صنعت اعتبار سنجی با مدل های جدید ارزیابی در مسیر پوست اندازی است

چابک آنلاین، زهرا نامداری، در ادبیات مالی، سال‌ها است که میان اعتبارسنجی اشخاص و رتبه‌بندی اعتباری شرکت‌ها تفاوت قائل می‌شوند. 

اعتبارسنجی اشخاص یا Credit Scoring (نمره‌دهی اعتباری) معمولاً بر پایه سوابق بازپرداخت تسهیلات، تأخیر در اقساط، چک‌های برگشتی و سایر داده‌های رفتاری مشتریان انجام می‌شود و کاربرد اصلی آن در تصمیم‌گیری بانک‌ها و مؤسسات اعتباری برای اعطای وام و اعتبار خرد است. 

در مقابل، Credit Rating (رتبه‌بندی اعتباری) بیشتر به ارزیابی وضعیت مالی شرکت‌ها، ناشران اوراق و نهادهای اقتصادی اختصاص دارد و بر مبنای صورت‌های مالی، ساختار سرمایه، جریان نقدی و ریسک‌های صنعت تعیین می‌شود.

با این حال، آنچه اکنون بیش از تفاوت این دو مفهوم مورد توجه قرار گرفته، محدودیت مدل‌های سنتی اعتبارسنجی است. 

این مدل‌ها عمدتاً بر داده‌های رسمی بانکی و سابقه اعتباری قبلی تکیه دارند؛ در حالی که بخش قابل توجهی از متقاضیان، به‌ویژه جوانان، شاغلان اقتصاد غیررسمی، فعالان پلتفرم‌های دیجیتال و افرادی که تاکنون از تسهیلات رسمی استفاده نکرده‌اند، سابقه کافی برای ارزیابی در این چارچوب ندارند. 

در نتیجه، بسیاری از افراد نه به دلیل ریسک بالا، بلکه به دلیل نبود داده کافی، از چرخه دریافت اعتبار کنار گذاشته می‌شوند.

همین شکاف، در سال‌های اخیر زمینه‌ساز رشد رویکردی شده که در بازارهای جهانی با عنوان (اعتبارسنجی مبتنی بر داده‌های جایگزین) شناخته می‌شود. 

در این مدل، مؤسسات مالی و شرکت‌های فناوری تلاش می‌کنند به‌جای اتکای صرف به سوابق وام و بدهی، از داده‌هایی مانند سابقه پرداخت قبوض، الگوی تراکنش‌های بانکی، رفتار پرداخت در خریدهای اقساطی، داده‌های اپراتورهای تلفن همراه و فعالیت اقتصادی افراد در پلتفرم‌های آنلاین برای سنجش ریسک اعتباری استفاده کنند.

این روند در ایران نیز با رشد لندتک‌ها، گسترش خرید اعتباری و توسعه خدمات مالی دیجیتال، به موضوعی جدی تبدیل شده است. 

بازیگران جدید بازار می‌گویند داده‌های جایگزین می‌تواند تصویر دقیق‌تری از نظم مالی و توان بازپرداخت افراد ارائه دهد؛ به‌ویژه برای گروه‌هایی که در مدل‌های کلاسیک «فاقد سابقه اعتباری» محسوب می‌شوند. 

در چنین شرایطی، اعتبارسنجی از یک ارزیابی صرفاً مبتنی بر پرونده بانکی، به سمت تحلیلی مبتنی بر رفتار واقعی مالی حرکت می‌کند.

کارشناسان معتقدند در صورت شکل‌گیری زیرساخت مناسب برای تبادل داده، استفاده از این رویکرد می‌تواند هم دقت ارزیابی ریسک را افزایش دهد و هم شمول مالی را گسترش دهد. 

با این حال، چالش‌هایی مانند دسترسی جزیره‌ای به داده‌ها، نبود استانداردهای یکپارچه، ملاحظات حریم خصوصی و الزامات نظارتی همچنان از موانع اصلی توسعه این مدل در ایران به شمار می‌روند.

با وجود این موانع، مسیر کلی بازار نشان می‌دهد که آینده صنعت اعتبار در ایران نیز، همانند بسیاری از اقتصادهای دیگر، به سمت مدل‌هایی حرکت می‌کند که در آن داده‌های رفتاری، تحلیل هوشمند و نشانه‌های مالی روزمره جایگاه پررنگ‌تری نسبت به صرف سوابق سنتی وام خواهند داشت؛ تغییری که می‌تواند تعریف اعتبار را در اقتصاد دیجیتال بازنویسی کند.