অর্থনীতির সবচেয়ে রক্ষণশীল দিকগুলির মধ্যে একটি, কাউকে ঋণ দেওয়ার সিদ্ধান্তটি আইটি-ভিত্তিক ক্রেডিট স্কোরিং দ্বারা রূপান্তরিত হচ্ছে। এটি এমন ব্যক্তিদের জন্য একটি ধীরে ধীরে ধীরে পরিবর্তন যা তাদের ক্রেডিট ইতিহাস সমৃদ্ধ এবং যারা দীর্ঘ সময়ের জন্য ব্যাংকগুলির সাথে ছিল। তবে, এটি ছোট ফাইলের ঋণ গ্রহণকারীদের এবং অনূদিত অর্থনীতির জন্য জীবন পরিবর্তন করতে পারে। তারা অবশেষে সিস্টেমের জন্য অদৃশ্য হওয়ার বিপরীতে সনাক্ত করা যেতে পারে। এই নিবন্ধটি ব্যক্তিদের এবং ছোট ব্যবসার জন্য আইটি-ভিত্তিক ক্রেডিট স্কোরিং সৃষ্টি করার জন্য বিকল্প তথ্যের অ্যাপ্লিকেশন নিয়ে আলোচনা করে যা Thin File and Informal Economy Problem টিন ফাইল এবং অনন্য অর্থনীতির সমস্যা ঐতিহ্যগত ক্রেডিট রেটগুলি কিছু ধরনের আর্থিক অস্তিত্ব অনুমান করে। তারা অনুমান করে যে একজন ব্যক্তি একটি ব্যাংক অ্যাকাউন্ট, আনুষ্ঠানিক আর্থিক পণ্য আছে এবং আগে ঋণ বা ক্রেডিট কার্ড ব্যবহার করেছিল। তারা অনুমান করে যে নিয়োগকর্তারা আনুষ্ঠানিকভাবে বেতন রেট পরিচালনা করে এবং ব্যবসায়ীরা অর্থনীতির দৃশ্যমান অংশে কাজ করে - ডকুমেন্ট করা অংশ। বাস্তবে, বিশ্বের একটি বিশাল অংশ এমন নয়। তরুণ প্রাপ্তবয়স্কদের প্রায়ই কোনও ঋণ বা কার্ড নেই। অভিবাসীরা তাদের মূল্যবান দেশগুলিতে ভাল ক্রেডিট ব্যাকআপের মালিক হতে পারে এবং তাদের নতুনদের কাছ থেকে কিছুই বাদ দেয় না। তাদের বেশিরভাগ লেনদেনগুলি এই ঋণ গ্রহণকারীরা অবশ্যই ঝুঁকিপূর্ণ নয়; এটি শুধুমাত্র যে সিস্টেমটি তাদের আর্থিক জীবনকে সঠিকভাবে চিহ্নিত করে এমন সংকেতগুলির জন্য অন্ধ এবং অন্ধ। এখানে ক্রেডিট স্কোরিংয়ের জন্য এআই এর অ্যাপ্লিকেশনের মৌলিক ধারণাটি সরাসরি। যেখানে অফিসের পরিসংখ্যানের অভাব বা খুব বিরল, অন্য জায়গায় খুঁজে বের করুন। আধুনিক জীবনে অনেকগুলি ডিজিটাল ফাঁক রয়েছে। যখন এই ধরনের ফাঁকগুলি সম্মতি দিয়ে দায়িত্বশীলভাবে সংগৃহীত হয় এবং আরও সংগঠিত সংকেতগুলিতে রূপান্তরিত হয়, তারা একজন ব্যক্তির স্থিতিশীলতা, তাদের লাভের সম্ আরেকটি নির্ভরযোগ্য শক্তি উৎস হল ই-কমার্স এবং ডিজিটাল প্ল্যাটফর্ম থেকে তথ্য। একটি ড্রাইভার ড্রাইভার এর অফিস ফাইলের মধ্যে সামান্য অন্তর্ভুক্ত হতে পারে, কিন্তু একটি প্ল্যাটফর্ম ভ্রমণের হিসাব, প্রতি সপ্তাহের আয়, বাতিল তথ্য, গ্রাহকের পর্যালোচনা এবং ড্রাইভারের সময়কাল অ্যাক্সেস করতে পারে। একটি বাজারে বিক্রেতা হিসাবে একটি মাইক্রো-কমার্সার অর্ডারগুলির ইতিহাস, ফেরতগুলি, অভিযোগগুলি, স্টক-আউট এবং বৃদ্ধির প্যাটার্নগুলির পিছনে ছেড়ে দেয়। অনন্য ব্যবসার ক্ষেত্রে, প্ল্যাটফর্মের ডেটা অফিসিয়াল আর্থিক পরিসংখ্যানগুলির যখন চাকরিজীবীরা বেতনদাতা পরিষেবাগুলির সাথে সংযুক্ত হয়, তখন ঋণদাতা চাকরি, মাসিক লাভ, চাকরির দৈর্ঘ্য এবং প্রতিদান পরিবর্তন নিশ্চিত