భారత రుణ సంక్షోభం: పాత టెక్నాలజీతో మంచి రుణగ్రహీతలకు మొండిచెయ్యి!

రుణ తిరస్కరణకు కారణమేంటి?

భారతదేశంలో క్రెడిట్ యాక్సెస్ సమస్యకు మూల కారణం బ్యాంకుల అతి కఠినమైన, పాతబడిపోయిన అండర్‌రైటింగ్ మోడల్స్. అధిక ఆదాయం, మంచి క్రెడిట్ స్కోర్ ఉన్నప్పటికీ, ఒక రుణగ్రహీత ఆదాయం నెలకు ₹1.3 లక్షలు ఉండి, క్రెడిట్ స్కోర్ 774 ఉన్నప్పటికీ, ఆ వ్యక్తి పనిచేస్తున్న కంపెనీ బ్యాంక్ అంతర్గత "ఆమోదిత కంపెనీల" జాబితాలో లేకపోతే, రుణం తిరస్కరణకు గురవుతుంది. ఇలాంటి యాదృచ్ఛిక అడ్డంకులు, తిరిగి చెల్లించే సామర్థ్యం, ​​ఉద్దేశ్యం రెండూ ఉన్న ఎంతో మందిని ఆర్థిక వ్యవస్థ నుండి దూరం చేస్తున్నాయి.

క్రెడిట్ అదృశ్యత (Credit Invisibility) మయం

సాంకేతిక పురోగతి ఉన్నప్పటికీ, భారతదేశంలో గణనీయమైన జనాభా అధికారిక రుణ మార్గాల ద్వారా సేవలు పొందడం లేదు లేదా తక్కువగా పొందుతున్నారు. చాలా మంది తమ క్రెడిట్ స్కోర్ గురించి తెలియక, లేదా క్రెడిట్ బ్యూరోల ద్వారా గుర్తించబడక ఇబ్బందులు పడుతున్నారు. ఒక అధ్యయనం ప్రకారం, చాలా మంది భారతీయులు తమ స్కోర్‌ను ప్రతికూలంగా ప్రభావితం చేస్తుందనే భయంతో ఎప్పుడూ తమ క్రెడిట్ స్కోర్‌ను తనిఖీ చేసుకోలేదు. ముఖ్యంగా 21-30 ఏళ్ల మధ్య వయస్సు గలవారిలో చాలా మందికి 650 కంటే తక్కువ స్కోర్లు ఉన్నాయని, ఇది డిఫాల్ట్‌ల వల్ల కాకుండా, క్రెడిట్ హిస్టరీ లేకపోవడం వల్లనే అని తెలుస్తోంది.

అనధికారిక రుణాల ఉచ్చు

అధికారిక రుణ సంస్థలు ఇలాంటి అడ్డంకులను సృష్టించినప్పుడు, క్రెడిట్ అదృశ్యతలో ఉన్న వ్యక్తులు అనధికారిక రుణాల వైపు వెళ్లాల్సి వస్తుంది. ఈ మార్గాలు సాధారణంగా చాలా ఖరీదైనవి, సరిగా నియంత్రించబడనివి, మరియు రుణగ్రహీతలను తట్టుకోలేని అప్పుల చక్రాలలో చిక్కుకుపోయేలా చేస్తాయి. సెంటర్ ఫర్ మానిటరింగ్ ఇండియన్ ఎకానమీ (CMIE) డేటా ప్రకారం, ఆర్థిక సంవత్సరం 2018-19 నుండి 2022-23 మధ్య, ఆర్థికంగా బలహీన వర్గాల నుంచి అధికారిక రుణాలను పొందుతున్న వారి సంఖ్య వార్షికంగా తగ్గింది.

ప్రత్యామ్నాయ డేటానే మార్గం

సాంప్రదాయ క్రెడిట్ స్కోర్‌లపై మాత్రమే ఆధారపడటం, అర్హత కలిగిన వ్యక్తుల విస్తారమైన మార్కెట్‌ను గుర్తించడంలో విఫలమవుతుంది. దీనికి పరిష్కారం, ప్రత్యామ్నాయ డేటా అంతర్దృష్టులతో బ్యూరో స్కోర్‌లను మెరుగుపరచడం. ఆదాయ లావాదేవీలు, ఈ-వాలెట్ కార్యకలాపాలు, యుటిలిటీ చెల్లింపులు, మరియు ప్రవర్తనా సంకేతాలను విశ్లేషించడం ద్వారా మరింత సమగ్రమైన, సూక్ష్మమైన రుణగ్రహీత ప్రొఫైల్‌ను నిర్మించవచ్చు. FinBox DeviceConnect వంటి పరిష్కారాలు దీనికి ఉదాహరణ. ఇవి మునుపు అంచనా వేయలేని రుణాలను ఆత్మవిశ్వాసంతో ఆమోదించడానికి రుణదాతలకు సహాయపడతాయి, తద్వారా ఆర్థిక చేరికను ప్రోత్సహిస్తాయి. సాంప్రదాయ స్కోర్‌లను డైనమిక్ ప్రత్యామ్నాయ డేటాతో కలపడం ఒక సమానమైన క్రెడిట్ పర్యావరణ వ్యవస్థకు కీలకం.