PARA FİNANS/ BARIŞ ERGİN Ev, araba veya telefon alırken ne kadar ödeyebileceğimiz, artık skorumuzla ve bireysel reytingimizle belirlenecek. Telefon alırken kaç taksitle alacağımız ya da ev alırken ne kadar borçlanacağımızı 'big data' belirleyecek. Kredi kartı harcamaları, sosyal medya paylaşımlarımız, fatura ödeme alışkanlıklarımız; borçlanma miktarımızı da sigorta primimizi de şekillendirecek. Bu konuda özellikle fintech'ler tarafında ciddi yatırımlar var. Bu alandaki firmaların sayısı da ulaştığı kitle ve ciroları da her geçen gün artıyor.
KİŞİSEL VERİLER KULLANILIYOR
Hatta ileride bir kişiyi işe almak için verilecek karar da yine bu şirketler tarafından verilecek, demek mümkün. Veri işleme ile ve daha sonra daha anlamlı hale getirmek için yapay zekâ kullanılarak bu verilerin sonuçlarına göre bir rapor oluşturuluyor. Burada tabii kişisel bilgilerin kullanımı konusunda rıza verilmesi de gerekiyor. Tüm harcamalar, gelirler, harcama alışkanlıkları üzerine bu veriler analiz ediliyor. Sosyal medya tarafında da veriler toplanıyor. Örneğin, Instagram'da yapılan paylaşımlar üzerinden kişinin profiline yönelik veri üretiliyor. Ancak şu anda firmalar; buradaki verileri 'yanıltıcı' olacağı için çok da ciddiye almıyor, demek mümkün.
FİNANS SİSTEMİNE DAMGA VURACAK
İnteraktif Kredi Kurucu Ortağı Mustafa Gümüş, bu alanda faaliyet gösteren bir elin parmağını geçmeyecek start-up'lardan. Şimdiden 1 milyar dolar değerini aşarak unicorn olma hedefini koyduklarını belirten Mustafa Gümüş, "Algoritmamız ve data havuzu, müşterilerin sınıflandırılmasını ve sınıflandırılmış kitlelere özel kampanya yapılması gibi imkanlar veriyor. Bugün bir sigorta şirketi iseniz size sigorta şirketi içindeki müşterilerin ayda ne kadar ödeme yapabileceğini söyleyebilecek gücümüz var. Ama bunu bilmediğiniz zaman 3 bin TL ödeyebilecek bir kişiyle 15 bin TL'lik bir sigorta önerip, büyük ihtimalle o müşteriyi kaybedeceksiniz. Ya da 15 bin TL ödeyebilecek bir kişiye 3 bin TL sigorta önerdiğinizde o bunu muhtemelen kabul edecek ve aslında siz o 12 bin TL geliri de kaybetmiş olacaksınız. O yüzden bu data'yı okuma, biriktirme, çekme, birleştirme, okuma analiz etme ve sonuçlandırması önümüzdeki dönemlerde bütün ekonomi ve finans dünyasına damga vuracak" değerlendirmesinde bulundu.
Bu trendin büyüyerek devam edeceğinin altını çizen Bilgi Üniversitesi Uluslararası Finans Yüksek Lisans Programı Koordinatörü Prof. Dr. Cenktan Özyıldırım, "Artık büyük bir kesimin internet erişimi var ve daha çok insan, akıllı telefon kullanıyor. Sosyal medya ve akıllı telefon kullanımı ile oluşan büyük bir bilgi seti var. Kullanıcıların hangi sosyal medya uygulaması üzerinden giriş yaptığı, telefon konuşması kayıtları (günde kaç kişi ile konuştuğu, ortalama ne kadar süre konuştuğu vb. gibi), hangi marka cep telefonu kullandığı, akıllı telefonunda hangi uygulamaların olduğu gibi pek çok değişken kredi skorlama modellerinde kullanılabiliyor. Geleneksel olmayan verilerin kullanıldığı modellerin bizdeki Findeks'e benzer geleneksel kredi skorlarına göre daha iyi performans gösterdiğini ortaya koyan akademik çalışmalar da var" diye konuşuyor.
VERİLERE GÖRE SORUNSUZ KİRACI
İyi bir kiracı bulmak veya iyi bir kiracı olunduğunu ev sahibine ispatlamak da artık mümkün. Bunun için ilk kriterlerden birinin uzun bir süredir Türkiye'de ikamet ettiğini göstermek olduğunu belirten Mustafa Gümüş, "Ayrıca iyi bir gelire sahip olduğumu anlatmam, kiralarımı düzenli ödediğimi göstermem gerekir. Bunun için birçok farklı veriye ihtiyacımız var; kredi kartı, hesap hareketleri, geçmişteki kira ödemeleri gibi… Baktığımızda zaten bir sürü veri var, o zaman bir müşteri için ihtiyaç duyduğunda karar vermemizi sağlayacak bir veri havuzuna sahip olmamız lazım. Biz ihtiyaç duyulduğu anda kullanılabilecek ve gerekli yerlerde gerekli veriyi kullanabileceğimiz bir havuz oluşturuyoruz. Bu verilerin içinden gerekli yerde kullanabilecek küçük parçaları birleştiriyoruz" diyor.