করতে সক্ষম হয়। যাদের বেশ কয়েকটি পার্ট-টাইম চাকরি রয়েছে, এই যৌগিক ইমেজটি একক বেতন স্লাইডের চেয়ে অনেক বেশি তথ্যপূর্ণ হবে। অবশেষে, সঠিক ব্যবহারের সাথে, আচরণগত এবং ডিভাইস স্তরের তথ্যগুলি প্রতারণা এবং ঝুঁকি অনুমানে সাহায্য করার জন্য ব্যবহার করা যেতে পারে। একই ডিভাইসটি ব্যবহার করে যাওয়ার সময়, তাদের লগইন অবস্থানগুলির নিয়মিততা, মাসগুলিতে কিভাবে তারা অ্যাপ্লিকেশন ব্যবহার করে, পাশ How AI Transforms Sloppy Signals into a Score? কিভাবে AI Sloppy সিগন্যাল একটি স্কোরে রূপান্তরিত করে? এই অন্যান্য ডেটা উৎসগুলি ঘনত্বপূর্ণভাবে জনসংখ্যক এবং অস্থিতিশীল। টেলিকম লগ, প্ল্যাটফর্ম ইভেন্ট, ব্যাংক ট্রান্সপোর্ট এবং ডিভাইস টেলিমিটারির কাঠামো একটি ঐতিহ্যগত বেসরকারি রিপোর্টের কাঠামো নয়। তারা উচ্চতর, মাত্রাভিত্তিক এবং স্বতঃস্ফূর্ততার মডেলগুলির সাথে পরিপূর্ণ। এই মুহূর্তে, আইটি, বিশেষ করে আধুনিক মেশিন লার্নিং, প্রয়োজন। সাধারণ জীবনযাত্রা ডেটা সংগ্রহের সাথে শুরু হয়। ঋণদাতা টেলিকম অংশীদারদের, খোলা ব্যাংকিং ফিড, payroll API এবং প্ল্যাটফর্ম অংশীদারদের কাছে তথ্য তারা নিরাপদ পরিবেশে কাঁচা ডেটা অন্তর্ভুক্ত করে এবং এটি স্বাভাবিক করে। ফোন পুনরায় চার্জিং কার্যক্রম, পকেট ক্রেডিট এবং ই-কমার্স অর্ডারগুলি নিয়মিত ফরম্যাটগুলির সাথে সময় সিরিজে রূপান্তরিত হয়। অপ্রয়োজনীয় অস্বাভাবিকতা এবং পুনরাবৃত্তিগুলি অপসারণ করা হয় এবং অনুপস্থিত মানগুলি প্রক্রিয়াকরণ করা হয়। এর বাইরে, বৈশিষ্ট্যগুলি ডেটা বিজ্ঞানীদের দ্বারা নির্মাণ করা হয়। তারা কেবলমাত্র একটি মডেলে সমস্ত কাঁচা লেনদেনগুলি খাওয়ানোর পরিবর্তে সংক্ষিপ্ত পরিবর্তনগুলি তৈরি করে: গড় মাসিক নেট নগদ প্রবাহ; সপ্তাহে সপ্ত এই বৈশিষ্ট্যগুলি একটি ব্যক্তির অর্থনৈতিক জীবনকে সংখ্যাগুলিতে চাপিয়ে দেওয়ার চেষ্টা করছে যা মডেল দ্বারা পুষ্টি করা যেতে পারে। গ্র্যাডিয়েন্ট বৃদ্ধি বৃক্ষ, র্যান্ডম বন এবং নিউরন নেটওয়ার্কগুলি তারপর মেশিন শিক্ষার অ্যালগরিদম যা ঐতিহাসিক ডেটা উপর প্রশিক্ষিত হয় যেখানে ফলাফল ইতিমধ্যে পরিচিত হয়। ক্রেডিট স্কোরিংয়ের ক্ষেত্রে, ফলাফল সাধারণত নির্দিষ্ট সময়ের মধ্যে ঋণদাতা দ্বারা একটি ডিফল্ট, বলুন ছয় বা ১২ মাস। মডেলটি বৈশিষ্ট্যগুলির সংমিশ্রণগুলি জানতে পায় যা বেশি বা কম ঝুঁকি প্রদর্শন করে। মানব অ্যাকাউন্ট AUC, জিনি কারিগরি এবং কলমগোরোভ-সিমিরনভ পরিসংখ্যানের মতো পরিমাপগুলি বৈষম্যের শক্তি পরিমাপ করার জন্য ব্যবহৃত হয়, যদিও ক্যালিব্রেশন প্লটগুলি নির্দেশ করে যে পূর্বাভাসিত সম্ভাবনাগুলি প্রকৃত ডিফল্ট হারগুলির সাথে একই কিনা। শিরোনামের সংখ্যাগুলির পাশাপাশি, ঋণদাতাদের সেগমেন্ট ভিত্তিক কর্মক্ষমতা দেখতে হবে: নতুন ক্রেডিটের তুলনায় অভিজ্ঞ ঋণদাতারা, বিভিন্ন পেশা, অঞ্চল এবং আয়ের গ্রুপ। 
 
