डिजिटल लेंडिंग इनोवेशन के उत्प्रेरक के रूप में प्रौद्योगिकी रुझान क्या हैं? Hindi-khabar

फिनटेक उधारदाताओं, हमेशा विघटनकारी, अब तेजी से नवप्रवर्तक और समर्थक के रूप में देखे जा रहे हैं। रोबोटिक्स, मशीन लर्निंग और ऑटोमेटेड डेटा एनालिटिक्स उन टूल्स में से हैं, जिनका डिजिटल लेंडिंग पर सबसे ज्यादा प्रभाव पड़ा है। यद्यपि नवाचार को बढ़ावा देने के लिए आवश्यक प्रौद्योगिकियां व्यापक रूप से सुलभ और काफी परिष्कृत हैं, फिर भी बैंकों और एनबीएफसी को भारतीय डिजिटल ऋण देने वाले पारिस्थितिकी तंत्र के सामने आने वाली चुनौतियों का समाधान करने के लिए इन तकनीकों का उपयोग करने के लिए नवीन दृष्टिकोणों के साथ आने की आवश्यकता है।

शुल्क या अन्य लागतें, समान ऋण दरें और उत्पाद जानकारी की चौबीसों घंटे उपलब्धता ने उधार उद्योग को अधिक वस्तुकृत क्षेत्र बना दिया है। उधारदाताओं को, बदले में, अपने रणनीतिक उद्देश्यों को पूरा करने और राजस्व बढ़ाने के लिए अपनी प्रतिस्पर्धात्मक बढ़त को तेज करने की आवश्यकता है। आधार और वीडियो ग्राहक पहचान प्रक्रिया (वी-सीआईपी) का उपयोग कर डिजिटल ऑनबोर्डिंग से टर्नअराउंड समय में तेजी आ सकती है, अनावश्यक लागत कम हो सकती है और नए ग्राहक प्राप्त हो सकते हैं। कृत्रिम बुद्धिमत्ता (एआई) और चेहरे की पहचान तकनीकों का उपयोग करके ग्राहक डेटा की सटीकता और अखंडता में काफी सुधार किया जा सकता है।

कम आय वाले, जोखिम भरे प्रतीत होने वाले और ऋण की कमी वाले सेगमेंट को ऋण देने के लिए पारंपरिक वित्तीय संस्थानों की अनिच्छा ने नए युग के डिजिटल ऋणदाताओं के लिए अंतराल को दो बार तेजी से भरने और एक विशाल ग्राहक आधार (अत्याधुनिक तकनीक का उपयोग) के साथ जुड़ने का द्वार खोल दिया है। और वैकल्पिक क्रेडिट आकलन)। मॉडल)। विशेष रूप से छोटे-टिकट ऋण और अग्रिमों के लिए, जो नए-से-क्रेडिट उधारकर्ताओं के बीच सबसे लोकप्रिय हैं, डिजिटल प्लेटफॉर्म पर क्रेडिट मूल्यांकन और ऋण संवितरण पारंपरिक ऋणों की तुलना में तेजी से प्रतिक्रिया प्राप्त करते हैं। क्षमता और भुगतान करने की इच्छा का आकलन करने के लिए साइकोमेट्रिक विश्लेषण के साथ संयुक्त रूप से दूरसंचार, उपयोगिताओं और सोशल मीडिया जैसे स्रोतों से अन्य सहायक डेटा के साथ संपत्ति-आधारित डेटा से कैश-फ्लो-आधारित डेटा में बदलाव पारंपरिक को मजबूत और नियमित रूप से विस्थापित कर रहा है। साख-समाज के स्त्रोत भूखे वर्गों की सेवा करना।

ऋण देने के संदर्भ में, ग्राहक अधिग्रहण में कई नवाचार हुए हैं क्योंकि ऋणदाता नए क्षेत्रों तक पहुंच बना रहे हैं और लागत कम कर रहे हैं। उदाहरण के लिए, एमएल-आधारित मॉडल का उपयोग डिजिटल उधारदाताओं द्वारा ग्राहक अधिग्रहण को चलाने के लिए अपनी उत्पाद सुविधाओं और ग्राहक संपर्क रणनीतियों को ठीक करने में मदद के लिए किया जा रहा है।

प्रमुख प्रौद्योगिकी उपकरणों की शुरुआत के साथ, उधारदाताओं के पास अब क्रेडिट जोखिम को संभावित रूप से कम करने के लिए बड़ी मात्रा में डिजिटल डेटा तक वास्तविक समय की पहुंच है। हालांकि एमएल-आधारित वैकल्पिक क्रेडिट स्कोरिंग मॉडल ने ऋण देने में वृद्धि की है, वे अनजाने में मॉडल पक्षपात और अपर्याप्त प्रशिक्षित डेटा के कारण कुछ ग्राहक खंडों को बाहर कर सकते हैं। यह उधारकर्ताओं पर ऐतिहासिक क्रेडिट-चक्र डेटा की कमी का परिणाम है। डिजिटल उधारदाताओं को भी ब्लैक-बॉक्स एमएल मॉडल बनाने से सावधान रहना चाहिए क्योंकि बैक-टेस्टिंग के माध्यम से उन्हें मान्य करना असंभव है। यह महत्व रखता है क्योंकि अधिकारी उपभोक्ताओं के हितों की रक्षा के लिए उधार देने जैसे संवेदनशील क्षेत्र में हस्तक्षेप कर सकते हैं। चीजों को पूरा करने के लिए, उधारदाताओं को पूरी तरह से समझने की आवश्यकता होगी कि एमएल मॉडल कैसे विकसित हुए हैं और क्रेडिट चक्रों की एक श्रृंखला में अपने विनिर्देशों को विवेकपूर्ण तरीके से चुनने की क्षमता है।

