mỹ bắt đầu bị lỗ và việc áp dụng chấm điểm tín dụng giúp

họ giảm lỗ với mức cao nhất là 50%, nhờ đó củng cố vị trí của chấm điểm tín dụng

trên thị trường thẻ tín dụng Đến năm 1972, những tiến bộ của máy tính đã giúp Fair Isaac tự động hóa hệ thống chấm điểm tín dụng mà công ty này xây dựng cho Wells Fargo

Trong giai đoạn mở rộng những năm 1980, chấm điểm tín dụng đã vượt qua biên giới nước Mỹ để sang Anh (những năm 1980), và sau đó là Hy Lạp, Ý, Nam Phi, Canada, Tây Ban Nha (trong những năm 1990) Việc áp dụng chấm điểm tín dụng cũng mở rộng từ thẻ tín dụng sang cho vay thế chấp bất động sản, các khoản tín dụng tiêu dùng khác và cho vay doanh nghiệp nhỏ Chấm điểm tín dụng cũng tạo điều kiện cho việc chứng khoán hóa các khoản vay thế chấp bất động sản

Bước sang thế kỷ 21, chấm điểm tín dụng đã góp phần thúc đẩy sự tăng trưởng nhanh chóng của tín dụng tiêu dùng Trên cơ sở chấm điểm tín dụng, các định chế tài chính đã nhanh chóng chuyển từ cho phương pháp cho vay khách hàng

cá nhân dựa trên quan hệ với khách hàng (relationship lending) và đánh giá của cán bộ tín dụng (judgemental lending) sang cho vay theo giao dịch (transactional lending) trong đó không nhất thiết phải xây dựng quan hệ với khách hàng mà sử dụng điểm tín dụng của khách hàng để quyết định có phê chuẩn một giao dịch

cụ thể hay không

2.2 Phương pháp xây dựng

Mặc dù cũng được sử dụng vào nhiều mục đích khác như quản lý quá trình trả

nợ của khách hàng, quản lý tài khoản, marketing…, chấm điểm tín dụng chủ yếu được sử dụng để chấm điểm khi khách hàng nộp đơn xin vay nhằm ra quyết định cho vay Vì vậy, bài viết đề cập đến phương pháp xây dựng bảng điểm cho khách hàng xin vay vốn Quá trình này bắt đầu với việc thu thập dữ liệu lịch sử về tất cả các khách hàng vay vốn trong một khoảng thời gian nhất định, chẳng hạn một năm Những dữ liệu này bao gồm thông tin do khách hàng cung cấp trên đơn xin vay, thông tin của ngân hàng và thu thập từ bên thứ ba, đặc biệt là các tổ chức cung cấp thông tin tín dụng Bộ dữ liệu tổng hợp này thường bao gồm 50 biến giải thích hoặc nhiều hơn Biến phụ thuộc là kết quả hoạt động của người vay trong năm đầu tiên, thường là biến nhị phân với hai giá trị đại diện cho “tốt” hoặc

“xấu” Thông thường, người vay được xếp loại “xấu” nếu có nợ quá hạn từ 3 tháng trở lên và “tốt” trong trường hợp ngược lại trong 12 tháng đầu tiên

Khi các ngân hàng lớn xây dựng bảng điểm, số người nộp đơn xin vay có thể lên đến 1 triệu hoặc nhiều hơn Trong trường hợp đó, việc chọn mẫu từ tập hợp

dữ liệu sẽ được thực hiện Việc kiểm soát và làm sạch dữ liệu cũng hết sức quan trọng để tránh ảnh hưởng đến kết quả xây dựng bảng điểm Bước tiếp theo liên quan đến quyết định có phân khúc thị trường để xây dựng một bảng điểm cho

mỗi phân khúc hay không, chẳng hạn phân theo độ tuổi vì đặc điểm của người

ở các độ tuổi có thể khác nhau Việc phân khúc cũng cho phép người cho vay đối xử khác nhau với các phân khúc khách hàng Tiếp theo, dữ liệu sẽ được chia thành hai mẫu Mẫu thứ nhất (mẫu xây dựng) sẽ được sử dụng để xây dựng mô hình còn mẫu thứ hai (mẫu kiểm soát) được dùng để kiểm tra thành quả của mô hình trước khi sử dụng cho khách hàng thực sự, tỷ lệ của hai mẫu này thường là 70%/30%

