வீட்டுக்கடன்: சம்பள சீட்டை தாண்டி புதிய யுக்திகள் - நிதித்துறை மாற்றம்

கடன் வழங்கும் முறையில் புரட்சிகர மாற்றம்

இந்தியாவில் வீட்டுக்கடன் வழங்கும் நிறுவனங்கள், இனி வழக்கமான சம்பள சீட்டுகள் மற்றும் ஆவணங்களை மட்டும் நம்பி இருக்கப் போவதில்லை. மாறாக, கடன் வாங்குபவர்களின் டிஜிட்டல் பரிவர்த்தனை வரலாறு, ஜிஎஸ்டி (GST) தரவுகள் போன்றவற்றை ஆராய்ந்து கடன் தகுதியை நிர்ணயிக்கும் புதிய முறையை கையாளத் தொடங்கியுள்ளன.

டேட்டா அடிப்படையிலான முடிவுகள்

இந்தியாவில் சுமார் 1.2 கோடி பேர் ஃபிரிலான்ஸர்களாக (Gig Economy) உள்ளனர். இவர்களின் வருமானம் நிலையற்றதாக இருந்தாலும், கடன் திருப்பிச் செலுத்தும் திறன் அதிகமாக இருக்கலாம். இந்த பிரிவினருக்காக, AI (செயற்கை நுண்ணறிவு) மூலம் அவர்களின் வங்கிப் பரிவர்த்தனைகள், டிஜிட்டல் தடயங்கள் போன்ற பல தரவுகளை ஒருங்கிணைத்து, கடன் மதிப்பீட்டை (Creditworthiness) துல்லியமாக கணிக்க முயற்சிகள் நடக்கின்றன. PNB Housing Finance போன்ற நிறுவனங்கள் இந்த மாற்றத்தை எதிர்கொள்ள தயாராகி வருகின்றன.

புதிய ரிஸ்க்குகள் என்ன?

இந்த டிஜிட்டல் முறை, பலருக்கும் கடன் கிடைக்க வழிவகுத்தாலும், சில முக்கிய ரிஸ்க்குகளையும் கொண்டுள்ளது. 98% நிதி நிறுவனங்கள் இன்னும் தரவுகளை தனித்தனி பிரிவுகளாக (Data Silos) கையாள்கின்றன. இதனால், கடன் வழங்கும் முடிவுகளை எடுக்கும்போது முழுமையான தகவல் கிடைப்பதில்லை. மேலும், ரிசர்வ் வங்கி (RBI) செயற்கை நுண்ணறிவு மூலம் கடன் வழங்குவதில் உள்ள வெளிப்படைத்தன்மை இல்லாதது குறித்து கவலை தெரிவித்துள்ளது. நியாயமற்ற கடன் முடிவுகள் அல்லது ரிஸ்க் தவறாக கணிக்கப்பட வாய்ப்புள்ளது.

எதிர்கால நோக்கு

இந்திய வீட்டுக்கடன் துறையில், கடன் வழங்கும் திறனை ஒரு கணிப்புக் கருவியாக (Predictive Tool) பயன்படுத்தும் நிறுவனங்களே முன்னிலை வகிக்கும். ஃபிரிலான்ஸ் பொருளாதாரத்தின் வளர்ச்சிக்கு ஏற்ப, இத்தகைய 'மெல்லிய கோப்பு' (Thin-file) கடன் வாங்குபவர்களை சரியாக மதிப்பிடும் திறனே, அடுத்த கட்ட கடன் விரிவாக்கத்தை தீர்மானிக்கும்.