بازی اعداد

هر روز هفته خانم لیکا (Lika) فروشنده وام‌های مصرف‌کننده در بانک TBC، یکی از بزرگ‌ترین بانک‌های گرجستان، به 170 تا 250 نفر از هموطنانش تلفن می‌ز‌ند. او خود اهدافش را انتخاب نمی‌کند. یک الگوریتم رتبه اعتباری میلیون‌ها گرجستانی را بررسی، بهترین‌ها را انتخاب و به‌طور خودکار با آنها تماس برقرار می‌کند. رتبه اعتباری افراد رقمی بین صفر تا 400 است و احتمال بازپرداخت وام را نشان می‌دهد.

چنین فرآیندی دهه‌هاست که در جهان ثروتمند اتفاق می‌افتد اما برای گرجستان پدیده‌ای تازه است. در سال 2005 تعداد انگشت‌شماری از بانک‌های گرجستان با همکاری گروه ایسلندی اطلاعات اعتباری (Creditinfo) اولین دفتر اعتباری کشور را تاسیس کردند. ظرف دو هفته این دفتر توانست سوابق 232 هزار نفر را گردآوری کند. اکنون دفتر 6 /2 میلیون گرجستانی را تحت پوشش قرار می‌دهد آن هم در کشوری که تعداد بزرگسالانش از سه میلیون تجاوز نمی‌کند.

این اقدام تاثیر بسیار عمیقی داشت. آقای واسیل (Vasil) مدیره اداره مدیریت ریسک اعتباری بانک گرجستان، بزرگ‌ترین بانک کشور از لحاظ دارایی، می‌گوید در گذشته مدیران وام هر روز 10 تصمیم می‌گرفتند. در گذشته اگر کسی درخواست وام مسکن داشت باید بررسی می‌شد که آیا خرید مسکن هدف اصلی از گرفتن وام است یا خیر. برای این منظور شما باید به آپارتمان مورد نظر رفته و اصالت آن را بررسی می‌کردید. امروز ما در کمتر از یک ثانیه 10 تصمیم می‌گیریم. ارزش وام‌ها از 10 درصد تولید ناخالص داخلی در سال 2004 به 56 درصد در سال 2016 رسید. میانگین نرخ بهره از 2 /20 به 6 /12 درصد کاهش یافت. آقای واسیل با اشاره به رشد پرونده‌های اعتباری گرجستان می‌گوید که همه‌چیز از اینجا شروع می‌شود.

وام‌دهنده بزرگ

گرجستان مسیری را که همگان پیموده‌اند با سرعت بیشتری طی می‌کند. حدود نیمی از اقتصادهای جهان دفاتر خصوصی اعتباری با درجات مختلف پیچیدگی دارند. پیدایش آنها نه‌تنها چرخ‌های توسعه اقتصادی را روغن‌کاری کرد بلکه مقدمه‌ای برای ورود اقتصاد داده‌محور و مبتنی بر الگوریتم قرن 21 بود. شرکت‌های نوین کارآفرینی این ترکیب امور مالی و فناوری را به جهان در حال توسعه می‌برند و برای تصمیم‌گیری‌های اعتباری از انواع جدید داده‌ها بهره می‌برند. آنها همانند اکثر کسب‌وکارهای داده‌محور به‌خصوصی‌ترین فضاهای مشتریان وارد می‌شوند. در قرن 20 داده‌های سیستماتیک در مورد وام‌گیرنده‌های بالقوه نادر بود. اولین دفاتر اعتباری آمریکا اداراتی محلی بودند که روزنامه‌ها را برای کسب اطلاعاتی از قبیل اعلام دستگیری، ازدواج‌ها، ترفیعات و دیگر موارد زیر و رو می‌کردند. آنها انواع اطلاعات تردیدبرانگیز از قبیل مشکلات زناشویی و فعالیت‌های سیاسی را در اختیار داشتند. در این کار از روش‌های علمی استفاده‌ای نمی‌شد.

