Alternativa kreditdata är icke-traditionella data som långivare använder för att bedöma en låntagares kreditvärdighet, särskilt när det finns begränsad information från konventionella kreditkällor som kreditupplysningsföretag. Denna typ av data innehåller en mängd information som vanligtvis inte finns i traditionella kreditupplysningar, till exempel betalningshistorik för hyra och information om bankkonto.

Alternativa kreditdata hjälper långivare att utvärdera potentiella låntagare som kanske inte har en lång historik i traditionella kreditsystem, som ofta kallas kunder med ”tunna akter” eller ”ingen akt”. Denna demografiska grupp kan omfatta ungdomar, nyinvandrade eller personer som har undvikit att använda traditionell kredit. Genom att ta hänsyn till ytterligare datapunkter kan långivare utöka kreditmöjligheterna till en bredare publik och tillhandahålla mer personliga riskbedömningar.

En rapport från Experian 2023 fann att 62 % av finansinstituten använde alternativa data för att förbättra riskprofilering och förmågan att fatta kreditbeslut, vilket lyfter fram branschens övergång mot mer inkluderande kreditbedömningsmetoder. Nedan ska vi diskutera hur alternativa kreditdata används, fördelarna med att använda dem och hur man implementerar dem i företagets kreditvärdighetsbedömningar.

Vad innehåller den här artikeln?

• Typer av alternativa kreditdata
  
• Hur används alternativa kreditdata?
  
• Fördelar med att använda alternativa kreditdata
  
• Att tänka på när alternativa kreditdata används
  
• Så implementerar man alternativa kreditdata
  
• Bestämmelser om alternativa kreditdata
  

Typer av alternativa kreditdata

Med alternativa kreditdata avses ett brett spektrum av finansiell information som faller utanför det traditionella kreditupplysningssystemet. Exakt vilka typer av uppgifter som övervägs kan variera, men alternativa kreditdata ger i allmänhet en mer övergripande bild av en persons ekonomiska situation och kan vara ett bra sätt för personer med begränsad eller ingen kredithistorik att få tillgång till kredit.

Alla långivare använder inte alternativa kreditdata, men långivare använder dem i allt högre grad för att vara ekonomiskt inkluderande och fatta mer välgrundade lånebeslut.

Här är några av de viktigaste typerna av alternativa kreditdata.

• Bankkontodata: Transaktionshistorik, kontosaldon och övertrasseringsmönster kan ge insikt i ekonomiska vanor och stabilitet.

• Data om investeringskonton: Information om investeringsportföljer, inklusive typ av investering och kontosaldon, kan ge en indikation om en persons nivå av ekonomiskt ansvar och långsiktiga planering.

• Data från betalningsappar: Transaktionshistorik från betalningsappar kan indikera betalningsbeteende och ekonomiska interaktioner.

• Historik för återkommande betalningar: En historik för räkningar som betalats i tid kan indikera ekonomiskt ansvar och förmåga att hantera återkommande utgifter. Dessa räkningar omfattar hyra, allmännyttiga tjänster (t.ex. gas, el, vatten), telefon och internet, försäkring (t.ex. bil, hälsa) och till och med återkommande betalningar för abonnemangstjänster som streamingplattformar, gymmedlemskap eller abonnemangsboxar.

• Offentliga register: Information om fastighetsägande, yrkeslicenser och utbildningsnivå kan ge ytterligare sammanhang för att bedöma kreditvärdighet.

• Inkomster från gigekonomi: Inkomster som tjänas in via plattformar som Uber, DoorDash eller frilansarbete kan uppvisa konsekventa intäkter och finansiell stabilitet.

• Data från sociala medier: Även om detta fortfarande är kontroversiellt undersöker vissa långivare användningen av data från sociala medier för att bedöma finansiellt beteende och risk.

Hur används alternativa kreditdata?

Alternativa kreditdata kan öka tillgången till krediter och förbättra utlåningsbesluten. Så här använder den finansiella tjänstesektorn alternativa kreditdata.

Bedömning av kreditvärdighet

• Övergripande syn på ekonomi: Genom att ta hänsyn till alternativa data, som hyresbetalningar eller elräkningar, kan långivare få en mer övergripande bild av en låntagares ekonomiska ansvar och stabilitet.

• Underbetjänade grupper: Alternativa data kan erbjuda kredit för personer som traditionellt har uteslutits på grund av bristande kredithistorik eller begränsad tillgång till traditionella banktjänster, som ungdomar eller invandrare.