YAPAY ZEKA EV ALMAK İÇİN TASARRUF ÖNERİSİNDE BULUNUYOR
Datayı ve yapay zekâyı kullanan yurtdışında ciddi büyümüş firmalar da var. Krediye ulaşmakta zorlananları sisteme sokan Credit firması, yapay zekâ ile bunu çözüyor ve 3.6 milyar dolar büyüklüğe ulaştı. Bir diğer örnek de Cleo. Cleo'nun işi, kredi kartı fatura bilgilerine bakıp nerelerde yanlış yapıldığını söylemek. Firma, gelecekte ne almak istenildiğini soruyor. Ev veya araba almak gibi hedefler için nasıl tasarruf edilebileceğini söylüyor. Firmanın kullanıcı sayısı 16 milyonun üzerinde.
"2025'TE 2.5 MİLYAR SORGULAMA YAPILMASI BEKLENİYOR"
Mustafa GÜMÜŞ / İnteraktif Kredi Kurucu Ortağı
2021 yılında 816 milyon risk sorgusu yapıldı. Pazar kendi içinde her yıl büyüyerek gidiyor. Sorgulama çok ciddi artacak. 2025 ve sonrası için 2.5 milyar sorgulama bekleniyor. Peki, bunu kimler sorguluyor? Öncelikle bankalar sorguluyor, kredi vermeden önce. Araç kiralama şirketleri, aracını teslim edeceği insanın ne kadar iyi olduğunu anlamak için sorguluyor. Tam geçerli olmasa da girebileceği tek kaynak orası. Ev kiralayan insanlar, evini vereceği kişinin mutlaka skoruna bakmak istiyor. Dayanıklı tüketim malı satan firmalar sorguluyor. Bizim çalıştığımız kurumlar, kredi talep eden değil kredi arz eden kurumlar; bankalar, finans kuruluşları ve perakende şirketleri. Ama bizde müşteri tarafı da güçlü. Çünkü onlar da bankaya başvurup reddedilince veya istedikleri ürün veya kiralık reddedildiğinde bu durumu nasıl düzelteceğini soruyor. Orada finansal okuryazarlık işin içine giriyor. Bireysel tarafta da uzun zamandır yönettiğimiz güçlü bir kasımız var. Haliyle ürün iki bacaklı satılıyor.
"BANKA DIŞI KESİM İÇİN ÖNEMLİ BİR GELİŞME"
Prof. Dr. Cenktan ÖZYILDIRIM / Bilgi Üniversitesi Uluslararası Finans Yüksek Lisans Programı Koordinatörü
Finansal teknolojilerin özellikle bireysel ve KOBİ kredi süreçlerinde sağladıkları ve sağlayabilecekleri çok önemli katkılar var. Bu, fintech'ler için bu alanda önemli fırsatlar yaratıyor ve önümüzdeki dönemde daha çok fintech'in bu alanda çalıştığını göreceğiz. Sağladıkları katkıların bir bacağı, müşteri deneyimi ve artan verimlilik artışıyla ilgili. Kolay başvuru ve daha hızlı değerlendirme süreçleri müşteri deneyimini artırırken, düşen maliyetler ve verimlilik artışı, kreditörlere de olumlu yansıyor. Ancak asıl önemli katkı kredi skorlama modellerindeki geliştirmelerden kaynaklanıyor. Geleneksel kredi skorlama modelleri, ister istemez müşterinin finansal geçmişine dayanan verileri kullanıyor. Bu modellerde açıklayıcı değişkenler kredi kullanma yoğunluğu, ödemelerin düzenli yapılıp yapılmadığı gibi kullanıcının kredi geçmişine dayanan faktörlerden oluşuyor. Ancak geleneksel olmayan modeller bunlar dışında fatura ödemeleri, kira ödemeleri, alışveriş işlemleri, dijital ayak izi ve akıllı telefon verilerinden faydalanarak başka açıklayıcı değişkenler oluşturarak sadece modellerin performansını artırmayı hedeflemiyorlar, aynı zamanda kredi geçmişi olmayan müşterilerin de kredi skorlarının ölçülebilmesine imkan sağlıyorlar. Başka bir ifadeyle bu çalışmaların bir toplumsal fayda tarafı da var. Türkiye'de nüfusun yüzde 30'u civarında bir kesiminin bir banka hesabı bile yok. Bunların da önemli bir kısmını ev kadınları oluşturuyor. 'Underbanked' olarak ifade edilen çok büyük bir kesimin de kredi gibi bankacılık hizmetlerine ulaşımı yok. Bu sadece bireysel için de geçerli değil. KOBİ'lerin de büyük bir kısmının bankaların kredi skorlama modellerinin kullandığı faktörlerin ölçülebilmesi için gerekli olan sağlıklı veriler konusunda sorunları olduğu için, krediye ulaşım konusunda sıkıntıları var.