Ở bước tiếp theo, mẫu xây dựng sẽ được sử dụng để giảm số biến giải thích từ hơn 50 xuống khoảng hơn 10 biến Các biến được loại bỏ nếu ít có sức mạnh thống kê trong việc giải thích biến phụ thuộc; tương quan mạnh với biến độc lập khác; hoặc biến không mạnh Mục đích của việc loại bỏ biến là nhằm nhận diện các nhân tố cốt lõi ảnh hưởng đến mức độ tín nhiệm tín dụng, tương tự như việc các cán bộ tín dụng đánh giá 5C của người vay tiềm năng, tránh bị choáng ngợp bởi khối lượng lớn thông tin

Trong việc xây dựng bảng điểm tín dụng, hồi quy logistic thường được sử dụng

vì mô hình này có đặc điểm mong muốn là cơ sở lý thuyết mạnh dành cho chấm điểm tín dụng Mô hình có thể giúp tính điểm của mỗi nhân tố tác động đến biến phụ thuộc để xác định tổng điểm Tổng điểm này là thước đo xác suất một người vay sẽ trở thành người vay “tốt” thay vì “xấu”

Tại Mỹ, FICO – điểm tín dụng được sử dụng rộng rãi nhất với hơn 90% nhà cung cấp tín dụng sử dụng để ra quyết định cho vay – dựa vào 13 câu hỏi thuộc 5 lĩnh vực

để đánh giá mức độ tín nhiệm tín dụng của người vay: lịch sử thanh toán (chiếm trọng số 35%), mức độ mắc nợ hiện tại (30%), loại khoản vay sử dụng (10%), độ dài của lịch sử tín dụng (15%), các khoản vay mới (10%) Như vậy lịch sử tín dụng của người vay chiếm tỷ trọng lớn trong điểm tín dụng truyền thống, khiến cho những người chưa có lịch sử tín dụng rất khó tiếp cận với các khoản vay Ngoài các công

ty phát triển mô hình và phần mềm chấm điểm tín dụng như FICO, các tổ chức cung cấp thông tin tín dụng (đặc biệt là ba tổ chức lớn có phạm vi hoạt động trên toàn nước Mỹ là TransUnion, Experian và Equifax) cũng có vai trò quan trọng trong việc thu thập và cung cấp thông tin cho việc chấm điểm tín dụng

Bảng 1: Các câu hỏi để chấm điểm tín dụng FICO

1 Bạn có bao nhiêu thẻ tín dụng?

1a Bạn có thẻ tín dụng đầu tiên từ lúc nào?

2a Bạn có khoản vay đầu tiên từ lúc nào? (vay mua ô tô, vay mua nhà, vay sinh viên…)

3 Trong năm vừa qua, bạn xin vay hoặc mở thẻ tín dụng bao nhiêu lần?

4 Lần gần nhất bạn có được một khoản vay hay mở thẻ tín dụng là vào lúc nào?

5 Hiện tại, bạn có bao nhiêu khoản vay/thẻ tín dụng có dư nợ?

6 Ngoài các khoản vay thế chấp bất động san, tổng dư nợ tất cả các khoản vay khác và thẻ tín dụng của bạn hiện là bao nhiêu?

7 Lần cuối cùng bạn chậm trả khoản vay/thẻ tín dụng là vào lúc nào?

7a Thời gian chậm trả dài nhất cho khoản vay/thẻ tín dụng của bạn là bao lâu?

