ระบบนิเวศสินเชื่อบนฐานข้อมูลข่าวสาร: กุญแจสู่ระบบการเงินที่ทั่วถึง

คำกล่าวข้างต้นคือบทบาทของระบบการเงินในทรรศนะของ Lawrence Summers อดีตหัวหน้านักเศรษฐศาสตร์ธนาคารโลกและอธิการบดีมหาวิทยาลัยฮาร์วาร์ด ประเทศสหรัฐอเมริกา ที่แสดงต่อกลุ่มนักเศรษฐศาสตร์ชั้นนำของโลกในงานประชุม American Economic Association ประจำปี 2543 ภายใต้หัวข้อ Understanding, Preventing and Containing Financial Crisis ซึ่งเกี่ยวข้องกับการบริหารจัดการความเสี่ยงในการเกิดวิกฤตเศรษฐกิจ Summers ได้เน้นย้ำถึงบทบาทของระบบการเงินโดยมีนัยว่าการจัดการความเสี่ยงต้องมาคู่กับการรักษาบทบาทของระบบการเงินในการจัดสรรทรัพยากรทางการเงินอย่างมีประสิทธิภาพ

หลังจากเผชิญวิกฤตการณ์เศรษฐกิจในปี 2540 ระบบการเงินไทยมีความมั่นคงและมีระบบการจัดการความเสี่ยงที่เข้มข้นขึ้นมาก แต่หากเรามองผ่านทรรศนะของ Summers เราจะพบความบกพร่องในการจัดสรรทรัพยากรทางการเงินของไทย ข้างหนึ่งคือคนจำนวนมากที่เข้าไม่ถึงสินเชื่อในระบบและเผชิญกับอัตราดอกเบี้ยที่สูงมาก อีกข้างหนึ่งมีคนจำนวนน้อยที่มีความมั่งคั่งมาก แต่กลับแสวงหาผลิตภัณฑ์การออมที่ให้ผลตอบแทนเหมาะสมไม่พบ ระบบการเงินไทยยังไม่สามารถทำให้คนสองกลุ่มนี้มาเจอกัน

หลักฐานเชิงประจักษ์บ่งชี้ว่าระบบการเงินไทยจัดสรรทรัพยากรทางการเงินได้สำเร็จในเชิงปริมาณแต่ยังขาดคุณภาพในแง่ของความครบถ้วนและความเท่าเทียมของต้นทุนในการเข้าถึง ในเชิงปริมาณ ข้อมูลการสำรวจภาวะเศรษฐกิจสังคมของครัวเรือน ปี 2559 ชี้ว่ามีประชากรไทยเพียงร้อยละ 6.6 ที่เข้าไม่ถึงบริการทางการเงินพื้นฐานจากสถาบันการเงินในระบบ¹ ได้แก่ บริการโอนเงิน ชำระเงิน ฝากเงิน และกู้เงิน (หรือเรียกคนกลุ่มนี้ว่า unbanked person) แต่ในเชิงคุณภาพ กลับยังมีประชากรไทยอีกร้อยละ 33.2 ที่เข้าถึงอย่างน้อยหนึ่งบริการแต่ได้รับไม่ครบ 4 บริการ (หรือเรียกคนกลุ่มนี้ว่า underserved person) ทั้งนี้สินเชื่อเป็นผลิตภัณฑ์ทางการเงินที่คนไทยเข้าถึงน้อยที่สุด โดยมีคนไทยประมาณร้อยละ 25 ที่มีความต้องการสินเชื่อแต่ไม่ได้รับบริการจากสถาบันการเงินในระบบ (รูปที่ 1)

นอกจากนี้ ระบบเศรษฐกิจไทยยังเผชิญความเหลื่อมล้ำของต้นทุนในการเข้าถึงบริการทางการเงิน ต้นทุนดังกล่าวสามารถวัดได้จากดอกเบี้ยจ่ายหักดอกเบี้ยรับจากสถาบันการเงินในระบบคิดต่อผลรวมของมูลค่าสินเชื่อและเงินฝาก เราพบว่าครัวเรือนที่มีรายได้ต่ำกว่าเปอร์เซ็นไทล์ที่ 10 มีต้นทุนในการใช้บริการทางการเงินสูงกว่าครัวเรือนรายได้สูงกว่าเปอร์เซ็นไทล์ที่ 90 ถึง 3 เท่า ขณะที่มีรายได้น้อยกว่าถึง 18 เท่า ความเหลื่อมล้ำของการเข้าถึงระบบการเงินเป็นเครื่องชี้ถึงความเหลื่อมล้ำของโอกาสซึ่งเป็นรากเหง้าของความเหลื่อมล้ำในมิติอื่น ๆ โดยงานศึกษาของ Aslan, Deléchat, Newiak, and Yang (2017) พบว่าความเหลื่อมล้ำของการเข้าถึงบริการทางการเงินส่งผลให้ความเหลื่อมล้ำด้านรายได้เพิ่มขึ้นอย่างมีนัยสำคัญ²

