我們身處於大數據的年代,企業能透過大量的網上、流動電話、財務表現等數據來分析他們的客戶,從而作出商業決定。傳統銀行的貸款業務主要考慮貸款人的信用評級,過去的財務記錄,入息證明,抵押等來估計貸款人還債的能力,發展中國家的貸款者因此很難得到貸款。他們居於落後地區,也不一定有網上或流動電話等資料可以參考。那些人是否就不值得借貸呢?還有什麼資料可以幫助銀行作這個決定?

在香港要成功申請銀行信用卡或私人貸款,必須有入息證明或抵押品,銀行審查申請時,會看申請人過去所有的借貸及還款記錄,拿取大量的資料,透過不同的統計學模型來分析數據,為申請人評分,這個分數是最後決定的貸款與否及信用額的一個重要工具。

問卷分析申請人質素

可是在發展中地區,由於沒有完善的信用資料庫(Credit bureau),信用擔保(underwriting)程序對傳統銀行來說是極大的挑戰。銀行如果只用傳統的評分標準來批核貸款,很多小企業因此無法拿到資金,銀行也難以有效地擴大貸款業務。在發展中國家,只有20%的小型企業有良好的財務表現,並只有20%有信貸資料紀錄。

美國人比利(Baily Klinger)關注貧窮問題,他於2006年在哈佛念公共政策博士學位時創立了一套嶄新的風險評分技術。他相信貸款者如果擁有某些性格特質,便能預測他們的還款能力。

這套技術是以貸款人的性格、態度、意願、能力等來估計風險。他首個在非洲肯尼亞的試驗,讓合作的銀行有174%的貸款業務增長,但違約率(Default rate)卻能維持不變。

2010年,他正式成立EFL (Entrepreneurial Finance Lab)。它是一間牟利社會企業,目的是透過為落後地區的財務機構提供一套創新的風險評核方法-—心理測量信用評分(Psychometrics credit scoring),讓更多創業者能拿到資金去發展小型企業,釋放貧窮地區的創業潛力來解決貧窮問題。現時估計全球有2億間中小型企業需要卻拿不到資金。

透過一份精心設計的問卷調查,貸款員可以得到借貸者自己作答的資料 。問題是評估小型企業或個人貸款者的性格與能力,如個人的上進心、專業操守、判斷力、創造力、自律性、儲蓄習慣、責任感和商業觸覺等。系統會馬上量化這些因素,得出一個分數,銀行便可以根據這個分數做決定。

違約減40% 生意多三倍

有人會質疑問卷答案的可信性,因為貸款者可以說謊,也可能知道什麼答案能拿到高分,因此也有很多實行上的問題要處理。

這套技術為傳統的風險管理帶來突破性的理解,為借貸者以及貸款者都帶來雙贏:對借貸者來說,不但減低了信貸風險,讓他們的貸款業務健康地增長,也大大削減了信貸批核的時間和成本;對借貸者來說,更是脫貧的重要機會。

EFL的心理測量信用評分已經用於27個國家,並於2014已借出了近3億美元的貸款給為於新興市場,之前沒有銀行紀錄的中小型企業。現時全世界已有25間銀行採用了這套評分標準來審批貸款申請,他們的違約率減低了40%,但業務卻有三倍的增長。

數據模型是個不斷自我學習和更新的系統。當EFL的資料庫和案例愈多時,它的模型便得以改良,能更準確地預測風險。

在孟加拉,尤努斯(Muhammad Yunus)創辦的農村銀行 (Grameen Bank)以借錢給鄉村婦女,向世界證明了窮人是會還錢的,窮人銀行可以同時幫人和圖利。但畢竟農村銀行獨特的貸款手法,加上地區的社會和經濟等因素,很難讓其他地區的傳統銀行仿效。EFL這套評分準則很容易讓銀行採納,因為它是優化已有模式的一個新工具,實施成本很低,也很容易透過科學測試看到具體結果。這個新工具很可能是普及窮人貸款的一個重要基石。