رونمایی «لندو » از نسل دوم رتبه‌بندی اعتباری بر پایه هوش مصنوعی

حسن شعبانی : به دلیل وجود ریسک، کسب‌وکارهای ارائه‌کننده وام، مانند بانک‌ها معمولا داشتن چک، سفته و ضامن را برای ارائه وام اعتباری الزامی می‌دانند، اما استارت‌آپ‌هایی وجود دارند که با رتبه‌بندی اعتباری مشتریان، امکان ارائه اعتبار بدون نیاز به ضامن و وثیقه را فراهم می‌کنند. به طور مثال «لندو» پلت‌فرمی است که به مشتریان، برای خرید اقساطی، اعتبار می‌دهد.

نسل اول رتبه‌بندی اعتباری لندو براساس رفتار پرداخت کاربر عمل می‌کرد و موارد مشخصی از جمله پرداخت به موقع، پرداخت زودتر از موعد، پرداخت دیرتر از موعد و مبلغ اقساط را برای اعتبارسنجی مشتری مدنظر قرار می‌داد و بر اساس همین موارد، سقف وامی که قرار بود به مشتری پرداخت شود، تعیین می‌شد. هر چه نمره اعتبار مشتری بیشتر بود، سقف وام او نیز بالاتر می‌رفت. البته علاوه بر رفتار پرداخت، چند متغیر دیگر مانند سن، جنسیت، درآمد و ... نیز در این مدل در نظر گرفته می‌شد.  در همین حال پس از چهار سال از نسل دوم رتبه‌بندی اعتباری مشتریان رونمایی شد و این الگوریتم پیشرفته که بر پایه هوش مصنوعی (AI) و یادگیری ماشین (Machine Learning) عمل می‌کند، دقت بالایی در پیش‌بینی نرخ نکول هر فرد دارد. دقت این الگوریتم نزدیک به ۹۹ درصد است. این مدل جدید دو ویژگی منحصربه‌فرد دارد، ویژگی اول توانایی پیش‌بینی میزان ریسک مشتری جدید است که این مدل بر اساس ویژگی‌های مشتریان قدیمی، train  شده و پیش‌بینی می‌کند مشتری جدیدی که وارد سیستم شده، چه میزان ریسک دارد و سپس با ارائه سقف اعتبار پیشنهادی، امکان مدیریت ریسک‌های احتمالی را ایجاد می‌کند. ویژگی دوم، خاصیت یادگیری (Learn) دارد که با افزایش تعداد مشتریان جدید در لندو، دقت این مدل نیز بیشتر شده و پیش‌بینی آن در تخمین نکول هر فرد، دقیق‌تر می‌شود. به منظور پیش‌بینی احتمال نکول در نسل دوم رتبه‌بندی اعتباری بیش از ۶۰ ویژگی مانند سن، شغل، درآمد، گردش حساب، میزان تحصیلات، وضعیت فرد در سیستم بانکی کشور و داده‌های مربوط به محل سکونت و... برای هر شخص در نظر گرفته شده است.  ویژگی دیگری که در این مدل در نظر گرفته شده، رفتار بازپرداخت اقساط مشتری در لندو است. اگر مشتری اقساط خود را زودتر از موعد یا به ‌موقع پرداخت کند، در این مدل امتیاز بیشتری دریافت می‌کند. همچنین اینکه کاربر قسط خود را در چه روزی از ماه یا هفته پرداخت می‌کند از جمله عوامل موثر در این مدل است. برای مدیریت ریسک، بیشتر موسسات و بانک‌ها تنها با دریافت وثیقه و ضامن اقدام به ارائه اعتبار می‌کنند. این در حالی است که لندو با استفاده از الگوریتم‌های پیشرفته، مدیریت ریسک و رتبه‌بندی اعتباری افراد توانسته امکان ارائه اعتبار بدون نیاز به ضامن و وثیقه را برای طیف بزرگی از افراد جامعه مهیا کند.همچنین با بهبود الگوریتم‌ها در نسل دوم رتبه‌بندی نه‌تنها ریسک خود را کنترل کرده، بلکه میزان نکول به یک درصد کاهش یافته است.