Hallgatói előadás a FinTech és banki digitalizáció workshop (BCE Gazdálkodástudományi Kar Kutatási Hét / Corvinus FinTech Center)

1. Social scoring megoldások
felhasználása hitelelbírálásnál
Frecska Éva, Dr. Trinh Anh Tuan

2. Fiatalok nehézségei a hitelfelvételnél
- MKB Mosoly Személyi Kölcsön: havi nettó 200 000 Ft
- CIB Előrelépő Személyi Kölcsön: havi nettó 250 000 Ft
- Sberbank Fair Plusz Személyi Kölcsön: havi nettó 250 000 Ft
- Cofidis Fapados Kölcsön: havi nettó 130 000 Ft
(Forrás: www.hitelnet.hu)
Tanulók felmerülő költségei
Diákhitel
Diákhitel 1: havi 15-50 000 Ft
Diákhitel 2: tandíjat fedezi
Személyi kölcsönök – rendszeres jövedelem (min. havi 100 000 Ft)
Magyarországon még NEM alkalmazzák a social scoring
megoldásokat

3. Social scoring és digitális lábnyom
u Fizetett hirdetések

4. Social scoring felhasználása
u Nagy mennyiségű, struktúrált és struktúrálatlan adat à Big Data
u Pl.: iskola elismertsége,
u Pénzügyi viselkedés,
u Baráti kör, hálózatok
u Kinek segíthet?
u Veszélyei
u Ha ismertek a szempontok
à tudatosan alakíthatják à pontatlan lehet

5. Piacelemzés
Személyi
kölcsönök
Induló vállalati
hitelek,
vállalatok
fejlesztése
Adósság-
rendezőhitelek
Diákhitelek Gépjárműhitelek
(sofőröknek)

6. Big Data Scoring
u A világ 7 országában
u Mastercard StartPath
u Azonnali, pontos meghatározás
u Több elfogadott hitelkérelem, alacsonyabb kockázat
(akár 26%-kal megbízhatóbb)
Több elfogadott hitelkérelem
Alacsonyabb kockázat

7. Diákhitel termékjavaslat
• Fogyasztói szegmens: Y és X
generáció à megbízható a social
scoring
• Kulcs partnerek:
bankok/hitelintézetek, felsőoktatási
intézmények
• Kulcs erőforrások: adatok a
hitelképesség meghatározásához, big
data technológia

8. Köszönöm a figyelmet!