 এই গল্পটি হ্যাকারননের ব্যবসায়িক ব্লগিং প্রোগ্রামের অধীনে সানিয়া কাপুরের একটি রিলিজ হিসাবে বিতরণ করা হয়েছিল। This story was distributed as a release by Sanya Kapoor under  . HackerNoon’s Business Blogging Program HackerNoon এর ব্যবসা ব্লগিং প্রোগ্রাম HackerNoon এর ব্যবসা ব্লগিং প্রোগ্রাম

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

গল্পের মূল ভাষায় এই অডিও তৈরি!

টিন ফাইল এবং অননুমোদিত অর্থনীতির জন্য AI-powered Credit Scoring

About Author

মন্তব্য

আসে ট্যাগ

এই নিবন্ধটি উপস্থাপন করা হয়েছে

Related Stories

বোল্টজম্যান ব্রেন থিওরির একটি সংক্ষিপ্ত ভূমিকা

বিটকয়েন UTXO এর মডেল, একটি অনন্য ইকোসিস্টেমকে শক্তিশালী করে

ক্রিপ্টো গ্রোথ: কার্যকরী ব্যবহারকারী ব্যক্তিত্ব তৈরি করা

এই 18টি ডেভেলপার টুল 🚀🔥 দিয়ে আপনার উৎপাদনশীলতা বাড়ান

বোল্টজম্যান ব্রেন থিওরির একটি সংক্ষিপ্ত ভূমিকা

বিটকয়েন UTXO এর মডেল, একটি অনন্য ইকোসিস্টেমকে শক্তিশালী করে

ক্রিপ্টো গ্রোথ: কার্যকরী ব্যবহারকারী ব্যক্তিত্ব তৈরি করা

এই 18টি ডেভেলপার টুল 🚀🔥 দিয়ে আপনার উৎপাদনশীলতা বাড়ান

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps