भारत में लोन का संकट: लाखों योग्य बॉरोअर्स रिजेक्ट, वजह बैंकों की पुरानी टेक्नोलॉजी!

क्यों रिजेक्ट हो रहे हैं लोन? पुरानी टेक्नोलॉजी बनी बाधक

भारत में लोन मिलने की राह में सबसे बड़ी रुकावट बैंकों के सख्त और पुराने अंडरराइटिंग मॉडल्स हैं। एक ऐसा व्यक्ति जिसकी मासिक आय ₹1.3 लाख है और क्रेडिट स्कोर 774 जैसा मजबूत है, उसे भी लोन से सीधे मना किया जा सकता है यदि उसका एम्प्लॉयर (Employer) बैंक की "अप्रूव्ड कंपनी" लिस्ट में शामिल नहीं है। ये मनमाने नियम उन अनगिनत लोगों को सिस्टम से बाहर कर देते हैं जिनके पास लोन चुकाने की क्षमता और मंशा, दोनों ही होती है।

'क्रेडिट इनविजिबिलिटी' का जाल

तकनीकी तरक्की के बावजूद, भारत की एक बड़ी आबादी अभी भी फॉर्मल क्रेडिट चैनल्स से कोसों दूर है या बेहद कम सुविधाओं का लाभ उठा पा रही है। बहुत से लोग अपना क्रेडिट स्कोर (Credit Score) तक नहीं जानते, या फिर मौजूदा क्रेडिट ब्यूरो (Credit Bureaus) के सिस्टम में कहीं दर्ज ही नहीं हैं। एक बड़ी खाई मौजूद है, जहाँ कई भारतीय अपना स्कोर चेक करने से भी डरते हैं, इस आशंका में कि कहीं इससे उनके स्कोर पर बुरा असर न पड़े। संकट तब और गहराता है जब लोगों को अपने कम स्कोर का पता चलता है, जो अक्सर 21-30 साल की उम्र वालों के लिए 650 से नीचे होता है, डिफॉल्ट (Defaults) के कारण नहीं, बल्कि क्रेडिट हिस्ट्री (Credit History) न होने की वजह से।

इनफॉर्मल लोन का जाल

जब फॉर्मल लेंडिंग संस्थाएं ऐसी बाधाएं खड़ी करती हैं, तो 'क्रेडिट-इनविजिबल' लोग मजबूरी में इनफॉर्मल क्रेडिट (Informal Credit) की ओर रुख करते हैं। ये रास्ते अक्सर कहीं ज़्यादा महंगे, खराब तरीके से रेगुलेटेड होते हैं और बॉरोअर्स (Borrowers) को एक ऐसे कर्ज के जाल में फंसा सकते हैं जिससे निकलना मुश्किल हो जाता है। सेंटर फॉर मॉनिटरिंग इंडियन इकोनॉमी (CMIE) के डेटा से एक चिंताजनक ट्रेंड सामने आता है: फिस्कल ईयर (Fiscal Year) 2018-19 और 2022-23 के बीच, आर्थिक रूप से कमजोर वर्गों के ऐसे लोगों की संख्या में कमी आई है जिन्हें सालाना फॉर्मल क्रेडिट मिल रहा था।

अल्टरनेटिव डेटा: आगे का रास्ता

केवल पारंपरिक क्रेडिट स्कोर पर निर्भर रहना, बड़ी संख्या में संभावित क्रेडिट-योग्य लोगों की पूरी तस्वीर नहीं दिखा पाता। इसका समाधान पारंपरिक ब्यूरो स्कोर को अल्टरनेटिव डेटा (Alternative Data) से मिली जानकारी के साथ जोड़ना है। इनकम ट्रांजैक्शंस (Income Transactions), ई-वॉलेट (E-wallet) एक्टिविटीज़, यूटिलिटी पेमेंट्स (Utility Payments) और बिहेवियरल सिग्नल्स (Behavioral Signals) का विश्लेषण करके एक ज़्यादा व्यापक और सूक्ष्म बॉरोअर प्रोफाइल (Borrower Profile) बनाया जा सकता है। FinBox DeviceConnect जैसे समाधानों से प्रेरित यह तरीका, लेंडर्स (Lenders) को ऐसे लोन को आत्मविश्वास से अप्रूव करने की सुविधा देता है जिन्हें पहले असेस (Assess) करना मुश्किल था। यह फाइनेंशियल इंक्लूजन (Financial Inclusion) को बढ़ावा देता है और आर्थिक विकास को गति देता है। पारंपरिक स्कोर को डायनामिक अल्टरनेटिव डेटा के साथ मिलाने वाली एक समग्र रणनीति, एक निष्पक्ष क्रेडिट इकोसिस्टम (Credit Ecosystem) के लिए ज़रूरी है।