இந்தியாவின் கிரெடிட் ஸ்கோர் ரகசியம்: டிஜிட்டல் டேட்டா லட்சக்கணக்கானோருக்கு கடன் பெற எப்படி உதவும்!

ECONOMY
Whalesbook Logo
AuthorAbhay Singh|Published at:
இந்தியாவின் கிரெடிட் ஸ்கோர் ரகசியம்: டிஜிட்டல் டேட்டா லட்சக்கணக்கானோருக்கு கடன் பெற எப்படி உதவும்!
Overview

கிரெடிட் ரேட்டிங் ஏஜென்சிகள், பாரம்பரிய கிரெடிட் ஹிஸ்டரிக்கு அப்பால், பரந்த அளவிலான டிஜிட்டல் டேட்டாவை அணுகுவதற்கு அழுத்தம் கொடுக்கின்றன. ஜிஎஸ்டி, யுபிஐ மற்றும் அக்கவுண்ட் அக்ரிகேட்டர்கள் போன்ற பிளாட்ஃபார்ம்கள் தனிநபர்கள் மற்றும் குறு, சிறு, நடுத்தர நிறுவனங்களின் (MSMEs) ரிஸ்க்கை சிறப்பாக மதிப்பிடுவதற்கு செறிவான நுண்ணறிவுகளை வழங்க முடியும் என்று அவர்கள் வாதிடுகின்றனர். பட்ஜெட்டுக்கு முந்தைய ஆலோசனைகளில் விவாதிக்கப்பட்ட இந்த நடவடிக்கை, கிரெடிட் மதிப்பீடுகளை மேம்படுத்துவதையும், இந்தியாவில் நிதி உள்ளடக்கத்தை (financial inclusion) அதிகரிக்கவும் நோக்கமாகக் கொண்டுள்ளது.

