Whalesbook
भारताच्या रिटेल क्रेडिट मार्केटमध्ये एक मोठा बदल पाहायला मिळत आहे. जुन्या क्रेडिट हिस्ट्रीऐवजी आता लोकांच्या रिअल-टाइम आर्थिक व्यवहारांवर (Real-time Financial Behaviour) आधारित कर्जं दिली जात आहेत. डिजिटल क्रांती आणि ग्राहकांचा क्रेडिट डेटाबद्दलचा वाढता सहभाग यामुळे आर्थिक समावेशनाला (Financial Inclusion) चालना मिळाली आहे, पण त्याचबरोबर काही मोठे धोकेही निर्माण झाले आहेत, ज्यावर बारकाईने लक्ष ठेवण्याची गरज आहे.
डेटा देतोय प्रवेश, पण धोकेही वाढत आहेत
भारताची क्रेडिट सिस्टीम आता अधिकाधिक डेटा-आधारित (Data-heavy) झाली आहे. Equifax नुसार, कर्ज मंजुरी आणि त्यांची किंमत आता ग्राहकांच्या वापरण्याच्या सवयी आणि परतफेडीच्या पॅटर्नवर (Repayment Habits) अवलंबून आहे. या तपशीलवार दृष्टिकोन आणि डिजिटल लेंडिंगच्या (Digital Lending) प्रसारामुळे, कमी उत्पन्न असलेल्या लोकांसाठी आणि छोट्या शहरांमधील लोकांसाठी क्रेडिटची उपलब्धता (Credit Access) वाढत आहे. एक लक्षणीय गोष्ट म्हणजे 'ॲक्टिव्ह क्रेडिट ओनरशिप' (Active Credit Ownership), जिथे डिसेंबर 2025 पर्यंत 183 दशलक्ष भारतीयांनी त्यांचे क्रेडिट स्कोअर तपासले, जे मागील वर्षाच्या तुलनेत 27% नी जास्त आहे. ग्राहकांचा हा वाढता सहभाग, ज्यामुळे त्यांचे स्कोअर सुधारत आहेत, हे अधिक माहितीपूर्ण ग्राहक वर्गाचे चित्र दर्शवते. Paytm आणि PhonePe सारखे Fintech प्लॅटफॉर्म्स मोफत क्रेडिट स्कोअर देत आहेत, ज्यामुळे पश्चिम देशांच्या तुलनेत हा ॲक्सेस खूपच स्वस्त झाला आहे.
असुरक्षित कर्जांमध्ये मोठी वाढ, RBI कडक नियमांच्या तयारीत
क्रेडिटच्या विस्तारात असुरक्षित कर्जांनी (Unsecured Loans) मोठी आघाडी घेतली आहे. मार्च 2024 पर्यंत, शेड्यूल कमर्शियल बँकांच्या (Scheduled Commercial Banks) एकूण क्रेडिटपैकी सुमारे 25.3% असुरक्षित कर्जं होती. या वेगवान वाढीमुळे नियामकांचे (Regulators) लक्ष वेधले गेले आहे. भारतीय रिझर्व्ह बँकेने (RBI) यावर प्रतिक्रिया म्हणून नियम अधिक कडक केले आहेत. बँकांना अधिक मजबूत करण्यासाठी आणि अति-वाढ मंदावण्यासाठी ग्राहक क्रेडिट (Consumer Credit) आणि क्रेडिट कार्ड रिसिव्हेबल्सवरील (Credit Card Receivables) रिस्क वेट्स (Risk Weights) वाढवण्यात आले आहेत. या उपायांमुळे बँकिंग क्षेत्राला संभाव्य धक्क्यांविरुद्ध अधिक मजबूत करणे आणि असुरक्षित कर्जं वाढल्याने वाढणारे डिफॉल्ट्स नियंत्रित करणे शक्य होईल. या सर्व उपाययोजनांनंतरही, गेल्या दशकात रिटेल क्रेडिटचे GDP च्या तुलनेत प्रमाण दुप्पट होऊन FY25 मध्ये 18% पर्यंत पोहोचले आहे.
