Рассмотрим пример выпускника университета по имени Мигель, которому срочно понадобился новый матрас из-за проблем с больной спиной. У него не было необходимых нескольких сотен долларов. Лимит его кредитки был исчерпан, а платить 39,9 процента годовых за сверхлимитное использование он не хотел, справедливо полагая, что это не поможет ему лучше спать по ночам. Поэтому, когда наступил момент оплаты в интернет-магазине матрасов Casper.com, он выбрал опцию «оплатить через Affirm». Affirm – система краткосрочного кредитования, разработанная одноименным финтех-стартапом. Мигелю тут же показали, сколько ему нужно будет платить по трех-, шести– или двенадцатимесячному графику. Сразу после того, как он выбрал тариф и сделал первый платеж в Affirm, интернет-магазин получил полную сумму и отправил ему матрас. Ни о каком резервировании до полной оплаты товара или ежемесячном начислении процентов беспокоиться не пришлось.
Руководитель Affirm Макс Левчин был одним из создателей и главным технологом PayPal. Он рассчитывает, что Affirm станет новым словом в потребительском кредитовании, подобно тому, как PayPal стал в свое время новым словом в расчетах через интернет. Он уверен в том, что социальные данные могут сделать кредиты более доступными для людей. Для лучшей оценки риска на заемщиков с минимальной кредитной историей компания Левчина использует куда больше, чем пять видов информации, которые применяются по скорингу FICO. Помимо прочего в анализе учитываются закономерности посещения интернет-сайтов, активность в Facebook и Twitter, частота телефонных звонков и текстовых сообщений и даже тип операционной системы мобильного телефона
[447]. Кроме того, в Affirm проверяют уровень активности потенциального заемщика в интернет-сообществах вроде GitHub, где разработчики размещают свои программные решения и сотрудничают друг с другом. Члены подобных сообществ обычно выступают под своими настоящими именами и имеют историю отзывов о своей работе. Некоторых потенциальных заемщиков просят предоставить Affirm право ознакомительного доступа к банковским выпискам для целей анализа их доходов и расходов
[448].
Другие финтех-стартапы обслуживают тех, у кого нет доступа к полному спектру банковских услуг. Upstart специализируется на рефинансировании долгов по кредитным картам для молодежи в возрасте двадцати-тридцати лет. Компания не ограничивается оценкой текущих доходов и расходов заемщика, а учитывает статус университета, в котором он учился, специальность по образованию, пройденные курсы и полученные оценки. Все это используется для прогнозирования будущей зарплаты и оценки вероятности возврата кредита
[449]. Схожим образом работает и ZestFinance, в которой утверждают, что используют тысячи информационных элементов для принятия решения о возможности кредитования малообеспеченных и не имеющих банковских счетов граждан. Помимо прочего аналитики обнаружили, что вероятность невозврата кредита выше среди тех, кто заполняет форму кредитной заявки заглавными буквами, не различая прописные и строчные
[450].
В каждом из этих случаев финтех-компании используют социальные данные, чтобы оценивать возможность выдачи займов людям с низким кредитным рейтингом или недостаточно хорошей кредитной историей. В Китае, где в 2015 году кредитный рейтинг имел лишь каждый пятый взрослый, социальные данные играют одну из ключевых ролей в создании отрасли потребительского кредитования
[451].
До самого последнего времени подавляющему большинству китайцев приходилось занимать деньги у друзей и родственников. В 2016 году в стране было зарегистрировано примерно 200 миллионов заявок на выдачу кредитных карт. Одобрено было всего около 30 процентов заявок, и не только по причинам плохих или недостаточно долгих кредитных историй заявителей, а еще и потому, что центральные власти устанавливают лимиты кредитования физических лиц для каждого банка
[452].
Одну из государственных лицензий на выдачу потребительских кредитов получила компания Sesame Credit – пилотный проект группы Alibaba. Более 650 миллионов человек ежегодно совершают покупки на торговых площадках Alibaba в интернете, благодаря чему в распоряжении Sesame Credit есть доступ к огромной базе данных о транзакциях и коммуникациях. Так, только за один день 11 ноября 2015 года (11/11, или День холостяка, когда Alibaba проводит фестиваль покупок для холостых и незамужних) через систему расчетов Alipay было оплачено товаров на 14 миллиардов долларов, что стало абсолютным мировым рекордом объемов продаж. Примерно 70 процентов этих покупок было сделано с помощью смартфона
[453]. Обратившись к геолокационным данным, записанным приложением Alipay, можно было установить, где именно находились покупатели в этот день. Поскольку в Alipay предусмотрена опция, позволяющая оплатить ресторанный счет в складчину, Alibaba получает информацию не только о том, где ест человек, но и в какой компании, что также учитывается в скоринговой системе Sesame Credit.
Поскольку транзакционные данные и социальный граф приобретают все большее значение для приема или отклонения кредитной заявки, людям также нужно иметь доступ к этой информации. Вам нужно понимать, какие источники информации используются при анализе и как они влияют на оценку, точно так же как в случае применения FICO, когда вам ясно, насколько оценка обусловлена своевременностью оплаты счетов. Какое значение имел семантический анализ ваших твитов, в которых можно было уловить озабоченность в связи с возможной потерей работы? Учитывались ли данные о вашем местоположении – в положительном смысле, если из них следовало, что вы допоздна засиживались на работе, или в отрицательном, если было видно, что вы частенько проводили вечера в местном баре? Может быть, ваш социальный граф проверяли на предмет наличия в нем друзей с повышенным кредитным риском, так же как это делает Allstate при работе с липовыми заявлениями на страховое возмещение? Если наличие связей с определенными людьми заставило кредитную организацию отклонить вашу заявку, вы имеете право знать, что это за люди. Точно так же, как Facebook показывает вам фото, если считает, что на нем – вы, банк должен знакомить вас с информацией, использованной при принятии решения о кредите.
