ਭਾਰਤੀ ਬੈਂਕਾਂ ਦੀ ਨਵੀਂ ਰਣਨੀਤੀ: ਹੁਣ ਕੈਸ਼ਫਲੋਅ ਆਧਾਰਿਤ ਕਰਜ਼ੇ, Home First Finance ਵੀ ਸ਼ਾਮਿਲ

ਭਾਰਤ ਵਿੱਚ, Home First Finance ਸਮੇਤ ਕਈ ਬੈਂਕ ਹੁਣ ਸਿਰਫ਼ ਕਾਗਜ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਦੀ ਬਜਾਏ, ਕਰਜ਼ਾ ਦੇਣ ਲਈ ਗਾਹਕਾਂ ਦੇ ਕੈਸ਼ਫਲੋਅ (Cashflow) ਦਾ ਡਾਇਨਾਮਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਰਹੇ ਹਨ। UPI, GST ਅਤੇ ਅਕਾਊਂਟ ਐਗਰੀਗੇਟਰ (Account Aggregator) ਫਰੇਮਵਰਕ ਦੀ ਮਦਦ ਨਾਲ, NBFCs ਹੁਣ ਸੈਲਫ-ਇੰਪਲੌਇਡ (Self-employed) ਅਤੇ ਇਨਫਾਰਮਲ (Informal) ਕਰਜ਼ਾ ਲੈਣ ਵਾਲਿਆਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾ ਰਹੇ ਹਨ। ਇਹ ਡਿਜੀਟਲ ਬਦਲਾਅ ਜੋਖਮ ਮੁਲਾਂਕਣ (Risk Assessment) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖਦਾ ਹੈ, ਪਰ ਇਸਦੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਕਰਜ਼ਾ ਦੇਣਾ ਵੀ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ।

ਕੀ ਹੋਇਆ ਹੈ?

ਭਾਰਤ ਦੀਆਂ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ (Financial Institutions) ਕਰਜ਼ਾ ਦੇਣ ਦੇ ਆਪਣੇ ਤਰੀਕਿਆਂ ਨੂੰ ਬਦਲ ਰਹੀਆਂ ਹਨ। ਹੁਣ ਉਹ ਸਿਰਫ਼ ਤਨਖਾਹ ਸਲਿੱਪਾਂ (Salary Slips) ਅਤੇ ਇਨਕਮ ਟੈਕਸ ਰਿਟਰਨ (ITR) ਵਰਗੇ ਸਟੈਟਿਕ (Static) ਕਾਗਜ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਰਹਿਣਗੀਆਂ। Home First Finance Company ਦੇ ਪ੍ਰਬੰਧਨ (Management) ਮੁਤਾਬਕ, ਇੰਡਸਟਰੀ ਹੁਣ ਕਰਜ਼ਾ ਲੈਣ ਵਾਲੇ ਦੀ ਯੋਗਤਾ (Creditworthiness) ਪਰਖਣ ਲਈ ਡਾਇਨਾਮਿਕ (Dynamic) ਵਿੱਤੀ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀ ਹੈ। ਇਸ ਬਦਲਾਅ ਵਿੱਚ ਯੂਨੀਫਾਈਡ ਪੇਮੈਂਟਸ ਇੰਟਰਫੇਸ (UPI) ਟ੍ਰਾਂਜ਼ੈਕਸ਼ਨ (Transaction) ਹਿਸਟਰੀ, ਮਰਚੈਂਟ QR-ਕੋਡ ਕਲੈਕਸ਼ਨ ਅਤੇ GST ਫਾਈਲਿੰਗ ਵਰਗੇ ਡਿਜੀਟਲ ਫੁੱਟਪ੍ਰਿੰਟਸ (Digital Footprints) ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਇਸ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਸੈਲਫ-ਇੰਪਲੌਇਡ ਵਿਅਕਤੀਆਂ, ਛੋਟੇ ਕਾਰੋਬਾਰੀਆਂ ਅਤੇ ਗਿਗ ਇਕਾਨਮੀ (Gig Economy) ਵਰਕਰਾਂ ਨੂੰ ਕਰਜ਼ਾ ਦੇਣਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਕੋਲ ਰਵਾਇਤੀ ਵਿੱਤੀ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਕਮੀ ਹੋ ਸਕਦੀ ਹੈ ਪਰ ਉਨ੍ਹਾਂ ਦੀ ਡਿਜੀਟਲ ਆਮਦਨ ਦਾ ਪਤਾ ਲੱਗ ਜਾਂਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?