8 Bao nhiêu khoản vay/thẻ tín dụng của bạn hiện đang chậm trả?

9 Tổng dư nợ thẻ tín dụng của bạn hiện nay chiếm bao nhiêu phần trăm tổng hạn mức thẻ?

10 Trong 10 năm qua, bạn có bao giờ bị phá sản, tịch biên tài sản hoặc có nợ quá hạn phải thu không?

Nguồn: Website của FICO

Tại Đức, chấm điểm tín dụng được chấp nhận rộng rãi như phương pháp cơ bản

để đánh giá tín nhiệm tín dụng Schufa, tổ chức cung cấp thông tin tín dụng tư nhân được hỗ trợ bởi các nhà cung cấp tín dụng, hiện đang nắm giữ thông tin

và cung cấp điểm tín dụng của gần 70 triệu người Đức (hầu hết người dân Đức

từ 18 tuổi trở lên) Tổ chức này thu thập thông tin về lịch sử tài chính của người dân, từ thanh toán hóa đơn, thẻ tín dụng, các khoản vay, phạt… và sử dụng thông tin này để tính điểm Schufa Ngoài ra, những thông tin cá nhân của người vay như tuổi, sự ổn định chỗ ở… cũng được sử dụng để chấm điểm Đối với các ngân hàng, điểm Schufa là một trong những yếu tố cần cân nhắc khi ra quyết định cho vay và thường chỉ từ chối khoản vay khi mức điểm quá thấp Bên cạnh đó, điểm Schufa được sử dụng rất rộng rãi, từ thuê nhà, mở thẻ tín dụng, vay tiền, đến ký hợp đồng internet…, vì vậy có ảnh hưởng sâu rộng đến đời sống của người dân Tuy nhiên, vì phương pháp tính điểm Schufa là bí mật thương mại nên người dân không hiểu cách họ được chấm điểm và cũng có khá nhiều lo ngại về phương pháp tính, tính chính xác và đầy đủ của thông tin được sử dụng, sự phân biệt đối

xử, sự khác nhau giữa các phiên bản… Hiện nay, đơn vị tư vấn cho Bộ Tư pháp Liên bang Đức về bảo vệ người tiêu dùng đang kêu gọi cơ quan bảo vệ dữ liệu cần kiểm soát tốt hơn các quy trình chấm điểm tín dụng

Tại Anh, không có một loại điểm tín dụng nào được sử dụng rộng rãi như tại Mỹ, Đức Phần lớn các nhà cung cấp tín dụng đánh giá người vay tiềm năng dựa trên

cơ chế chấm điểm nội bộ của họ và các thuật toán để chấm điểm tín dụng thường

là bí mật thương mại Điểm tín dụng do các tổ chức cung cấp thông tin tín dụng như Call Credit, Equifax, Experian… được quảng cáo đến cho người tiêu dùng nhưng thường không được các nhà cung cấp tín dụng sử dụng

Tại Úc, vào năm 2016, Equifax mua lại Veda Advantage – nhà cung cấp thông tin

tín dụng chính trước đây, và trở thành nhà cung cấp thông tin tín dụng lớn nhất của nước này Equifax cung cấp thông tin tín dụng về người dân như tất cả các đơn xin vay, vỡ nợ, phá sản, và các sự kiện bất lợi khác Phần lớn các nhà cung cấp tín dụng tại Úc chấm điểm tín dụng khách hàng cá nhân dựa trên thông tin từ Equifax, thông tin của ngân hàng và thông tin do người vay tiềm năng cung cấp tại đơn xin vay Thông thường các biến độc lập để chấm điểm mà các ngân hàng

Úc sử dụng thuộc về năm nhóm: lịch sử tín dụng, tiết kiệm thực, sự ổn định của nơi ở, sự ổn định của công việc, chậm trả Chẳng hạn, bộ câu hỏi dùng để chấm điểm tín dụng của Home Loan Experts như sau:

