क्रेडिट स्कोर लोन ऑफर्स तय करता है, आय नहीं

### एल्गोरिथम-ड्रिवेन लेंडिंग का प्रभुत्व

लोन अप्रूवल के लिए आय पर पारंपरिक जोर अब भारत में तेजी से कम हो रहा है। लेंडर्स तेजी से एल्गोरिथम-आधारित अंडरराइटिंग अपना रहे हैं, एक डेटा-केंद्रित दृष्टिकोण जो बताए गए आय की तुलना में पुनर्भुगतान इतिहास, क्रेडिट उपयोग और वित्तीय खातों की अवधि का अधिक बारीकी से मूल्यांकन करता है। भारतीय रिजर्व बैंक का डेटा बताता है कि इन परिष्कृत अंडरराइटिंग मॉडल द्वारा संचालित खुदरा क्रेडिट में महत्वपूर्ण वार्षिक वृद्धि हुई है, जो कार्ड, 'बाय नाउ पे लेटर' (BNPL) योजनाओं और डिजिटल ऋणों में उधारकर्ता के व्यवहार का विश्लेषण करते हैं। यह विकास इंगित करता है कि समान वेतन और लोन आवेदन वाले व्यक्तियों को काफी अलग-अलग ऑफर मिल सकते हैं, एक ऐसा चलन जो फिनटेक लेंडर्स के प्रसार से बढ़ गया है जो अधिक सूक्ष्म जोखिम मूल्यांकन के लिए AI और वैकल्पिक डेटा का लाभ उठाते हैं।

### भिन्न लोन ऑफर्स: एक केस स्टडी

इस प्रतिमान बदलाव का एक striking उदाहरण दो व्यक्ति हैं, रोहित यादव और कुलदीप शर्मा, दोनों की वार्षिक आय ₹16 लाख है और उन्होंने एक ही बैंक से समान ₹50-लाख होम लोन के लिए आवेदन किया। यादव, जिन्होंने कोई भुगतान चूके बिना मजबूत क्रेडिट स्कोर बनाए रखा था, कार लोन का भुगतान कर दिया था, और क्रेडिट कार्ड का सावधानीपूर्वक उपयोग किया था, उन्हें 25 साल की पुनर्भुगतान अवधि के साथ 8.5 प्रतिशत की ब्याज दर मिली। इसके विपरीत, शर्मा, जिनके क्रेडिट प्रोफाइल में तीन साल पहले दो विलंबित भुगतान और लगातार उच्च क्रेडिट कार्ड शेष राशि दिखाई गई थी, उन्हें 9.8 प्रतिशत की उच्च ब्याज दर और छोटी 24-वर्षीय पुनर्भुगतान अवधि की पेशकश की गई थी। BankBazaar.com के सीईओ अधिल शेट्टी ने समझाया कि पुनर्भुगतान इतिहास और क्रेडिट उपयोग अक्सर एल्गोरिथम अंडरराइटिंग में आय से अधिक वजन रखते हैं। इसके अलावा, नौकरी की स्थिरता ने भी भूमिका निभाई; एक दशक में पत्रकार के रूप में चार नौकरी परिवर्तनों की तुलना में यादव के आईटी फर्म में नौ साल का निरंतर कार्यकाल पसंदीदा था।