Personliga låneprodukter och -villkor

• Personliga räntor och erbjudanden: Alternativa data kan hjälpa långivare att göra en mer exakt riskbedömning. De kan använda dessa data för att avgöra vilka låneprodukter en låntagare är berättigad till och utforma personliga räntor baserat på en låntagares enskilda ekonomiska situation.
  

Riskhantering

• Ekonomiska varningstecken: Att analysera alternativa data kan hjälpa långivare att identifiera tidiga varningstecken på potentiella ekonomiska problem, vilket gör det möjligt att hantera risker proaktivt.

• Standardräntor: Genom att införliva alternativa data i sina riskmodeller kan långivare potentiellt minska andelen uteblivna betalningar och fatta mer ansvarsfulla utlåningsbeslut.

Upptäcka bedrägeri

• Misstänkt aktivitet: Långivare kan använda alternativa data för att upptäcka mönster av bedrägligt beteende, till exempel inkonsekventa inkomstmönster eller ovanliga utgiftsmönster. Genom att identifiera bedrägeri tidigare kan långivare skydda kunder och sig själva mot ekonomiska förluster.
  

Fördelar med att använda alternativa kreditdata

Alternativa kreditdata kan ge företag följande fördelar.

• Större kundbas: Genom att införliva alternativa kreditdata kan företag erbjuda kredit till ett bredare spektrum av kunder, inklusive personer som inte har omfattande traditionell kredithistorik. Att betjäna dessa kunder ökar den ekonomiska jämlikheten och inkluderingen genom att mildra de fördomar som är inneboende i traditionella kreditvärderingssystem, som ofta påverkar marginaliserade grupper oproportionerligt mycket.

• Bättre riskbedömning: Alternativa kreditdata ger en mer heltäckande bild av en kunds ekonomiska beteende och gör det möjligt för företag att skapa mer exakta kreditvärderingsmodeller. Dessa data och förbättrade modeller kan avslöja mönster vad gäller ekonomiskt ansvar och stabilitet som kanske inte framgår av traditionella kreditupplysningar, vilket hjälper företag att fatta mer välgrundade lånebeslut. Mer träffsäkra kreditbedömningar innebär också en minskad risk för uteblivna betalningar, vilket skapar en stabilare portfölj.

• Högre godkännandegrad: Med en bättre förståelse för en sökandes ekonomiska beteende kan företag tryggt godkänna fler lån. Detta ökar intäkterna, kundnöjdheten och kundlojaliteten genom att ge kredit till dem som kan nekas baserat på traditionella kriterier.

• Enklare efterlevnad och rättvis utlåning: Att använda en bredare uppsättning datapunkter kan hjälpa företag att visa att de brinner för rättvis utlåningspraxis. Detta ligger i linje med de regleringsmässiga målen att göra kredittillgången mer rättvis och minskar de juridiska riskerna och anseenderiskerna som är förknippade med partisk utlåningspraxis.

• Mer effektiva, anpassade finansiella produkter: Alternativa data gör det möjligt för långivare att segmentera sina kunder med större specifikation. Till exempel kan konsekventa betalningar av små prenumerationer eller elräkningar indikera finansiell stabilitet i kundsegment som traditionellt anses medföra högre risk. Långivare kan använda denna detaljerade segmentering för att skapa anpassade finansiella produkter som uppfyller de specifika behoven hos olika kundgrupper.

• Kreditbedömningar i realtid: Traditionella kreditupplysningar baseras på historiska finansiella interaktioner, men alternativa kreditdata visar en aktuell ögonblicksbild av en låntagares ekonomiska situation. Detta kan hjälpa långivare att fatta beslut om utlåning i realtid, särskilt på snabba marknader eller i scenarier där låntagarnas ekonomiska omständigheter snabbt förändras.

• Bättre kundlojalitet och -retention: Företag som framgångsrikt använder alternativa data för att ge nya segment kredit upplever ofta bättre kundlojalitet och -retention. För kunder som kanske har nekats kredit baserat på traditionella mätvärden kan kreditgodkännande skapa ett starkt lojalitetsband som gör dem mer benägna att använda fler tjänster från samma leverantör.

• Anpassning efter växande trender: Kundbeteenden går mot digitala plattformar och bort från traditionella kreditberoende köp, vilket skapar ekonomisk historik som inte återspeglas i traditionell kreditvärdighet.

Att tänka på när alternativa kreditdata används

Företag bör ta hänsyn till följande faktorer när de använder sig av alternativa kreditdata.