در سال 1956 اوضاع تغییر کرد. ویلیام فر (Fair) و ارل ایزاک نظریه استفاده از داده‌ها برای پیش‌بینی احتمال نکول وام‌گیرنده را مطرح کردند. مشخص شد که وام‌های خوب با داشتن تلفن، اقامت طولانی در یک آدرس، اشتغال طولانی در یک شغل و سن متقاضی همبسته است. آنها یک بنگاه مشاورتی به نام شرکت فر و ایزاک تاسیس کردند که محصول آن یک کارت رتبه مقوایی بود که برای بانک‌ها و مشتریان خرد تهیه می‌شد. مدیران وام این کارت‌ها را با اطلاعات متقاضیان وام پر می‌کردند تا ببینند آیا سطح ریسک آنها قابل قبول است یا خیر.

گسترش کارت‌های رتبه‌بندی توجه مقررات‌گذاران را جلب کرد. همزمان دفاتر اعتباری از قبیل شرکت اعتباری خرد رشد کردند که سوابق میلیون‌ها آمریکایی را نگه می‌داشتند و با خشنودی تمام آنها را در اختیار خریداران قرار می‌دادند. پس از بروز مناظراتی که پیش‌زمینه مناقشات کنونی در زمینه حفظ حریم خصوصی داده‌ها بودند کنگره جلساتی را در این باره برگزار کرد.

این روند در سال 1970 به تصویب قانون گزارش اعتباری عادلانه (FCRA) انجامید. طبق آن قانون، دفاتر اعتباری مکلف بودند اطلاعات را فقط در اختیار کسانی قرار دهند که اهداف مشروع دارند. آنها موظف شدند صحت اطلاعات را تضمین کنند و به مصرف‌کنندگان این حق را بدهند که پرونده‌های خود را مشاهده و اصلاح کنند. قانون فرصت برابر اعتباری (ECOA) مصوب 1974 اعمال تبعیض بر مبنای جنسیت یا وضعیت تاهل توسط بانک‌ها را غیرقانونی دانست. در سال 1976 این قانون اصلاح شد تا ملاحظاتی از قبیل نژاد، دین و چند ویژگی دیگر را ممنوع سازد.

قانون گزارش اعتباری عادلانه فعالیت دفاتر اعتباری را محدود کرد اما کسب‌وکار شرکت فر-ایزاک را رونق بخشید. رتبه‌بندی اعتباری یک نظام ظاهراً علمی و غیرتبعیضی فراهم ساخت تا تعیین کند چه کسی می‌تواند وام بگیرد. همچنین نیاز به پیروی از قانون فرصت برابر اعتباری امر رتبه‌بندی را از یک وجهه لوکس برای وام‌دهندگان به یک مورد عادی در هزینه‌های کسب‌وکار تبدیل ساخت.

بزرگ‌ترین انقلاب در رتبه‌بندی اعتباری 15 سال بعد اتفاق افتاد. در سال 1989 شرکت فر-ایزاک با همکاری سه دفتر اعتباری Equifax، Experian و Trans Vnion که بر بازار مسلط بودند از اولین رتبه اعتباری مصرف‌کننده پرده برداشت. این رتبه رقمی بین 300 و 850 بود و ارقام بالاتر رتبه بهتر اعتباری را نشان می‌دادند. این رقم که به رتبه FICO  (شرکت فر-ایزاک) مشهور شد به سرعت به معیاری برای وام‌دهندگان آمریکایی تبدیل شد.

در گذشته FICO با قرار دادن ویژگی‌های گذشته مشتریان بانک‌ها در نقشه آینده آنها الگوریتم‌هایی را خلق کرده بود. رتبه جدید آن از مجموعه داده‌های سه دفتر اعتباری بهره می‌برد تا یک عدد سه‌رقمی را برای هر فرد در سیستم تعیین کند. رتبه FICO پنج مورد کلیدی را در اطلاعات مالی در نظر می‌گیرد و به هر کدام وزن می‌دهد. فرمول دقیق آن سری است اما از سابقه پرداخت (35 درصد)، کل بدهی‌های قبلی (30 درصد)، طول تاریخ اعتباری (15 درصد) و دو نمره برای ترکیبی از اعتبار مربوط به کارت‌ها، حساب‌های خرید و وام‌های مسکن (10درصد) و تقاضاها برای اعتبارات جدید (10 درصد) تشکیل می‌شود. عدد حاصله نقش مهمی در اعطای اعتبار و میزان نرخ سود آن به افراد دارد. رتبه‌های FICO هم‌اکنون در 90 درصد از تصمیم‌گیری‌های وام‌دهی آمریکا به‌کار می‌روند.