NBFCs ਅਤੇ ਹਾਊਸਿੰਗ ਫਾਈਨਾਂਸ ਕੰਪਨੀਆਂ ਲਈ, ਇਹ ਤਕਨੀਕੀ ਬਦਲਾਅ ਆਪਣਾ ਮਾਰਕੀਟ ਵਧਾਉਣ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ। ਰਵਾਇਤੀ ਤਨਖਾਹਦਾਰ ਵਰਗ ਤੋਂ ਬਾਹਰ ਦੇ ਕਰਜ਼ਾ ਲੈਣ ਵਾਲਿਆਂ ਦੇ ਕ੍ਰੈਡਿਟ ਜੋਖਮ (Credit Risk) ਦਾ ਸਹੀ ਮੁਲਾਂਕਣ ਕਰਕੇ, ਬੈਂਕ ਆਪਣੇ ਲੋਨ ਬੁੱਕ (Loan Books) ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ (High-Quality) ਵਾਲੇ ਕਰਜ਼ਾ ਲੈਣ ਵਾਲਿਆਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਪਹਿਲਾਂ ਬਾਹਰ ਰਹਿ ਗਏ ਸਨ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਸ ਮਾਡਲ ਦੇ ਬਦਲਾਅ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣਾ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਰਜ਼ਾ ਵਾਧੇ (Loan Growth) ਅਤੇ ਜਾਇਦਾਦ ਦੀ ਗੁਣਵੱਤਾ (Asset Quality) ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਦੀ ਕੰਪਨੀ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਡਾਟਾ-ਆਧਾਰਿਤ ਪਹੁੰਚ ਜੋਖਮਾਂ ਦੇ ਵਧੇਰੇ ਸਹੀ ਮੁੱਲਾਂਕਣ ਅਤੇ ਸਮੇਂ ਦੇ ਨਾਲ ਘੱਟ ਡਿਫਾਲਟ ਦਰਾਂ (Default Rates) ਵੱਲ ਲੈ ਜਾ ਸਕਦੀ ਹੈ।

ਟੈਕਨਾਲੋਜੀ ਅਤੇ ਰੈਗੂਲੇਸ਼ਨ (Regulation) ਦੀ ਭੂਮਿਕਾ

ਅਕਾਊਂਟ ਐਗਰੀਗੇਟਰ (AA) ਫਰੇਮਵਰਕ ਨੂੰ ਅਪਣਾਉਣਾ ਇਸ ਬਦਲਾਅ ਦਾ ਮੁੱਖ ਕਾਰਨ ਰਿਹਾ ਹੈ। ਇਹ ਰੈਗੂਲੇਟਰੀ ਪਹਿਲਕਦਮੀ ਸੰਸਥਾਵਾਂ ਵਿਚਕਾਰ ਵਿੱਤੀ ਡਾਟਾ ਦੀ ਸਹਿਮਤੀ-ਆਧਾਰਿਤ (Consent-based) ਸਾਂਝ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਇਸ ਸਟਰਕਚਰਡ (Structured) ਡਾਟਾ ਫੀਡਾਂ ਨੂੰ AI-ਆਧਾਰਿਤ ਅੰਡਰਰਾਈਟਿੰਗ (Underwriting) ਮਾਡਲਾਂ ਨਾਲ ਜੋੜ ਕੇ, ਬੈਂਕ ਹੁਣ ਰੀਅਲ-ਟਾਈਮ (Real-time) ਵਿੱਚ ਕੈਸ਼ਫਲੋਅ ਦੀ ਇਕਸਾਰਤਾ, ਖਰਚ ਕਰਨ ਦੀਆਂ ਆਦਤਾਂ ਅਤੇ ਵਾਪਸੀ ਅਨੁਸ਼ਾਸਨ (Repayment Discipline) ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਨਾਲ ਮੈਨੂਅਲ (Manual) ਡਾਟਾ ਤਸਦੀਕ ਵਿੱਚ ਲੱਗਣ ਵਾਲਾ ਸਮਾਂ ਅਤੇ ਲਾਗਤ ਘੱਟ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ (Operational Efficiency) ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ।

ਜੋਖਮਾਂ ਦਾ ਪ੍ਰਬੰਧਨ (Managing the Risks)