Datakvalitet och -noggrannhet

• Källans tillförlitlighet: Kontrollera att den alternativa dataleverantören har en tillförlitlig bakgrund och följer strikta processer för insamling och validering av data. Till skillnad från traditionell kreditdata, som vanligtvis är reglerade och standardiserade, kan alternativa data variera mycket vad gäller kvalitet och format.

• Datanoggrannhet: Företag måste upprätta starka mekanismer för att verifiera att alternativa data är korrekta och fullständiga. Bekräfta att de är aktuella, så att de återspeglar en låntagares nuvarande ekonomiska situation.

Efterlevnad av regelverk

• Fair Credit Reporting Act (FCRA): I USA måste långivare följa FCRA-reglerna när de använder alternativa data vid kreditbeslut. Efterlevnad innebär att inhämta kundens samtycke, verifiera att data är korrekta och ge kunderna rätt att bestrida felaktig information.

• Andra bestämmelser: Håll dig informerad om och följ relevanta lokala bestämmelser, t.ex. integritets- och konsumentskyddslagar.

Etiska överväganden

• Transparens: Ge kunderna insyn i hur du använder alternativa data och hur det påverkar deras kreditvärdighetsbedömning. Hur företag samlar in och använder alternativa kreditdata kan ha en betydande inverkan på kundernas förtroende.

• Integritet: Skydda kundernas integritet genom att implementera starka datasäkerhetsåtgärder och endast använda data för legitima ändamål.

• Rättvisa: Se till att användningen av alternativa data inte oproportionerligt påverkar vissa kundgrupper eller vidmakthåller befintliga fördomar. Att förlita sig på vissa typer av data från sociala medier kan till exempel missgynna grupper som är mindre aktiva på nätet. Företag måste kontinuerligt övervaka och testa sina modeller avseende rättvisa och oavsiktliga fördomar.

• Ekonomiska konsekvenser: Användningen av alternativa data kan få bredare ekonomiska konsekvenser. Till exempel kan utökade krediter till tidigare missgynnade grupper stimulera ekonomisk aktivitet, men det kräver också noggrann övervakning för att undvika att skapa nya finansiella bubblor eller förvärra ekonomiska skillnader.

Teknisk integration

• Dataintegration: Integrera alternativa data i befintliga kreditvärderingsmodeller och beslutssystem.

• Skalbarhet: Välj en dataleverantör som kan skala upp i takt med ditt företags behov och tillgodose framtida tillväxt.

• Datasäkerhet: Implementera datasäkerhetsåtgärder för att skydda känsliga kunduppgifter mot obehörig åtkomst eller intrång.

Nyttokostnadsanalys

• Kostnad: Utvärdera kostnaden för att införskaffa och integrera alternativa data samt eventuella löpande underhålls- eller abonnemangsavgifter.

• Fördelar: Bedöm de potentiella fördelarna med att använda alternativa data, t.ex. ökad lånevolym, minskad frekvens för utebliven betalning och en förbättrad kundupplevelse.

• Avkastning på investering (ROI): Fastställ om de potentiella fördelarna överväger kostnaderna och om investeringen i alternativa data kommer att ge en positiv avkastning på investeringen.

Så implementerar man alternativa kreditdata

Följande bästa praxis kan göra det lättare att integrera alternativa kreditdata i utlåningsprocesserna för att uppfylla företagsspecifika mål.

Identifiera mål och behov

• Definiera mål: Fastställ varför du vill använda alternativa data. Vill du utöka kundbasen, förbättra riskbedömningarna eller utforma mer personliga låneprodukter?

• Inriktning på låntagarsegment: Identifiera de specifika låntagarsegment som du vill nå med hjälp av alternativa data. Detta kan omfatta personer med bristande eller ingen kredithistorik, underbetjänade grupper eller personer som vill ha anpassade finansiella lösningar.

• Datakrav: Fastställ vilka specifika typer av alternativa data som skulle vara mest relevanta och värdefulla för dina utlåningsbeslut.

Välj en dataleverantör

• Efterforskning om leverantörer: Utforska olika alternativa dataleverantörer och jämför deras erbjudanden, datakällor, datakvalitet, prismodeller och integrationsmöjligheter.

• Due diligence: Genomför grundlig due diligence för potentiella leverantörer och bekräfta att de har en tillförlitlig meritlista, följer alla regelverk och prioriterar datasekretess och -säkerhet.

• Val av leverantör: Välj en leverantör som bäst stämmer överens med din budget, dina mål och tekniska krav.

Integrera data i system

• Teknisk integration: Samarbeta med dataleverantören för att integrera deras data i dina befintliga kreditvärderingsmodeller, låneursprungssystem och beslutsplattformar.