स्पर्धा आणि Fintech ची वाढती भूमिका
भारताच्या क्रेडिट इन्फॉर्मेशन सेक्टरमध्ये Equifax (EFX मार्केट कॅप ~$23.95B, P/E ~36.88) आणि TransUnion (TRU मार्केट कॅप ~$15.1B, P/E ~33.79) सारखे मोठे जागतिक खेळाडू आहेत. भारतात, TransUnion CIBIL आणि Experian India हे मुख्य खेळाडू आहेत, ज्यापैकी Experian India ने मार्च 2025 पर्यंत ₹531 कोटी महसूल नोंदवला. Fintech क्षेत्र, ज्याचे अंदाजित मूल्य 2025 मध्ये USD 51.2 अब्ज होते आणि 2032 पर्यंत USD 145.57 अब्ज पर्यंत पोहोचण्याची शक्यता आहे, हा एक प्रमुख चालक आहे. डिजिटल लेंडिंगच्या माध्यमातून हा सेक्टर सुमारे 43% मार्केट शेअर राखतो. Fintechs विशेषतः लहान पर्सनल लोनमध्ये (Personal Loans) मजबूत आहेत, जे लवचिक सोल्युशन्स देतात, पण ते कमी नियमन असलेल्या डेटा रिपोर्टिंगसह (Data Reporting) काम करतात, ज्यामुळे पारदर्शकतेच्या (Transparency) समस्या निर्माण होऊ शकतात. संपूर्ण भारतीय Fintech मार्केट 2032 पर्यंत 16.1% CAGR दराने वाढण्याची अपेक्षा आहे.
डेटा-आधारित लेंडिंगमध्ये वाढते धोके
डेटाचा अधिक वापर आणि ग्राहक जागरूकता यामुळे कर्जाची गुणवत्ता सुधारेल अशी अपेक्षा असली तरी, असुरक्षित कर्जांच्या वेगवान वाढीमुळे मोठे धोके निर्माण झाले आहेत. क्रेडिट कार्ड डिफॉल्ट्समध्ये (Credit Card Delinquencies) वाढ झाली आहे, जिथे 91-180 दिवसांची थकीत कर्जं जून 2024 पर्यंत 7.6% पर्यंत वाढली. क्रेडिट स्कोअरिंगसाठी पर्यायी डेटा (Alternative Data) वापरल्याने समावेशनाला चालना मिळेल, पण स्थापित मानकांच्या (Established Standards) विरोधात काळजीपूर्वक तपासल्यास नवीन धोके निर्माण होऊ शकतात. RBI चे कडक नियम, जे स्थिरतेसाठी आवश्यक असले तरी, वाढ मंदावू शकतात आणि ग्राहक व व्यवसायांसाठी कर्जाचा खर्च वाढवू शकतात. क्रेडिट कार्ड पेनिट्रेशन (Credit Card Penetration) अजूनही प्रौढ लोकसंख्येच्या सुमारे 5-6% आहे, जे विस्तारासाठी वाव दर्शवते, परंतु हे बाजार नियामक बदल आणि आर्थिक मंदीसाठी किती संवेदनशील आहे हे देखील दर्शवते. याव्यतिरिक्त, काही Fintech कर्जदारांकडे पारंपारिक बँकांसारखे मजबूत रिस्क कंट्रोल्स (Risk Controls) नसतील, ज्यामुळे कर्जाची गुणवत्ता आणि डिफॉल्ट्सच्या समस्या आणखी वाढू शकतात.
भविष्यातील वाढ आणि स्थिरता
भारताचे रिटेल क्रेडिट मार्केट मजबूत वाढीसाठी सज्ज आहे, जिथे ग्राहक क्रेडिट 2033 पर्यंत 9.70% CAGR दराने 91.88 अब्ज USD पर्यंत पोहोचण्याचा अंदाज आहे. भविष्यात, टेलर्ड बँकिंग सेवा (Tailored Banking Services) आणि स्वयंचलित कर्ज (Automated Lending) यासाठी AI आणि मशीन लर्निंगचे (AI and Machine Learning) अधिक एकत्रीकरण होण्याची शक्यता आहे. तथापि, या वाढीचे भविष्य नवोपक्रम (Innovation) आणि मजबूत जोखीम व्यवस्थापनाचे (Risk Management) संतुलन साधण्यावर अवलंबून असेल, जेणेकरून आर्थिक समावेशनाच्या धडपडीमुळे व्यापक आर्थिक अस्थिरता (Financial Instability) निर्माण होणार नाही. नियामक असुरक्षित कर्जं व्यवस्थापित करणे, डेटाची अचूकता सुनिश्चित करणे आणि जबाबदार कर्ज पद्धतींना (Responsible Lending Practices) प्रोत्साहन देणे यावर लक्ष केंद्रित करत राहतील.