Bảng 2: Câu hỏi dùng để chấm điểm tín dụng của Home Loan Experts

1 Bạn làm công việc hiện nay trong bao lâu rồi?

2 Công việc hiện nay của bạn thuộc loại nào? (toàn thời gian dài hạn, bán thời gian…)

3 Bạn làm trong lĩnh vực nào?

4 Bạn đã làm đơn xin vay bao nhiêu lần trong 6 tháng vừa qua?

5 Bạn có vấn đề nào về nợ như không trả được nợ, phá sản… không?

6 Bạn có chậm trả các khoản nợ hiện có không?

7 Bạn có tiết kiệm thực hay cổ phiếu không? (không kể quà tặng)

8 Bạn đã sống ở địa chỉ hiện nay bao lâu rồi?

9 Bạn bao nhiêu tuổi?

10 Giá trị tài sản ròng (tài sản – nợ) của bạn là bao nhiêu?

11 Bạn vay bao nhiêu phần trăm của giá trị ngôi nhà?

12 Bạn vay bao nhiêu tiền?

13 Bạn vay tiền để làm gì? (mua nhà để ở, mua nhà để đầu tư, tái cơ cấu nợ…)

Nguồn: Website của Home Loan Experts

2.3 Ưu nhược điểm của các mô hình chấm điểm truyền thống

Theo Anderson (2007), những lợi ích sau của chấm điểm tín dụng đã thúc đẩy việc

áp dụng phương thức này trong cấp tín dụng, qua đó góp phần tăng cường cho vay tiêu dùng

- Chính xác: Các cơ sở dữ liệu lớn và các kỹ thuật thống kê phức tạp đảm bảo sự chính xác của chấm điểm tín dụng Mặc dù có thể đánh giá của cán bộ tín dụng cũng chính xác như vậy hoặc thậm chí là chính xác hơn trong một số trường hợp nhưng lại có chi phí cao hơn nhiều

- Tốc độ: Có câu trả lời gần như ngay lập tức, so với hàng ngày hoặc hàng tuần của

hệ thống thủ công

- Nhất quán: Đối với các ngân hàng lớn, việc ra quyết định có thể được chuẩn hóa cho mạng lưới các chi nhánh, nhờ đó cho phép quản lý tốt hơn rủi ro tín dụng của danh mục cho vay

- Khách quan: Các quyết định có thể được giải thích và biện hộ vì thông tin gây ra phân biệt chủng tộc hoặc phân biệt đối xử khác không được phép đưa vào mô hình chấm điểm tín dụng

- Đáp ứng với thay đổi: Do bản chất tập trung cao của quy trình chấm điểm tín dụng, mô hình chấm điểm tín dụng có thể được sửa đổi và mức điểm giới hạn được thay đổi nhanh chóng để đáp ứng với thông tin mới và điều kiện thị trường thay đổi

- Hiểu biết hành vi khách hàng: Bản chất tập trung của dữ liệu về các khoản cho vay đã được cấp giúp người cho vay hiểu được hành vi khách hàng một cách dễ dàng hơn

- Tiếp cận: Nhu cầu về mạng lưới chi nhánh giảm do việc cấp tín dụng có thể được thực hiện bằng phương tiện điện tử Hơn nữa người cho vay có thể tiếp cận với các thị trường bên ngoài mạng lưới chi nhánh truyền thống của mình

- Linh hoạt: Tăng khả năng của người vay trong việc định giá danh mục cho vay, xác định lãi suất cho vay trên cơ sở rủi ro và thực hiện chứng khoán hóa

- Chi phí giảm: Có lợi thế kinh tế nhờ quy mô sau khi hệ thống chấm điểm tín dụng được thiết lập

- Tài sản thế chấp giảm: Niềm tin vào quy trình chấm điểm tín dụng và kết quả chính xác cho số lượng lớn các khoản vay đã làm giảm nhu cầu dựa vào tài sản thế chấp