• Datavalidering: Formatera, validera och rensa data på rätt sätt, för noggrannhet och enhetlighet.

• Datamappning: Mappa de alternativa datafälten till relevanta attribut i dina befintliga system, för smidig integration och analys.

Utveckla riskmodeller och -strategier

• Modellutveckling: Införliva alternativa data i dina kreditriskmodeller för att förbättra den prediktiva noggrannheten och förfina lånebesluten.

• Strategiutveckling: Utveckla utlåningsstrategier som använder alternativa data för att rikta in dig på specifika låntagarsegment, erbjuda personliga lånevillkor och hantera risker.

• Testning och validering: Testa och validera nya modeller och strategier noggrant, för att säkerställa att de fungerar som förväntat och uppfyller lagstadgade krav.

Övervaka och förfina

• Löpande övervakning: Övervaka kontinuerligt prestandan för alternativa datamodeller och strategier, spåra nyckeltal som godkännandefrekvens, frekvens för utebliven betalning och kundnöjdhet.

• Förfining: Förfina regelbundet modeller och strategier baserat på resultatdata och feedback, för att optimera utlåningsbeslut och förbättra resultaten.

Regler för alternativa kreditdata

Bestämmelser som reglerar alternativa kreditdata gör en avvägning mellan att uppmuntra till innovation inom finansiella tjänster och att skydda konsumenterna. Företag som hanterar någon form av kreditdata bör använda följande bästa praxis för att följa relevanta regler.

• Due diligence: Utför noggrann due diligence för alla datakällor, för att säkerställa att de följer tillämpliga lagar.

• Validering och dokumentation av modeller: Validera regelbundet modeller avseende noggrannhet och rättvisa, och upprätthåll detaljerad dokumentation av dataanvändning, modellutveckling och beslutsprocesser.

• Konsumenttransparens: Ge kunderna tydlig och tillgänglig information om vilka data som samlas in, hur de används och hur de kan få tillgång till eller bestrida den informationen.

• Utbildning och styrning: Upprätta styrningspolicyer för dataanvändning och låt personalen genomgå utbildning om regelkrav och etiska överväganden.

Företag som arbetar med kreditdata (inklusive alternativa kreditdata) måste även följa dessa krav, beroende på var de är verksamma.

Fair Credit Reporting Act (FCRA)

I USA reglerar FCRA användningen av kredituppgifter och kräver att de uppgifter som används vid kreditbeslut är korrekta, relevanta och aktuella. Företag som använder alternativa kreditdata måste se till att deras datakällor och behandlingsmetoder följer FCRA-standarderna. Efterlevnad omfattar att skicka meddelanden till kunder när företag vidtar negativa åtgärder baserar på kreditupplysningar och att ge enskilda personer möjlighet att bestrida och korrigera kredituppgifter.

Equal Credit Opportunity Act (ECOA)

USA:s ECOA förbjuder diskriminering baserat på ras, hudfärg, religion, nationellt ursprung, kön, civilstånd, ålder eller för att en person får offentligt stöd. Långivare som använder alternativa data måste noggrant analysera sina kreditmodeller för att säkerställa att de inte oavsiktligt diskriminerar skyddade grupper, vare sig direkt eller genom olika effekter.

Regler på delstatlig nivå

Olika delstater i USA har sina egna lagar och bestämmelser som påverkar användningen av kreditdata. Kalifornien, till exempel, har antagit California Consumer Privacy Act (CCPA), där konsumenternas rättigheter vad gäller hur deras personuppgifter samlas in och används fastställs. Företag som är verksamma i USA måste följa regler på både federal och delstatlig nivå.

Allmänna dataskyddsförordningen (GDPR)

För företag som är verksamma i eller hanterar data från Europeiska unionen ställer GDPR stränga krav på datasekretess och -säkerhet. Den kräver insyn i hur personuppgifter används, begränsar insamlingen av data till strikt nödvändiga ändamål och ger enskilda personer omfattande rättigheter vad gäller hur deras data används. Företag som använder alternativa kreditdata måste följa GDPR-överväganden, t.ex. dataminimering och inhämtande av uttryckligt samtycke från enskilda personer.

Globala dataskyddslagar

Länder i hela världen har sina egna versioner av dataskyddslagar som påverkar användningen av alternativa kreditdata. Lagar som Kanadas lag om skydd av personuppgifter och elektroniska dokument (PIPEDA) eller Brasiliens allmänna dataskyddslag (LGPD) innehåller liknande principer som GDPR och kräver att företag hanterar data på ett ansvarsfullt sätt.