每周一篇文章的讀書會心得報告摘要與筆記，主要段落分成：
1. 為什麼選這篇文章分享?
2. 作者為什麼要寫這篇文章?
3. 內容重點
4. 心得
原文網址：沒有信用卡、薪轉帳戶，跟銀行借錢很難？「新信用評分模型」成金融小白救星
為什麼分享這篇文章？
- 跳脫以往傳統信用評分方式
- 朋友創業、海外工作，也有面臨傳統信用評分方式評不過的困境
- 跨行業的非直接相關數據，也能協助信用評分的考核
作者為什麼寫這篇文章，想表達什麼？
- 數位金融的未來趨勢
- 數位足跡結合舊有的聯徵體系=未來的信用評分模型
重點內容
為何銀行不敢借錢給他們？- 台灣146萬家中小企業中
運將、YouTuber、電商賣家、市場菜販、夜市攤販等
高達130萬的商家從來沒有跟銀行借錢往來過
- 收入再高，缺乏與銀行往來紀錄
銀行判斷信用依據：聯徵紀錄、信用卡交易紀錄、薪轉證明
你的信用，有全新評分標準
- 近年許多銀行開始與不同平台業者、場景串接數據
透過新的信用評分模型 ，滿足「信用小白」需求
EX.銀行跟電商平台、餐飲POS系統商合作
- 借款人的授權與同意下，取得平台上的交易數據 、 來客數等資料
經過數據分析得出借款人的償債能力，決定是否借錢給他
更貼近借款人真實的財務、信用狀態。
- 銀行可根據用戶的電商交易資料、電信帳單或餐廳營業數據等標準作為信用評分模型，判斷信用高低
當數據成為主流，沒有數據的人該怎麼辦？
- 透過異業合作的數據交換，在用戶授權下，銀行能得到顧客更多的信用資料
- 數據與信用、貸款結合，在近年成為一股新趨勢
- 台灣聯徵系統非常普及
- 納入數據資料，是讓銀行更認識客戶的一種參考
- 搭配聯徵結果、個人財務狀況綜合評估
- 並非完全以搜集到的數據作為判斷的標準
- 較少「數位足跡」的人，是否可能成為弱勢？
要完全沒有數據是很難的
無論是購物、就醫，多少都會留下數據資料
就算真的都沒有，也可以循舊有的聯徵體系，去篩選客戶
總結
- 傳統聯徵系統與數據會彼此相輔相成
- 數據金融重點
- 協助銀行做風險控管
- 數據現階段作為判斷的輔助，仍需線下的交易資料佐證
- 用戶若願意開放數據資料，有助於銀行提供更好的服務與利率條件
- 未來的數據來源只會愈來愈多
- 用戶不需要刻意改變線上行為
- 每個服務商需要的數據、目的都不太相同
- 顧及A，而故意改變行為，結果反而在B服務商被扣分
- 數據來源只會愈來愈多，很難在單一個來源上做假
- 數據金融崛起
- 更多的服務商，願意採用非傳統金融數據
- 過去被忽視的信用小白，能夠敲開金融服務大門
- 數據擁有者則能整合金融服務，開創新的商業模式
個人心得
- 老路到不了新地方
數位科技造就有別於往的商業型態、商業模式與商業思維
- 數據的重要性
- 數據的另一種商業應用
- 跳脫直接數據的過往思維
- 利用間接數據佐證
- 跨行業數據的取得與授權
- 間接數據要注意關聯性以及因果關係