Tuy nhiên, chấm điểm tín dụng cũng có một số hạn chế như sau:

- Phức tạp: Trong bất kỳ hệ thống tự động hóa nào, sai sót có thể xảy ra và chi phí của điều đó có thể khá lớn

- Quản trị sự thay đổi: Sự chuyển đổi từ cho vay dựa vào đánh giá của cán bộ tín dụng sang cho vay theo giao dịch có thể gây ra nhiều biến cố

- Cần nhiều vốn: Chi phí thiết lập và duy trì hệ thống máy tính có thể đắt đỏ

- Hướng về quá khứ: Mặc dù hiện nay có một số nỗ lực xây dựng các mô hình hướng về tương lai, nhiều mô hình chấm điểm tín dụng có xu hướng tập trung vào quá khứ do sử dụng số liệu quá khứ để ước tính mô hình

- Nhạy cảm với kỹ năng: Để phát triển các mô hình chấm điểm tín dụng đòi hỏi các

kỹ năng chuyên gia đắt đỏ

- Cạnh tranh gia tăng: Bằng cách chia sẻ dữ liệu giữa các nhà cung cấp tín dụng, nhà cung cấp có thể phải đối mặt với sự cạnh tranh tăng thêm

Các nhà cung cấp tín dụng có thể sử dụng điểm tín dụng theo hai cách Cách thứ nhất là tuân thủ hoàn toàn khuyến cáo của mô hình chấm điểm, nghĩa là phê chuẩn hoặc chấp thuận đơn xin vay và đặt ra các điều khoản của khoản vay một cách tự động theo khuyến cáo của mô hình Nhân viên ngân hàng không tham gia vào việc ra quyết định cho vay trong trường hợp này Động cơ chính của các ngân hàng khi áp dụng hình thức này là giảm chi phí cho vay và nhờ đó tăng khả năng sinh lợi mặc dù rủi ro có thể tăng Cách thứ hai là ngân hàng sử dụng điểm tín dụng như một đầu vào của việc ra quyết định cho vay, nhân viên ngân hàng sẽ xem xét tất cả các thông tin để ra quyết định

Nhìn chung, chấm điểm tín dụng đã góp phần thúc đẩy sự tăng trưởng nhanh chóng của tín dụng tiêu dùng, đặc biệt kể từ khi bước sang thế kỷ 21 Đối với người vay, điều này giúp cải thiện sự linh hoạt tài chính, góp phần nâng cao mức sống của họ Tuy nhiên, vấn đề của các loại điểm tín dụng truyền thống là lịch

sử tín dụng chiếm trọng số quan trọng trong tổng điểm Vì vậy sử dụng công cụ này để ra quyết định cho vay gây ra bất lợi cho một số cá nhân nhất định, chẳng hạn những người trẻ chưa có lịch sử tín dụng đáng kể hoặc những người không

có khả năng tiếp cận với các loại tín dụng truyền thống (ví dụ như người nghèo) Theo ước tính của FICO, tại thời điểm tháng 11 năm 2016, có khoảng 53 triệu người Mỹ không thể chấm điểm được Những người này không thể tiếp cận với tín dụng một cách thuận lợi chỉ bởi vì họ bị loại ra khỏi thị trường tín dụng trong quá khứ Tính chính xác và đầy đủ của thông tin được sử dụng ảnh hưởng đến kết quả chấm điểm, phân biệt đối xử… là những mối lo ngại khác về chấm điểm tín dụng truyền thống

