各行业企业正结合开放金融（Open Finance）与人工智能技术，采用先进数据分析手段，在保持违约率不变的前提下扩大信贷供给。这些创新使信用评估更精准、个性化，助力消费者高效管理财务并提升额度。巴西央行数据显示，截至2024年2月的12个月内，个人商品贷款发放量增长18%，创近五年新高。
应对日益增长的违约问题，信贷投资组合多元化与市场细分等风险缓解策略至关重要。Serasa数据显示，2024年5月巴西违约人数达7,254万；Locomotiva研究所与MFM Tecnologia调查显示，每10个巴西家庭中有8个负债，信用卡欠款占逾期债务的60%。专家强调，增加信贷可用性的关键在于风险分析的复杂性，而AI工具可实现该过程自动化，有助于精准识别欺诈并进行客户细分。
Klavi & Company业务与营销总监Bruno Moura表示：“有效的风险分析策略应建立在数据分析文化之上，即不断评估新信息来源并定期监控旧有来源，因为公众行为模式常发生变化。”他指出，为确保信用分析安全，必须获取并分析潜在客户的广泛信息，包括历史、收入、当前财务状况、过往还款行为及经统计证明具有相关性的数据类型。
此外，需对所用技术进行良好监控和持续改进，实施系统以持续监测客户信贷表现、用于分析和模型重估的数据，并及时更新技术，确保决策敏捷性。与此相辅相成的是，还应使用稳健的统计模型（如AI）进行行为分析。
Moura强调：“仅依赖征信机构等传统数据源无法改善客户认知或形成竞争优势。同时，遵循规则和数据保护法律，利用其他数据源寻找改进机会至关重要。”
金融教育在降低违约率中的作用
消费者在使用金融资源方面的责任是整个旅程的关键环节。Bruno Moura指出，金融教育发挥着核心作用，它最能证明：若管理得当，信贷将是个人和企业实现目标的明智方式。
Moura解释道：“利用Open Finance数据的AI工具对此至关重要，能根据消费和生活画像提供正确建议，降低财务错配可能性，并向消费者表明：拥有健康财务状况将使整个生态系统受益。”
Open Finance Brazil数据显示，截至2023年12月，已有超4200万巴西人授权银行和金融机构共享数据。2023年推出15个新API，使生产环境中带API的产品总数超30个，在Open Finance第二阶段推动每周数十亿次调用。
结合金融教育，企业应制定平衡授信与低违约率的信贷政策，主要包括：
（1）受众差异化：不同人群行为特征各异，信用政策需针对每类受众、产品及服务定制化设计。
（2）变量的评估与监控：鉴于政策中存在大量数据变量，需持续关注其质量变化，包括评估行为改变及对预期结果的影响。例如疫情期间，新行为模式出现使原预测违约数据失效，能尽快监控变化的机构受冲击更小。
（3）与反欺诈、服务和催收部门的协同合作：信贷是生态系统，各环节需保持一致并共同服务于战略目标，任一环节偏差都将波及整个链条。
例如，企业可通过定制优惠、合理管理额度及全周期跟踪客户，在不增加违约的情况下显著提高信贷可用性。
Bruno Moura解释道：“试想全国有多少自由职业者可能缺乏重要信用记录但收入稳定？若有可用信贷，他们有机会扩大业务、投资工具设备从而进一步增长。通过Open Finance，可为这些人提供适当额度，在不增加违约风险下提高信贷可用性，因为你了解的是其确切财务能力，而非往往从零开始的信用记录。”
通过这些方法，企业旨在负责任地扩大信贷获取渠道，促进可持续增长，并将逾期情况控制在可控范围内。