คนที่เข้าไม่ถึงบริการทางเงินในระบบมีลักษณะอย่างไร? ข้อมูลการสำรวจภาวะเศรษฐกิจและสังคมของครัวเรือนชี้ว่าครัวเรือนที่จัดอยู่ในกลุ่ม unbanked person และ underserved person มีลักษณะร่วมกัน 3 ประการสำคัญ ได้แก่ เป็นผู้มีรายได้น้อย (ครัวเรือนที่มีรายได้ต่ำกว่า 8,000 บาทต่อเดือน) ขาดความรู้ (ระดับการศึกษาเทียบเท่าหรือต่ำกว่าประถมศึกษา) และอาศัยอยู่นอกเขตเทศบาล เราศึกษาอิทธิพลของลักษณะครัวเรือนดังกล่าวต่อโอกาสในการเข้าถึงบริการทางการเงินพื้นฐานครบ 4 ประการโดยใช้แบบจำลอง Probit ซึ่งควบคุมผลของปัจจัยทางเศรษฐกิจอื่นแล้ว ผลการศึกษาพบว่าในปี 2553 ครัวเรือนรายได้น้อยมีโอกาสที่จะเข้าถึงบริการทางการเงินพื้นฐานจากสถาบันการเงินในระบบน้อยกว่าผู้อื่นร้อยละ 15 ขณะที่ครัวเรือนที่ขาดความรู้จะมีโอกาสเข้าถึงบริการทางการเงินน้อยกว่าผู้อื่นร้อยละ 22 สำหรับครัวเรือนที่อาศัยอยู่นอกเขตเทศบาลจะมีโอกาสเข้าถึงบริการทางการเงินน้อยกว่าครัวเรือนที่อยู่ในเขตเทศบาลร้อยละ 6 (รูปที่ 2)

นอกจากนี้ ครัวเรือนที่มีลักษณะดังกล่าวร่วมกันมากกว่า 1 ลักษณะจะมีโอกาสเข้าถึงบริการทางการเงินลดลงมากกว่าตัวเลขที่ได้จากการบวกกันโดยตรง ยกตัวอย่างเช่น ครัวเรือนที่มีรายได้น้อยและขาดความรู้จะมีโอกาสเข้าถึงบริการทางการเงินพื้นฐานน้อยกว่าครัวเรือนทั่วไปร้อยละ 39 ซึ่งสูงกว่าโอกาสที่คิดได้จากการบวกกันโดยตรงที่ร้อยละ 37 เป็นต้น และสำหรับครัวเรือนที่มีลักษณะดังกล่าวครบสามประการ คือ มีรายได้น้อย ขาดความรู้ และอาศัยอยู่นอกเขตเทศบาลจะมีโอกาสเข้าถึงบริการทางการเงินในระบบน้อยกว่าถึงร้อยละ 46 เมื่อเทียบกับครัวเรือนทั่วไป สิ่งที่น่ากังวลคือครัวเรือนกลุ่มนี้มีโอกาสเข้าถึงบริการทางการเงินในระบบน้อยลงไปอีกเมื่อเวลาผ่านไป โดยมีโอกาสเข้าไม่ถึงบริการทางการเงินในระบบถึงร้อยละ 53 ในปี 2559 สะท้อนว่าสถานการณ์ทวีความรุนแรงขึ้น

ในการให้สินเชื่อ สถาบันการเงินจะทราบถึงโอกาสและความเสี่ยงของผู้กู้ได้จากการวิเคราะห์ข้อมูลซึ่งทำหน้าที่เป็นตัวแทน (proxy) สะท้อนตัวตนของผู้กู้ ดังนั้น ครัวเรือนจะเข้าถึงสินเชื่อได้ก็ต่อเมื่อสถาบันการเงินสามารถเก็บและใช้งานข้อมูลของครัวเรือนนั้น ๆ ได้

หากมองย้อนกลับไป เราจะเห็นถึงวิวัฒนาการของข้อมูลตัวแทนที่เปลี่ยนแปลงไปตามสภาวะเศรษฐกิจ สังคมและเทคโนโลยี ในอดีตที่ยังไม่มีข้อมูลเชิงปริมาณและเครื่องมือทางสถิติ สถาบันการเงินพิจารณาสินเชื่อจากการแนะนำผ่านบุคคลที่น่าเชื่อถือและใช้ตัวแทนสาขาเก็บข้อมูล (connection-based banking) ซึ่งมีต้นทุนสูง สินเชื่อจึงกระจุกตัวอยู่กับลูกค้ารายใหญ่ในบางธุรกิจ ในยุคต่อมา ธนาคารพาณิชย์เริ่มนำระบบหลักประกันมาใช้ (collateral-based banking) เพื่อเป็นข้อมูลสะท้อนถึงความเสี่ยงในการผิดนัดชำระหนี้ การวางหลักประกันเอื้อให้ผู้กู้ที่ไม่มี connection กับธนาคารเข้าถึงสินเชื่อได้มากขึ้น จนกระทั่งปัจจุบันเทคโนโลยีทางการเงินที่รุดหน้าเอื้อให้สถาบันการเงินไทยเข้าถึงข้อมูลทางการเงินเป็นจำนวนมากขึ้น ณ ต้นทุนที่ต่ำลง จึงสามารถขยายขอบเขตการให้สินเชื่อไปสู่ธุรกิจและครัวเรือนกลุ่มใหม่จึงทำให้สินเชื่อกระจายตัวดีขึ้น

อย่างไรก็ดี ยังคงมีครัวเรือนไทยอีกจำนวนมากที่ยังเข้าไม่ถึงสินเชื่อและบริการทางการเงินอื่น ๆ ในระบบ เนื่องจากสถาบันการเงินไม่สามารถเข้าถึงข้อมูลของครัวเรือนได้ ซึ่งเป็นเพราะต้นทุนในการเข้าถึงข้อมูลของครัวเรือนกลุ่มนี้สูงเกินไป หรือไม่สามารถหาข้อมูลตัวแทนที่สะท้อนพฤติกรรมของครัวเรือนเหล่านี้ได้ จากข้อมูลข้างต้นจะเห็นว่าครัวเรือนที่มีรายได้น้อยและอยู่นอกเขตเทศบาลเข้าไม่ถึงบริการทางการเงินเพราะทำธุรกรรมที่มีมูลค่าน้อย ไม่คุ้มกับการเดินทางไปที่สาขาของสถาบันการเงินซึ่งมีค่าใช้จ่ายสูง ส่วนครัวเรือนที่ขาดความรู้อาจไม่ทราบวิธีการเข้าถึงและเลือกใช้บริการทางการเงินที่จำเป็น เมื่อครัวเรือนไม่ได้เข้ารับบริการก็จะไม่มีประวัติทางการเงินซึ่งธนาคารใช้เป็นข้อมูลในการพิจารณาสินเชื่อหรือการให้บริการทางการเงินอื่น ๆ

นอกจากนี้ หลังจากวิกฤตเศรษฐกิจไทยในปี 2540 และวิกฤตเศรษฐกิจโลกในปี 2551–52 ธนาคารแห่งประเทศไทยยกระดับการป้องกันความเสี่ยงของสถาบันการเงินให้เข้มข้นขึ้น สถาบันการเงินจึงหันไปให้น้ำหนักกับข้อมูลที่สะท้อนความเสี่ยงคู่สัญญา (risk-based banking) ซึ่งช่วยลดความเปราะบางต่อความเสี่ยงทางเศรษฐกิจและการเงิน แต่การป้องกันความเสี่ยงอย่างเข้มข้นอาจคัดกรองคนที่มีศักยภาพที่จะใช้ทรัพยากรทางการเงินอย่างคุ้มค่าแต่มีความเสี่ยงสูงออกจากระบบการเงินด้วยเช่นกัน

เราจะเพิ่มการเข้าถึงข้อมูลตัวแทนของครัวเรือนได้อย่างไร? ในส่วนนี้จะกล่าวถึงกรณีศึกษาจากงานวิจัยและประสบการณ์ต่างประเทศ 2 กรณีที่ชี้ว่าเทคโนโลยีดิจิทัลสามารถเพิ่มการเข้าถึงข้อมูลตัวแทนได้ ในกรณีแรกคือการใช้เทคโนโลยีดิจิทัลเพื่อลดต้นทุนในการเข้าถึงข้อมูลทางการเงินของครัวเรือน และในกรณีที่สองจะกล่าวถึงการใช้ข้อมูลทางเลือกอื่นนอกเหนือจากข้อมูลทางการเงินพื้นฐานในการประเมินสินเชื่อ

M-Shwari เป็นผลิตภัณฑ์ทางการเงินที่เสนอบริการรับฝากเงินและให้สินเชื่อผ่านทางโทรศัพท์เคลื่อนที่อันเกิดจากความร่วมมือระหว่าง Commercial Bank of Africa (CBA) และ Safaricom ซึ่งเป็นสถาบันการเงินและผู้ให้บริการโทรคมนาคมหลักในประเทศเคนยา M-Shwari ประสบความสำเร็จอย่างสูงในการให้สินเชื่อแก่ครัวเรือนที่เข้าไม่ถึงบริการทางการเงินในระบบ โดย ณ สิ้นปี 2560 M-Shwari ครอบคลุมลูกค้าสินเชื่อกว่า 21 ล้านคน (คิดเป็น 2 ใน 5 ของประชากรเคนยาทั้งหมด) หรือคิดเป็นวงเงินสินเชื่อสูงถึง 2.3 พันล้านดอลลาร์สหรัฐ โดยมีผู้ขอสินเชื่อเฉลี่ยสูงกว่า 300,000 รายการต่อวัน ซึ่งได้รับการอนุมัติถึง 70,000–100,000 รายการต่อวัน ยิ่งไปกว่านั้น M-Shwari สามารถเพิ่มการเข้าถึงสินเชื่อโดยไม่เพิ่มความเสี่ยงต่อระบบการเงิน โดยสัดส่วนยอดคงค้างสินเชื่อที่ไม่ก่อให้เกิดรายได้ต่อสินเชื่อรวม (NPL Ratio) อยู่ที่เพียงร้อยละ 1.92 ซึ่งต่ำกว่า NPL Ratio ของระบบธนาคารพาณิชย์ที่ร้อยละ 8.8 อยู่มาก³

ระบบการทำงานของ M-Shwari ช่วยลดต้นทุนในการเข้าถึงข้อมูล จากรูปที่ 3 CBA ใช้ข้อมูลธุรกรรมทางการเงิน อาทิ ข้อมูลการโอนเงินผ่านโทรศัพท์เคลื่อนที่ภายใต้เครือข่ายโทรคมนาคมของบริษัท Safaricom โดย M-Shwari ช่วยลดต้นทุนในการทำธุรกรรมของครัวเรือนที่มีรายได้น้อยและอยู่ไกลจากสาขาของสถาบันการเงินจากการใช้บริการผ่านโทรศัพท์เคลื่อนที่แทน ขณะที่ผู้ที่ขาดความรู้ก็สามารถขอสินเชื่อได้ เพราะ M-Shwari มี User Interface ที่ไม่ซับซ้อนและมีขั้นตอนน้อยกว่าการขอสินเชื่อโดยทั่วไป นอกจากนี้ M-Shwari ยังออกแบบเงื่อนไขให้ครัวเรือนออมเงินผ่านระบบซึ่งช่วยสร้างวินัยทางการเงินและสร้างสินทรัพย์ค้ำประกันของครัวเรือนซึ่งจะย้อนกลับมาเป็นข้อมูลในการประเมินสินเชื่อครั้งต่อไป

ในขณะเดียวกัน สถาบันการเงินก็มีต้นทุนในการเข้าถึงข้อมูลลดลงเพราะเครือข่ายโทรคมนาคมครอบคลุมผู้ใช้จำนวนมากจึงมีความประหยัดต่อขนาดเทียบกับการเก็บข้อมูลเองผ่านสาขาซึ่งครอบคลุมผู้ใช้น้อยกว่าและมีต้นทุนสูงกว่า นอกจากนี้ M-Shwari ยังนำประวัติการอนุมัติสินเชื่อของครัวเรือนมาใช้ในการพิจารณาสินเชื่อให้กับครัวเรือนเดิมในครั้งต่อไปตลอดจนครัวเรือนอื่นที่มีลักษณะร่วมกัน จึงเพิ่มประสิทธิภาพในการใช้ข้อมูลและเอื้อให้สถาบันการเงินสามารถคำนวณอัตราดอกเบี้ยที่เหมาะสมกับโอกาสและความเสี่ยงที่แท้จริงของครัวเรือนได้

เงื่อนไขที่ทำให้ M-Shwari ประสบความสำเร็จ คือ โครงสร้างพื้นฐานทางกายภาพและโครงสร้างเชิงสถาบันที่เอื้ออำนวย ในเชิงกายภาพประเทศเคนยามี National Digital ID ซึ่งครอบคลุมประชากรส่วนใหญ่ของประเทศและมี Integrated Population Registration System (IPRS) ซึ่งกำกับดูแลโดยหน่วยงานกลางของรัฐบาล ทำให้การแลกเปลี่ยนข้อมูลหรือการยืนยันตัวตนของลูกค้า (KYC) ทำได้อย่างรวดเร็วและมีต้นทุนต่ำ ในเชิงสถาบัน เครือข่ายของ Safaricom ครอบคลุมผู้ใช้งานเป็นจำนวนกว่า 2 ใน 3 ของประชากรในประเทศเคนยา ขณะเดียวกันผู้ใช้บริการผลิตภัณฑ์ทางการเงินของ M-Shwari ยังได้รับความคุ้มครองภายใต้ระบบคุ้มครองเงินฝาก เนื่องจากเป็นผลิตภัณฑ์ที่ให้บริการโดย CBA ซึ่งอยู่ภายใต้กฏการให้บริการบัญชีธนาคารของประเทศเคนยา จึงสร้างความน่าเชื่อถือและความมั่นใจให้กับผู้ใช้บริการ

นอกจากการลดต้นทุนในการเข้าถึงข้อมูลทางการเงินที่สถาบันการเงินใช้งานอยู่แล้ว เทคโนโลยีดิจิทัลยังทำให้เกิดรอยเท้าดิจิทัล (Digital Footprint) ซึ่งเป็นข้อมูลทางเลือกที่สะท้อนศักยภาพและความเสี่ยงของคนได้แม่นยำไม่แพ้ข้อมูลดั้งเดิม งานวิจัยของ Berg, Burg, Gombović, and Puri (2018) ทดสอบความแม่นยำของข้อมูลจากรอยเท้าดิจิทัลในการประเมินโอกาสผิดนัดชำระหนี้ของผู้บริโภคที่ซื้อสินค้าผ่านช่องทางการพาณิชย์อิเล็กทรอนิกส์ (e-commerce) ในประเทศเยอรมนี ตัวอย่างของรอยเท้าดิจิทัลที่ทำการศึกษา อาทิ ชนิดของอุปกรณ์สื่อสาร ระบบปฏิบัติการของอุปกรณ์สื่อสาร ชื่ออีเมล หรือกระทั่งการพิมพ์ชื่ออีเมลหรือรหัสผ่านผิดในการลงชื่อเข้าใช้งานเว็บไซต์ ข้อมูลเหล่านี้สะท้อนถึงลักษณะทางจิตวิทยาของผู้บริโภคตามหลักการตลาด

คณะผู้วิจัยวัดความแม่นยำในการพิจารณาสินเชื่อของข้อมูลจากรอยเท้าดิจิทัลโดยคำนวณ Area Under the Curve (AUC) ของ Receiver Operative Characteristics ซึ่งเป็นดัชนีสะท้อนถึงโอกาสที่ข้อมูลสามารถระบุลูกหนี้ที่จะผิดนัดชำระหนี้ได้ถูกต้องจากการสุ่มลูกหนี้ที่ดีและลูกหนี้ที่จะผิดนัดชำระหนี้ขึ้นมากลุ่มละ 1 คน การศึกษาพบว่าแบบจำลองที่ใช้ข้อมูลจากรอยเท้าดิจิทัลในการประเมินโอกาสผิดนัดชำระหนี้มีค่า AUC ร้อยละ 69.6 สูงกว่าแบบจำลองที่ใช้ข้อมูลดั้งเดิมที่มีค่า AUC ร้อยละ 68.3 ผลการศึกษาชี้ว่ารอยเท้าดิจิทัลมีศักยภาพที่จะทดแทนข้อมูลทางการเงินที่ธนาคารใช้ในการประเมินความน่าเชื่อถือทางการเงิน เนื่องจากรอยเท้าดิจิทัลสามารถเก็บได้ง่าย ณ ต้นทุนที่ต่ำกว่าข้อมูลทางการเงินทั่วไป รอยเท้าดิจิทัลจึงเป็นทางเลือกที่ดีในการพิจารณาสินเชื่อให้กับผู้กู้ที่ไม่มีข้อมูลทางการเงินทั่วไป นอกจากนี้ การพิจารณาสินเชื่อจะยิ่งแม่นยำขึ้นหากใช้งานข้อมูลทางการเงินกับรอยเท้าดิจิทัลร่วมกัน

จากประสบการณ์ต่างประเทศ ระบบการเงินบนฐานข้อมูลข่าวสารจะเกิดขึ้นได้ภายในระบบนิเวศที่เอื้อให้เกิดการใช้ข้อมูลอย่างมีประสิทธิภาพ ในส่วนนี้จะกล่าวถึงการสร้างระบบนิเวศของบริการสินเชื่อบนฐานข้อมูลข่าวสารซึ่งจะนำไปสู่การสร้างระบบการเงินที่ให้บริการได้อย่างทั่วถึง (Inclusive) ในประเทศไทย

ระบบนิเวศของบริการสินเชื่อบนฐานข้อมูลข่าวสารมีองค์ประกอบสำคัญ 5 ประการ ได้แก่ ข้อมูล โครงสร้างพื้นฐาน แพลตฟอร์ม ผู้เล่น และผลิตภัณฑ์ (รูปที่ 4) โดยมีรายละเอียดดังนี้

ข้อมูลเป็นกุญแจสำคัญสู่ความสำเร็จของบริการสินเชื่อบนฐานข้อมูลข่าวสาร จากกรณีศึกษาข้างต้น การพิจารณาสินเชื่อควรใช้ทั้งข้อมูลทางการเงินในรูปแบบเดิม อาทิ ข้อมูลจากบริษัทข้อมูลเครดิต และข้อมูลทางเลือกจากรอยเท้าดิจิทัล มีรอยเท้าดิจิทัลอยู่ใกล้ตัวเรามากมายที่สามารถนำมาใช้ในการพิจารณาสินเชื่อ เช่น การพิจารณาสินเชื่อเพื่อการบริโภคจากประวัติการใช้งานสื่อสังคม (social media) และการทำธุรกรรมทางการเงินผ่านโทรศัพท์มือถือ หรือการพิจารณาสินเชื่อธุรกิจขนาดกลางและเล็กจากข้อมูลยอดขายสินค้าและข้อมูลสินค้าคงคลังที่จัดเก็บในคลาวด์ (Cloud) เป็นต้น โดยการใช้งานรอยเท้าดิจิทัลที่มีความหลากหลายจะช่วยรองรับผู้กู้ที่แตกต่างกันได้มากขึ้น