رتبه‌بندی اعتباری به سرعت در کشورهای در حال توسعه رواج می‌یابد. ظرف چند سال شرکت انت فایننشال وابسته به گروه علی‌بابا در چین یک سیستم بسیار بزرگ اعتبارسنجی به نام ژیما (Zhima) یا رتبه اعتباری زیره راه انداخت که 325 میلیون نفر را تحت پوشش قرار داد. مزایای یک رتبه خوب از سطح وام‌گیری فراتر می‌رود؛ بخشی به آن دلیل که رتبه اعتباری در اپلیکیشن پرداخت علی‌پی (Alipay) گنجانده شده است. مزایای اضافی شامل فرآیند ساده‌تر درخواست ویزا، ودیعه کمتر برای اجاره و حتی جایگاه بهتر در سایت‌های همسریابی هستند. اما بهترین شکل آن طرح پاداشی برای کاربران علی‌پی است. به این شکل که بهترین راه برای کسب رتبه اعتباری خوب آن است که زیاد از علی‌بابا استفاده کنند. دولت چین هم‌اکنون در حال ساخت سیستمی از طریق بانک ملی خود است تا رتبه‌های اعتباری مالی را به تمام شهروندان تعمیم دهد. این طرح یکی از جنبه‌های سیستم بزرگ‌تر اعتبار اجتماعی به شمار می‌آید.

اما در کشورهای کوچک و فقیر با زیرساختارهای مالی کمتر، شرکت‌های رتبه‌بندی اعتباری داده‌های زیادی برای کار ندارند. آنها به سوابق پرداخت خدماتی مانند آب‌ و برق، تلویزیون کابلی یا اینترنت نگاه می‌کنند که ابتدا ارائه می‌شوند و سپس پول آنها پرداخت می‌شود. به گفته مایکل ترنر از اندیشکده آمریکایی PERC، این‌گونه داده‌های پرداخت در غیاب سابقه اعتباری ملاک خوبی برای ارزیابی ریسک هستند. بنگاه FICO برخی از این داده‌ها را برای تعیین رتبه خاصی برای آن دسته از مصرف‌کنندگان آمریکایی به‌کار می‌برد که قبلاً در سبک داده‌های اعتباری رتبه‌بندی آنها امکان‌پذیر نبود. شرکت اطلاعات اعتباری نیز تلاش می‌کند این منابع را در غرب آفریقا به‌کار برد.

 اما در خارج از جهان غرب اکثر افراد فقیر از خدمات تلفنی همزمان با پرداخت استفاه می‌کنند و آب و برق نیز برای خانوارها ثبت می‌شود نه افراد. بنابراین گروه جدیدی از شرکت‌ها مسیر جدیدی کشف کردند. بنگاه نوپای تالا (Tala) مستقر در کالیفرنیا که در هند، مکزیک، فیلیپین و شرق آفریقا فعالیت دارد می‌گوید برای تصمیم‌گیری در مورد اعطای وام از بیش از 10 هزار نقطه داده‌ای استفاده می‌کند که از تلفن‌های هوشمند مشتریان استخراج می‌شوند. این بنگاه از سال 2014 تاکنون بیش از 500 میلیون دلار وام داده است. با وجود اینکه تالا در خارج از آمریکا فعالیت می‌کند بسیاری از ویژگی‌ها از جمله نژاد، جنسیت و دین را لحاظ نمی‌کند و بیانیه‌ای با عنوان اخلاقیات در داده‌ها منتشر می‌کند. اما داده‌هایی که این بنگاه در نظر می‌گیرد در غرب خون مقررات‌گذاران حوزه محافظت از داده‌ها را به جوش می‌آورد. وام‌گیرندگان خوب کسانی هستند که نام و نام‌خانوادگی مخاطبان را در گوشی ذخیره می‌کنند، کسانی که سفر و محل آنها از الگوهای قابل پیش‌بینی پیروی می‌کند و کسانی که با چند مخاطب به‌طور مرتب صحبت می‌کنند. 

