W nowym dokumencie roboczym zatytułowanym
“Financial Intermediation and Technology” Międzynarodowy Fundusz Walutowy (MFW) zasugerował, że
„wykorzystanie danych niefinansowych będzie miało duży wpływ na świadczenie usług finansowych”, gdzie historia korzystania z Internetu osób fizycznych będzie skanowana przez banki w celu sprawdzenia ich zdolności kredytowej.
Zamiast korzystać z tradycyjnych metod oceny ryzyka kredytowego, takich jak aktywa, dochody i stan cywilny, banki chcą teraz wykorzystać ogromne ilości danych zgromadzonych do celów marketingowych przez wielkie firmy technologiczne, takie jak Facebook, Google i YouTube, by dokonywać ocen ryzyka.
„Duże firmy technologiczne zbierają ogromne ilości niefinansowych danych za pośrednictwem swoich platform przeznaczonych dla konsumentów w obszarach handlu elektronicznego, sieci społecznościowych i wyszukiwania online” czytamy w artykule. Kontynuując, autorzy twierdzą, że
„ilość danych umożliwia wykorzystanie narzędzi do analizy „dużych zbiorów danych”, takich jak sztuczna inteligencja i uczenie maszynowe”, co wykazało ich „użyteczność w finansach”.
„Rozwój internetu pozwala na wykorzystanie nowych rodzajów niefinansowych danych klientów, takich jak historie przeglądania i zachowania zakupowe czy oceny klientów u sprzedawców internetowych […] takie dane niefinansowe są cenne przy podejmowaniu decyzji finansowych.”Autorzy twierdzą, że takie dane są
„łatwymi do zebrania informacjami”, w szczególności wskazując na
„cyfrowy ślad (tj. dostawca poczty elektronicznej, operator komórkowy, system operacyjny itp.)” jako jedno z dostępnych źródeł informacji. Według ich oceny nowe źródła danych radzą sobie
„równie dobrze jak tradycyjne oceny kredytowe w ocenie ryzyka kredytobiorcy”.W poście na
blogu autorów roboczego dokumentu grupa twierdzi, że nowe badania pokazują, że
„podłączone pod sztuczną inteligencję i uczenie maszynowe alternatywne źródła danych są często lepsze niż tradycyjne metody oceny zdolności kredytowej”, radząc bankom by opierały swoje pożyczki na danych gromadzonych maszynowo, które klasyfikują nawyki związane z wydatkami. [...]