ระบบสินเชื่อบนฐานข้อมูลข่าวสารจะทำงานได้อย่างมีเสถียรภาพบนโครงสร้างพื้นฐานทางกายภาพและโครงสร้างเชิงสถาบันที่ดี โครงสร้างพื้นฐานทางกายภาพ เช่น ระบบการชำระเงินและโครงข่ายโทรคมนาคม มีหน้าที่รองรับการโอนถ่ายข้อมูลและการทำธุรกรรมทางการเงินอย่างมีเสถียรภาพ ขณะที่โครงสร้างเชิงสถาบันโดยเฉพาะกฎการกำกับดูแลจะต้องเอื้อต่อการพัฒนาระบบการเงินโดยชั่งน้ำหนักระหว่างโอกาสและความเสี่ยงอย่างเหมาะสม

แพลตฟอร์มหลักในตลาดสินเชื่อบนฐานข้อมูลข่าวสาร ได้แก่ แพลตฟอร์มการขอสินเชื่อและแพลตฟอร์มการลงทุน ในปัจจุบันแพลตฟอร์มที่ได้รับความนิยมอยู่ในรูปแบบของแอพพลิเคชั่นบนโทรศัพท์มือถือและบริการบนเว็บไซต์ ทั้งนี้ แพลตฟอร์มการขอสินเชื่อควรมีคุณลักษณะสำคัญ 2 ประการคือ เข้าถึงง่ายและปลอดภัย แพลตฟอร์มที่เข้าถึงง่ายหมายถึงแพลตฟอร์มที่มี user interface ที่ง่ายไม่ซับซ้อน ลดขั้นตอนในการส่งคำขอสินเชื่อเพื่อให้ผู้ใช้ที่ขาดความรู้ทางการเงินหรือความชำนาญทางเทคโนโลยีใช้งานได้ง่าย ณ ต้นทุนที่ต่ำ ในขณะเดียวกัน แพลตฟอร์มที่ปลอดภัยควรมีระบบการยืนยันตัวตนที่น่าเชื่อถือและระบบการขอความยินยอมจากเจ้าของข้อมูลก่อนที่ผู้ให้บริการจะเข้าถึงข้อมูลส่วนตัวของผู้กู้ ตลอดจนระบบปกป้องข้อมูลส่วนตัวของผู้ใช้

ผู้เล่นในระบบนิเวศของบริการสินเชื่อบนฐานข้อมูลข่าวสารประกอบไปด้วยผู้กู้ ผู้ให้กู้ ผู้ให้สินเชื่อฟินเทคและกลุ่มผู้ให้บริการอื่น ๆ ที่เกี่ยวข้องกับการจัดเก็บ การยืนยันตัวตนและการประมวลข้อมูล

ผู้กู้ ที่เป็นเป้าหมายคือคนที่เข้าไม่ถึงสินเชื่อในระบบ เนื่องจากคนที่เข้าไม่ถึงมักไม่มีประวัติทางการเงินทำให้สถาบันการเงินไม่มีข้อมูลในการประเมินสินเชื่อ ดังนั้น ระบบนิเวศจึงต้องมีกลไกในการค้นหาและระบุตัวผู้กู้ที่มีศักยภาพ โดยในต่างประเทศ การระบุตัวสามารถทำผ่านการแนะนำหรือส่งต่อลูกค้าจากสถาบันการเงินหรือพันธมิตรทางธุรกิจให้กับผู้ให้สินเชื่อฟินเทค (cross-referral agreement) เช่น ธนาคารพาณิชย์อาจส่งต่อลูกค้าที่ไม่ผ่านการพิจารณาสินเชื่อมาให้บริษัทฟินเทค หรือในกรณีของ Google ซึ่งแนะนำให้พันธมิตรทางธุรกิจขอสินเชื่อจากผู้ให้สินเชื่อฟินเทคที่มีชื่อว่า Lending Club โดย Google เป็นคนกลางในการส่งต่อข้อมูลของพันธมิตรทางธุรกิจ อาทิ ยอดขายสินค้าและรายได้ให้ Lending Club ใช้ประกอบการพิจารณาสินเชื่อด้วย เป็นต้น

ส่วนผู้ให้กู้ คือนักลงทุนในตลาดการเงิน โดยผลิตภัณฑ์ลงทุนที่ให้ผลตอบแทนจากสินเชื่อบนฐานข้อมูลข่าวสารสามารถตอบโจทย์ความต้องการของนักลงทุนโดยเฉพาะนักลงทุนสถาบันที่ต้องการเข้าถึงผลิตภัณฑ์ทางการเงินที่มีโครงสร้างผลตอบแทนและความเสี่ยงที่หลากหลายขึ้น