به گفته پل راندال از بنگاه اطلاعات اعتباری که در چندین بازار کشورهای فقیر فعال است کسی که از اپلیکیشن تاکسی استفاده می‌کند ریسک کمتری دارد چون دارای یک تلفن هوشمند است که سامانه پرداخت آن به‌طور مرتب استفاده می‌شود به‌جای آنکه سامانه‌ای به منظور درخواست وام داشته باشد. افرادی که اپلیکیشن شرط‌بندی دارند پرریسک هستند. همچنین افرادی که دوستانشان سابقه بدی در بدهی دارند احتمالاً خود بدهکاران خوبی نخواهند بود.

روان‌سنجی یا آن دسته از آزمون‌های روان‌شناسی که شخصیت، ثبات رای و تعهد را اندازه می‌گیرند نیز اغلب استفاده می‌شوند. این روش‌ها مزیت‌‌ها و ریسک‌هایی دارند. آقای ترنر می‌گوید روان‌سنجی مکمل مفیدی است اما نمی‌تواند جایگزین روش‌های سنتی اعتبارسنجی و داده‌های مالی شود. از سوی دیگر، داده‌های بیش از حد نیز می‌تواند مضر باشد. او نمونه‌هایی از شرکای آن سوی دنیا می‌آورد که 26 متغیر را در کارت رتبه‌بندی به‌کار می‌بردند. به گفته او اگر در ایالات‌متحده شما 10 متغیر داشته باشید از گروه اخراج می‌شوید. وقتی 26 متغیر درگیر باشند شما نمی‌توانید سیگنال را از صدای مزاحم تشخیص دهید. میگل لیناس که در سال 1999 در تاسیس اولین دفتر اعتباری در جمهوری دومینیکن مشارکت داشت می‌گوید کشورش انواع اطلاعات از جمله قبض برق، آب، موبایل، سوابق قضایی و سوابق جنایی را در نظر می‌گیرد. اما او حساب‌های کاربری رسانه‌های اجتماعی را به عنوان سیگنال در نظر می‌گیرد در حالی که دیگر بنگاه‌های نوپا آن را منبعی از داده می‌دانند. او می‌گوید: عکس شما در حال بازی پوکر در چند سال قبل چیزی را آشکار نمی‌کند. من درباره این مسائل نگران هستم چون به حریم خصوصی احترام می‌گذارم.

از برخی جهات، وجود بنگاه‌های نوپایی که ادعا می‌کنند قادرند ارزش اعتباری فرد را از داده‌های غیرمالی تعیین کنند به وضعیت آمریکای دهه 1950 شباهت دارد. زمانی‌که طلاق‌ها و ترفیعات به صورت عادی در نظر گرفته می‌شدند. اما احتمالاً تفاوت بین رتبه‌بندی اعتباری عینی در جهان ثروتمند و روش‌های نوآورانه‌ای که در بازارهای نوظهور به‌کار می‌روند موقتی خواهد بود. روابط همبستگی عجیب و غریب نمایانگری موقتی برای ارزش اعتباری هستند اما نمی‌توان آنها را با قدرت پیش‌بینی سوابق مالی واقعی مقایسه کرد. امروزه در فیلیپین یک کشاورز ممکن است اطلاعات مرورگر اینترنت خود را برای دریافت یک وام کوچک ارائه دهد. ظرف چند سال او همانند همتایان گرجستانی خود این شانس را دارد که در معرض رگباری از تماس‌های تلفنی از بانک‌ها قرار گیرد. بانک‌هایی که اطلاعاتشان در مورد عادات روزانه او از اطلاعات مربوط به بازپرداخت وام‌ها بیشتر است.

منبع: اکونومیست