A Study on the Application of Alternative Data in Credit Assessment for the Unbanked Population
Diese Studie zeigt, dass die Integration alternativer Daten, wie etwa Miet- und Nebenkostenzahlungsgeschichten, in maschinelle Lernmodelle zur Kreditbewertung die Kreditbewilligungsraten für die „kreditunichtbare“ Bevölkerung signifikant erhöht, ohne das Ausfallrisiko wesentlich zu steigern oder die demografische Fairness zu beeinträchtigen, und damit die finanzielle Inklusion vorantreibt.