ਜਦੋਂ ਕਿ ਡਿਜੀਟਲ ਡਾਟਾ ਏਕੀਕਰਨ (Data Integration) ਵਿੱਤੀ ਸਿਹਤ ਦਾ ਵਧੇਰੇ ਵਿਆਪਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇਹ ਸਖ਼ਤ ਜੋਖਮ ਪ੍ਰਬੰਧਨ (Risk Management) ਦਾ ਪੂਰਾ ਬਦਲ ਨਹੀਂ ਹੈ। ਇੰਡਸਟਰੀ 'ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਕਰਜ਼ਾ ਦੇਣ' (Responsible Lending) ਦੀ ਲੋੜ 'ਤੇ ਜ਼ੋਰ ਦੇਣਾ ਜਾਰੀ ਰੱਖਦੀ ਹੈ। ਬੈਂਕਾਂ ਲਈ ਜੋਖਮ ਇਹ ਹੈ ਕਿ ਸਿਰਫ਼ ਆਟੋਮੇਟਿਡ (Automated) ਡਾਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਨਾਲ ਕੁਝ ਅਜਿਹੇ ਵਿਵਹਾਰਕ ਸੰਕੇਤ (Behavioral Cues) ਜਾਂ ਵਿਲੱਖਣ ਆਰਥਿਕ ਤਣਾਅ (Economic Stresses) ਅਣਦੇਖੇ ਰਹਿ ਸਕਦੇ ਹਨ ਜੋ ਖਾਸ ਕਰਜ਼ਾ ਲੈਣ ਵਾਲੇ ਸੈਗਮੈਂਟਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਡਿਜੀਟਲ ਟ੍ਰੇਲ (Digital Trails) ਜ਼ਿਆਦਾ ਕਰਜ਼ਾ ਲੈਣ (Over-leveraging) ਦੇ ਜੋਖਮ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦੇ। ਜੇ ਅੰਡਰਰਾਈਟਿੰਗ ਮਾਡਲ ਲੰਬੇ ਸਮੇਂ ਦੀ ਆਮਦਨ ਦੀ ਅਸਥਿਰਤਾ (Income Volatility) ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖੇ ਬਿਨਾਂ, ਹਾਲੀਆ ਖਰਚਿਆਂ ਦੇ ਪੈਟਰਨ ਦੇ ਆਧਾਰ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਸ਼ਾਵਾਦੀ (Optimistic) ਹੋ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਇਹ ਆਖਰਕਾਰ ਜਾਇਦਾਦ ਦੀ ਗੁਣਵੱਤਾ 'ਤੇ ਦਬਾਅ ਪਾ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਆਰਥਿਕ ਮੰਦੀ (Economic Downturns) ਦੌਰਾਨ।

ਨਿਵੇਸ਼ਕਾਂ (Investors) ਨੂੰ ਕੀ ਟਰੈਕ (Track) ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਜਿਹੜੇ ਨਿਵੇਸ਼ਕ ਇਹਨਾਂ ਹਾਈਬ੍ਰਿਡ (Hybrid) ਅੰਡਰਰਾਈਟਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ ਵਾਲੀਆਂ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰ ਰਹੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਕਈ ਮੁੱਖ ਮੈਟ੍ਰਿਕਸ (Metrics) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਪਹਿਲਾਂ, ਨਾਨ-ਪਰਫਾਰਮਿੰਗ ਐਸੇਟਸ (NPAs) ਅਤੇ ਕ੍ਰੈਡਿਟ ਲਾਗਤਾਂ (Credit Costs) ਦੇ ਰੁਝਾਨ ਦੀ ਨਿਗਰਾਨੀ ਕਰੋ, ਕਿਉਂਕਿ ਇਹ ਦਰਸਾਉਣਗੇ ਕਿ ਕੀ ਨਵੇਂ ਡਾਟਾ-ਆਧਾਰਿਤ ਮਾਡਲ ਜੋਖਮ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪਛਾਣ ਕਰ ਰਹੇ ਹਨ। ਦੂਜਾ, ਨੈੱਟ ਇੰਟਰੈਸਟ ਮਾਰਜਨ (NIMs) ਦਾ ਨਿਰੀਖਣ ਕਰੋ, ਕਿਉਂਕਿ ਐਡਵਾਂਸਡ AI ਅਤੇ ਡਾਟਾ-ਐਨਾਲਿਟਿਕਸ (Data-analytics) ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਦੀ ਲਾਗਤ ਮੁਨਾਫੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, ਪ੍ਰਬੰਧਨ ਦੀ ਟਿੱਪਣੀ (Management Commentary) ਵੇਖੋ ਕਿ ਕੰਪਨੀ ਆਪਣੇ ਕਰਜ਼ਾ ਵਾਧੇ ਦੇ ਟੀਚਿਆਂ ਨੂੰ ਕ੍ਰੈਡਿਟ ਅਨੁਸ਼ਾਸਨ ਨਾਲ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰਦੀ ਹੈ। ਸੈਲਫ-ਇੰਪਲੌਇਡ ਸੈਗਮੈਂਟ ਵਿੱਚ ਟਿਕਾਊ ਵਿਕਾਸ, ਸਥਿਰ ਜਾਇਦਾਦ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਨਾਲ, ਇਹ ਸੰਕੇਤ ਦੇਵੇਗਾ ਕਿ ਕੀ ਇਹ ਨਵੇਂ ਮੁਲਾਂਕਣ ਰਣਨੀਤੀਆਂ ਅਸਲ ਵਿੱਚ ਲੋੜੀਂਦੇ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰ ਰਹੀਆਂ ਹਨ।