สำหรับผู้ให้สินเชื่อและผู้จัดการข้อมูล ผู้ให้สินเชื่อเป็นผู้ดูแลแพลตฟอร์มการขอสินเชื่อและการลงทุน ตลอดจนเป็นผู้ออกแบบผลิตภัณฑ์สินเชื่อและผลิตภัณฑ์ลงทุน (เช่น Lending Club และ Prosper ในสหรัฐอเมริกา หรือ Zopa ในอังกฤษ) สำหรับการบริหารจัดการข้อมูล ผู้ให้สินเชื่อสามารถจัดจ้างบุคคลภายนอกให้เป็นผู้บริหารจัดการข้อมูล อาทิ การจัดจ้างบริษัทจากภายนอกเข้ามาดูแลการยืนยันตัวตนและการวิเคราะห์ข้อมูลเพื่อประเมินเครดิต (credit scoring) บริษัทเหล่านี้ลงทุนในเทคโนโลยีการจัดการข้อมูลขั้นสูง เช่น Machine Learning Deep Learning และ Artificial Intelligence ซึ่งพัฒนาไปสู่การพิจารณาสินเชื่ออัตโนมัติ (เช่น Lenddo และ FirstAccess ในสหรัฐอเมริกา) การจัดจ้างบุคคลภายนอกช่วยให้ผู้ให้สินเชื่อไม่ต้องลงทุนในการพัฒนาเทคโนโลยีในการประมวลผลข้อมูลด้วยตนเองจึงช่วยลดต้นทุนในการจัดการข้อมูล อนึ่ง การแบ่งงานดังกล่าวจะมีประสิทธิภาพมากขึ้นหากตลาดการเงินมีความลึกและมีการแข่งขันระหว่างผู้ให้บริการจำนวนมาก

เนื่องจากมีข้อมูลที่สะท้อนศักยภาพและความเสี่ยงที่เฉพาะเจาะจงกับผู้กู้แต่ละราย ผู้ให้สินเชื่อจึงสามารถเสนอผลิตภัณฑ์สินเชื่อที่คิดอัตราดอกเบี้ยตามศักยภาพและความเสี่ยงของผู้กู้ นอกจากนี้ ผู้ให้สินเชื่อยังสามารถจัดกลุ่มผู้กู้เพื่อกระจายความเสี่ยงได้ดีขึ้นเนื่องจากมีข้อมูลที่สะท้อนความเสี่ยงได้แม่นยำขึ้นจึงช่วยลดส่วนชดเชยความเสี่ยง (risk premium) ลง อีกด้านหนึ่งผู้ให้สินเชื่อสามารถเสนอขายผลิตภัณฑ์ลงทุนที่มีโครงสร้างผลตอบแทนและความเสี่ยงที่หลากหลาย นักลงทุนจึงมีทางเลือกในการจัดการพอร์ตการลงทุนมากขึ้นด้วย จะเห็นได้ว่าการออกแบบผลิตภัณฑ์สินเชื่อบนฐานข้อมูลข่าวสารช่วยให้การจัดสรรทรัพยากรและการจัดการความเสี่ยงมีประสิทธิภาพขึ้นไปพร้อม ๆ กัน

ตัวอย่างความสำเร็จในการออกแบบผลิตภัณฑ์สินเชื่อคือ Lending Club ในสหรัฐอเมริกา งานวิจัยของ Vallee and Zeng (2018) พบว่า Lending Club ได้พัฒนาระบบการพิจารณาสินเชื่อที่สามารถทำนายโอกาสในการผิดนัดชำระหนี้ของผู้กู้ได้แม่นยำขึ้น โดยอาศัยข้อมูลที่มีขนาดใหญ่และการพัฒนาเทคโนโลยีการวิเคราะห์ข้อมูล (information technology) ผนวกกับการวิเคราะห์โดยใช้อัลกอริทึม จึงทำให้แพลตฟอร์มของ Lending Club สามารถให้สินเชื่อกับผู้กู้ที่มีความเสี่ยงสูง⁴ ได้เป็นจำนวนมากขึ้น ในขณะเดียวกันก็ยังเรียกเก็บอัตราดอกเบี้ยได้ในอัตราที่เหมาะสมกับความเสี่ยงของผู้กู้มากขึ้นอีกด้วย

จากการถอดความสำเร็จของศูนย์กลางทางการเงินดิจิทัลที่สำคัญของโลกไม่ว่าจะเป็นสหรัฐอเมริกา สหราชอาณาจักร ยูโรโซน และสิงคโปร์ ปัจจัยที่เอื้อให้เกิดระบบนิเวศมี 4 ประการดังต่อไปนี้