3 CHẤM ĐIỂM TÍN DỤNG BẰNG CÁCH SỬ DỤNG DỮ LIỆU LỚN

3.1 Lịch sử ra đời

Nửa cuối những năm 2000 chứng kiến sự ra đời các mô hình chấm điểm tín dụng mới với phương châm “tất cả dữ liệu là dữ liệu tín dụng”, kết hợp thông tin tín dụng truyền thống với hàng ngàn điểm dữ liệu khai thác từ các hoạt động trực tuyến và ngoại tuyến của khách hàng (hay dữ liệu thay thế - alternative data) Với việc sử dụng điện thoại thông minh, mạng xã hội, các phương tiện thanh toán điện tử ngày càng nhiều, mỗi người tiêu dùng để lại đằng sau chuỗi dữ liệu số mà các nhà cung cấp tín dụng và các tổ chức chấm điểm tín dụng thu thập và phân tích nhằm dự đoán hành vi người tiêu dùng Phương thức đánh giá tín dụng mới này được một số chuyên gia gọi là chấm điểm hành vi hay độ tín nhiệm tín dụng

theo mối liên hệ Theo phương pháp này, người vay tiềm năng được đánh giá không dựa trên hành động hay giá trị của mình mà dựa trên dự đoán của nhà cung cấp tín dụng về bạn bè, hàng xóm của người vay hoặc những người có sở thích, mức thu nhập, bối cảnh… tương tự người vay Ngày càng nhiều nhà cung cấp tín dụng, các công ty khởi nghiệp sử dụng các thuật toán phức tạp để phát hiện những khuôn mẫu hoặc dấu hiệu trong đại dương thông tin về cuộc sống hàng ngày của người tiêu dùng Để phân tích đại dương thông tin từ hoạt động trực tuyến và ngoại tuyến của người tiêu dùng, các tổ chức chấm điểm tín dụng phải sử dụng các thuật toán và các kỹ thuật lập mô hình phức tạp hơn nhiều so với chấm điểm tín dụng truyền thống

3.2 Phương pháp xây dựng mô hình chấm điểm tín dụng bằng Dữ liệu Lớn

Mô hình chấm điểm tín dụng sử dụng hàng ngàn điểm dữ liệu, các công cụ máy học có giám sát, các thuật toán rất phức tạp và là bí mật thương mại của các tổ chức chấm điểm Vì vậy rất khó để tìm hiểu chi tiết phương pháp xây dựng mô hình này Tuy nhiên, thông qua đơn xin cấp bằng sáng chế của ZestFinance – công

ty hàng đầu về sử dụng Dữ liệu Lớn để chấm điểm và cung cấp các khoản vay nóng (payday loans) tại Mỹ, Hurley và Adebayo (2017) đã phác họa quy trình xây dựng gồm ba bước cơ bản như sau:

- Bước 1: định nghĩa vấn đề cần giải quyết (định nghĩa của tổ chức chấm điểm về

độ tín nhiệm tín dụng) và xác định biến mục tiêu thể hiện đầu ra mà người chấm muốn dự đoán Bước này rất quan trọng nhưng không đơn giản vì không có một câu trả lời duy nhất về định nghĩa độ tín nhiệm tín dụng và biến đại diện cho nó

- Bước 2: thu thập dữ liệu và chuyển đổi sang định dạng có thể sử dụng được Chẳng hạn ZestFinance thu thập hàng ngàn điểm dữ liệu từ bốn nguồn: người vay, tổ chức chuyên cung cấp thông tin tín dụng, thông tin công khai thu thập bằng các công cụ tìm kiếm thông tin trên Internet, và thông tin từ mạng xã hội Thông tin sau đó được chuyển sang định dạng mà máy tính có thể xử lý được Tiếp theo, ZestFinance xử lý những biến này, sử dụng các thuật toán nhằm tạo nên nhiều tập hợp ra quyết định độc lập mô tả những đặc điểm cụ thể của người vay mà bằng sáng chế gọi là biến tổng hợp

- Bước 3: xây dựng và tinh chỉnh mô hình thông qua dữ liệu đã xử lý và qua lựa chọn đặc tính quan trọng Quá trình máy học thường liên quan đến lộ trình tối