இந்தியாவில் உள்ள கிரெடிட் ரேட்டிங் ஏஜென்சிகள் தனிநபர்கள் மற்றும் குறு, சிறு, நடுத்தர நிறுவனங்களுக்கான (MSMEs) கிரெடிட் மதிப்பீடுகளை மேம்படுத்த, பல்வேறு டேட்டாசெட்களுக்கான அணுகலை விரிவுபடுத்த வாதிடுகின்றன. தற்போது, கிரெடிட் தகவல் நிறுவனங்கள் முக்கியமாக பாரம்பரிய நிதித் தரவுகளான, கடன் திருப்பிச் செலுத்தும் வரலாறு, கிரெடிட் கார்டு பயன்பாடு மற்றும் தனிப்பட்ட விவரங்கள் போன்றவற்றை நம்பியுள்ளன. இருப்பினும், இந்தியாவின் வலுவான டிஜிட்டல் உள்கட்டமைப்புடன், குட்ஸ் அண்ட் சர்வீசஸ் டாக்ஸ் (GST), யூனிஃபைட் பேமெண்ட்ஸ் இன்டர்ஃபேஸ் (UPI) மற்றும் அக்கவுண்ட் அக்ரிகேட்டர் நெட்வொர்க் போன்ற அமைப்புகள் உட்பட, இந்த ஏஜென்சிகள் இப்போது மிகவும் துல்லியமான தகவல்கள் கிடைப்பதாக நம்புகின்றன.
டிரான்ஸ்யூனியன் சிபில் தலைவர் V. ஆனந்தராமன், பட்ஜெட்டுக்கு முந்தைய ஆலோசனைகளின் போது, ​​"தனியுரிமையைப் பாதுகாக்கும் அதே வேளையில், மாற்றுத் தரவுகளைப் பொறுப்புடன் பயன்படுத்துவதற்கான" ஒரு பரந்த கட்டமைப்பு தேவை என்று வலியுறுத்தினார். இந்த அணுகுமுறை, ஏற்கனவே உலகளவில் நடைமுறையில் உள்ளது, கடன் வாங்குபவரின் பணப்புழக்கம் மற்றும் ஒட்டுமொத்த ரிஸ்க் சுயவிவரத்தின் தெளிவான படத்தை வழங்க முடியும். இது தனிநபர்களுக்கும், பெரும்பாலும் நிதி பெறுவதில் சவால்களை எதிர்கொள்ளும் முக்கிய MSME துறைக்கும், கடன் அணுகலை மேம்படுத்தும் வகையில், மிகவும் துல்லியமான கடன் மதிப்பீடுகளைச் செயல்படுத்தும் நோக்கம் கொண்டுள்ளது.
தற்போது இந்தியாவில் நான்கு முக்கிய கடன் தகவல் நிறுவனங்கள் உள்ளன: டிரான்ஸ்யூனியன் சிபில், ஈக்விஃபாக்ஸ் கிரெடிட் இன்ஃபர்மேஷன் சர்வீசஸ், எக்ஸ்பீரியன் கிரெடிட் இன்ஃபர்மேஷன் கம்பெனி ஆஃப் இந்தியா, மற்றும் CRIF ஹை மார்க் கிரெடிட் இன்ஃபர்மேஷன் சர்வீசஸ். இந்த நிறுவனங்கள் வங்கிகள் மற்றும் நிதி நிறுவனங்களுக்கு கடன் அறிக்கைகளை வழங்குவதன் மூலம் கடன் வழங்கும் சூழலில் முக்கிய பங்கு வகிக்கின்றன.
ஆனந்தராமன் கடன் வாங்குபவர்களுக்கு தங்கள் கிரெடிட் ஸ்கோர்களை தவறாமல் கண்காணிக்கவும், ஏதேனும் பிழைகள் இருந்தால் உடனடியாக கடன் தகவல் நிறுவனங்களுக்குத் தெரிவிக்கவும் அறிவுறுத்தினார். கிரெடிட் டேட்டாவில் ஏற்படும் மாற்றங்கள் வங்கிகளிடமிருந்து தொடங்கப்பட வேண்டும், நேரடியாக கிரெடிட் ப்யூரோக்களிடமிருந்து அல்ல, மேலும் புகார்களைத் தீர்க்க 30 நாள் கால அவகாசம் உள்ளது, தாமதங்களுக்கு இழப்பீடு வழங்கப்படலாம் என்றும் அவர் தெளிவுபடுத்தினார். மேலும், கடன் வழங்குபவரின் முடிவில் கிரெடிட் அறிக்கைகள் பல காரணிகளில் ஒன்றாக இருக்க வேண்டும், தனியாக நிர்ணயிக்கும் காரணியாக இருக்கக்கூடாது என்று அவர் வலியுறுத்தினார், இது சமீபத்திய அரசாங்கத்தின் தெளிவுபடுத்தலை எதிரொலிக்கிறது, அதாவது இந்திய ரிசர்வ் வங்கியால் கடன் விண்ணப்பங்களுக்கு எந்த குறிப்பிட்ட குறைந்தபட்ச கிரெடிட் ஸ்கோரும் கட்டாயப்படுத்தப்படவில்லை.
தாக்கம்: இந்த வளர்ச்சி இந்தியாவில் கடன் சந்தையின் செயல்திறன் மற்றும் பரப்பை கணிசமாக மேம்படுத்தக்கூடும். பல்வேறு டிஜிட்டல் தரவுகளைப் பயன்படுத்தி மிகவும் துல்லியமான ரிஸ்க் மதிப்பீட்டைச் செயல்படுத்துவதன் மூலம், இது MSMEகள் மற்றும் தனிநபர்களுக்கு அதிக கடன்கள் கிடைக்க வழிவகுக்கும், பொருளாதார நடவடிக்கைகளை அதிகரிக்கும். வங்கிகள் கடன் வழங்குவதில் அதிக நம்பிக்கையுடன் இருக்கலாம், சில பிரிவுகளுக்கு கடன் வாங்கும் செலவுகளைக் குறைக்கக்கூடும். மாற்றுத் தரவுகளின் பரவலான பயன்பாடு மிகவும் உள்ளடக்கிய நிதி அமைப்புக்கு வழிவகுக்கும். மதிப்பீடு: 7/10.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.