इसी तरह, ऑफ-बैलेंस शीट या “रेंट-ए-एनबीएफसी” मॉडल, जहां ऋणदाता कुछ क्रेडिट वृद्धि सुविधाओं की पेशकश करता है, जैसे कि ऋण के पूर्व निर्धारित प्रतिशत तक की पहली हानि गारंटी, जोखिम पैदा करने की उच्च संभावना है। . ये संस्थान अभी तक भारतीय रिजर्व बैंक के नियामक दायरे में नहीं हैं इसके अतिरिक्त, विभिन्न फिनटेक कंपनियों के साथ काम करने वाले वित्तीय संस्थानों के साथ, बड़ी संख्या में अनियमित बाजार सहभागियों और फिनटेक प्रत्यक्ष बैलेंस शीट जोखिम मान रहे हैं। ग्राहक जोखिम का सक्रिय रूप से विश्लेषण करने और वित्तीय अनियमितताओं के जोखिम का प्रबंधन करने के लिए, बैंकों और एनबीएफसी ने अपने मौजूदा ढांचे में डिजिटल टचप्वाइंट को एकीकृत करना शुरू कर दिया है।

बैंकों और एनबीएफसी द्वारा उपयोग किए जाने वाले वर्तमान ढांचे साइलो में काम करना जारी रखते हैं, भले ही वे डिजिटल टचप्वाइंट को नियोजित करना शुरू करते हैं; इसके परिणामस्वरूप कई मॉनिटरिंग प्लेटफॉर्म से प्राप्त इंटेलिजेंस का कम इष्टतम उपयोग होता है। विभिन्न जोखिम श्रेणियों के लिए कई डिजिटल स्पर्श बिंदुओं को जोड़ने से ग्राहकों को एक व्यापक और व्यावहारिक जोखिम स्कोर (एक-दृश्य जोखिम प्रोफ़ाइल) मिल सकता है, जिससे वे ऋण अवधि के बारे में सूचित निर्णय लेने में सक्षम हो सकते हैं। अनियमित लेनदेन का बेहतर पता लगाने के लिए रीयल-टाइम व्यवहार पहचान क्षमताओं और नियम इंजनों को अपग्रेड करने की आवश्यकता हो सकती है।

हालांकि भारत में औपचारिक वित्त का आमतौर पर उपयोग करने से पहले भारत को अभी भी एक लंबा रास्ता तय करना है, लेकिन अब बाजार में प्रवेश करने और उधार देने के लिए एम्बेडेड उधार और क्लाउड के लिए एक बड़ा अवसर है। डिजिटल ऋण देने में क्लाउड का उपयोग व्यवसायों को अंतहीन संभावनाओं के साथ प्रस्तुत करता है। क्लाउड का उपयोग करने के प्रमुख लाभों में उन्नत रिमोट एक्सेस, एक लचीला सदस्यता मॉडल, कम डेटा भंडारण लागत आदि शामिल हैं। स्वचालित सॉफ़्टवेयर अपग्रेड ने समय लेने वाली, श्रमसाध्य उन्नयन प्रक्रियाओं को बदल दिया है जो ऐतिहासिक रूप से उधारदाताओं के आईटी विभागों पर बोझ डालती हैं। क्लाउड के साथ, बैंकों ने अपनी सेवाएं ऑफ-प्रिमाइसेस लेने, उत्पाद की पेशकश और ग्राहक अनुभव को बेहतर बनाने के लिए अपने पूंजी निवेश के बड़े हिस्से को मुक्त करने और अपने ऋण देने वाले व्यवसाय का विस्तार करने की चपलता प्राप्त की है। क्लाउड पर स्विच करने वाले बैंक स्केल करने के लिए पर्याप्त लचीले हो सकते हैं क्योंकि उनकी कंपनियां बढ़ती हैं, उत्पादों को तेजी से लॉन्च करती हैं और नए बाजारों में प्रवेश करती हैं।

लेखक: ज्योति प्रकाश गड़िया, प्रबंध निदेशक, रिसर्जेंट इंडिया

LiveMint पर सभी उद्योग समाचार, बैंकिंग समाचार और अपडेट देखें। दैनिक बाज़ार अपडेट प्राप्त करने के लिए मिंट न्यूज़ ऐप डाउनलोड करें।

अधिक कम


और भी खबर पढ़े यहाँ क्लिक करे


ताज़ा खबरे यहाँ पढ़े


आपको हमारा पोस्ट पसंद आया तो आगे शेयर करे अपने दोस्तों के साथ


 

Leave a Comment