ưu hóa trong đó cố gắng loại bỏ những biến đầu vào không có ý nghĩa, xác định những biến có ý nghĩa nhất và trọng số thích hợp nhất cho mỗi biến Quá trình này sử dụng các chương trình máy tính có khả năng thực hiện rất nhiều bước lặp liên tục và phân tích hàng ngàn kết hợp của các điểm dữ liệu Trong giai đoạn cuối

cùng của quá trình chấm điểm, các biến tổng hợp quan trọng được nhập vào các thuật toán thống kê, tài chính và thuật toán khác, mỗi thuật toán có “kỹ năng”

dự đoán khác nhau Mô hình cuối cùng của ZestFinance là sự kết hợp của các mô hình khác và điểm cuối cùng của người xin vay là một tập hợp điểm từ các mô hình này Do vấn đề bí mật thương mại, không thể xác định được các biến tổng hợp có ý nghĩa nhất, cách tính toán các biến này cũng như liệu điểm tín dụng có phản ánh chính xác độ tín nhiệm tín dụng hay không

3.3 Ưu nhược điểm của chấm điểm tín dụng sử dụng Dữ liệu Lớn

Về mặt lý thuyết, các thuật toán được sử dụng càng phức tạp và càng nhiều thông tin được sử dụng thì mô hình chấm điểm tín dụng càng chính xác và có khả năng

dự đoán cao hơn Đặc biệt, sử dụng Dữ liệu Lớn để chấm điểm tín dụng là cơ hội quan trọng nhằm tăng cường việc tiếp cận tín dụng, đặc biệt cho những người yếu thế hoặc những người không có đủ lịch sử tín dụng cho chấm điểm tín dụng truyền thống

Tuy nhiên trên thực tế, các công cụ Dữ liệu Lớn đặt ra những rủi ro đáng kể về

sự minh bạch, tính chính xác và công bằng Trước hết số lượng lớn dữ liệu mà các công cụ này sử dụng nhiều khi không chính xác, không có quan hệ với độ tín nhiệm tín dụng hay thậm chí như quan điểm của một số chuyên gia, chỉ là “thông tin nhiễu” Quá trình thu thập, chuyển hóa dữ liệu có thể dẫn đến vấn đề về tính minh bạch khi thông tin được thu thập, xử lý, lưu trữ, sử dụng, chia sẻ mà không

có sự đồng ý của người tiêu dùng Người tiêu dùng không thể biết được những hành động hàng ngày của họ ảnh hưởng như thế nào đến điểm tín dụng và liệu thông tin về họ có chính xác không

Bên cạnh đó, không thể chắc chắn rằng tất cả các công cụ chấm điểm tín dụng này được sử dụng để dự đoán độ tín nhiệm tín dụng, thay vào đó, một số có thể được thiết kế để xác định và hướng đến những cá nhân dễ bị thương tổn, những người khó tiếp cận với tín dụng truyền thống, nhằm cung cấp cho họ các khoản vay nóng chi phí cao (payday loans) Trên thực tế một nghiên cứu gần đây tại Mỹ cho thấy nhiều nhà cung cấp tín dụng sử dụng công nghệ phức tạp và các thuật toán tiên tiến để dự đoán người nộp đơn xin vay nào đang cần tiền, có khả năng nhất sẽ trả nợ… để cho vay lãi suất rất cao - lãi suất hàng năm lên đến hơn 300% Một tỷ lệ cao hơn những người chấp nhận các khoản vay nóng đến từ các cộng đồng nghèo hoặc thiểu số Thay vì mở rộng tiếp cận tín dụng cho những người chưa được tiếp cận hoặc được phục vụ chưa đầy đủ, các tổ chức chấm điểm tín dụng bằng Dữ liệu Lớn có thể thiết kế các biến mục tiêu để làm tổn hại thêm những nhóm người yếu thế Hơn nữa, nếu không quản lý được các nhà cung cấp