1. การเพิ่มจำนวนผู้เล่นและสร้างความร่วมมือระหว่างผู้เล่น การเพิ่มจำนวนผู้เล่นในแต่ละส่วนของระบบนิเวศไม่ว่าจะเป็นผู้ให้สินเชื่อ ผู้เก็บรวบรวมข้อมูล และผู้ประมวลผลจะช่วยให้ตลาดมีความกว้างและลึก ทำให้เกิดการแข่งขันอันนำไปสู่การให้บริการอย่างมีประสิทธิภาพ นอกจากนี้ การสร้างความร่วมมือระหว่างสถาบันการเงินและบริษัทฟินเทคจะทำให้เกิดการแบ่งปันข้อมูลและการส่งต่อลูกค้าซึ่งจะช่วยจับคู่ลูกค้ากับผู้ให้บริการที่เหมาะสม จากประสบการณ์ต่างประเทศ ผู้ดำเนินนโยบายมีบทบาทในการสร้างความร่วมมือระหว่างผู้เล่น เช่น กรณีของประเทศอังกฤษที่ผู้กำกับดูแลออกกฎเกณฑ์ให้ธนาคารพาณิชย์ส่งต่อลูกค้าสินเชื่อธุรกิจขนาดกลางและขนาดเล็กที่ไม่ผ่านการพิจารณาสินเชื่อไปยัง Referral Designed Online Finance Platform ซึ่งเป็นแพลตฟอร์มที่ส่งต่อผู้กู้ให้กับผู้ให้สินเชื่อที่เหมาะสมต่อไป

   ในกรณีของประเทศไทยซึ่งยังอยู่ในช่วงเริ่มต้นของการพัฒนาระบบนิเวศ ตลาดสินเชื่อบนฐานข้อมูลข่าวสารจึงยังขาดความลึกและความหลากหลายของผู้เล่น โดยกลุ่มบริษัทฟินเทครายย่อยซึ่งมีบทบาทหลักในการให้บริการสินเชื่อในไทยยังให้สินเชื่อกับ SMEs เป็นหลัก ในขณะที่การปล่อยสินเชื่อระหว่างนักลงทุนกับบุคคลธรรมดายังไม่เกิดขึ้น จากข้อมูลของสมาคมฟินเทคประเทศไทย พบว่าในปี 2018 มีบริษัทฟินเทคผู้ให้บริการแพลตฟอร์มจำนวน 12 ราย โดยมีบางรายที่ใช้ใบเรียกเก็บเงิน (Invoice) เป็นหลักฐานในการพิจารณาสินเชื่อ ในขณะที่แพลตฟอร์มที่ให้สินเชื่อกับบุคคลธรรมดายังอยู่ในขั้นตอนการทดสอบระบบภายใต้ Regulatory Sandbox ของธนาคารแห่งประเทศไทย

2. การแลกเปลี่ยนข้อมูล ต้องอาศัยโครงสร้างพื้นฐานด้านโครงข่ายอินเทอร์เน็ตและการชำระเงินทางอิเล็กทรอนิกส์ที่มีเสถียรภาพและครอบคลุมพื้นที่ที่อยู่ห่างไกล ขณะเดียวกันการแลกเปลี่ยนข้อมูลระหว่างผู้ให้สินเชื่อกับผู้ให้บริการด้านข้อมูล ตลอดจนหน่วยงานของรัฐที่เป็นเจ้าของข้อมูลจะต้องมีความรวดเร็วและปลอดภัย โดยในปัจจุบันศูนย์กลางทางการเงินของโลกใช้ Application Programming Interface (API) ในการแลกเปลี่ยนข้อมูล ซึ่งในกรณีของประเทศไทย สถาบันการเงินและหน่วยงานกำกับได้วางระบบการแลกเปลี่ยนข้อมูลผ่าน API แล้วเช่นกัน

   นอกจากโครงสร้างทางกายภาพและเทคโนโลยีพื้นฐาน การแลกเปลี่ยนข้อมูลต้องการโครงสร้างเชิงสถาบันที่สร้างความเชื่อมั่นระหว่างผู้เล่นในตลาดโดยเฉพาะการยืนยันตัวตนที่น่าเชื่อถือ โดยไทยได้ผ่านร่าง พ.ร.บ. การพิสูจน์และยืนยันตัวตนทางดิจิทัลแล้วซึ่งกำลังจะมีผลบังคับใช้ในกลางปี 2562 นอกจากนั้น การแลกเปลี่ยนข้อมูลยังต้องมีระบบการรักษาความปลอดภัยของข้อมูลจากกฎหมายคุ้มครองข้อมูลส่วนบุคคลที่รัดกุมและบังคับใช้จริงอย่างเข้มงวด การรักษาความปลอดภัยของข้อมูลเป็นประเด็นที่ศูนย์กลางทางการเงินของโลกให้ความสำคัญมาก ดังจะเห็นได้จากตัวอย่างของยูโรโซนที่เริ่มบังคับใช้กฎหมาย General Data Protection Regulation (GDPR) ตั้งแต่เดือนพฤษภาคม 2561 ที่ผ่านมา สำหรับไทยอยู่ระหว่างการปรับร่างกฎหมายที่เกี่ยวข้องกับการคุ้มครองข้อมูล

3. การลงทุนในทุนมนุษย์และเทคโนโลยี และการส่งเสริมความรู้ทางดิจิทัล ในกรณีของไทย การลงทุนในทุนมนุษย์มีความจำเป็นเร่งด่วนอย่างมากเพราะยังไม่สามารถพัฒนากำลังคนให้ทันกับความต้องการ โดยเฉพาะบุคลากรที่มีความสามารถด้านเทคโนโลยีขั้นสูง เช่น โปรแกรมเมอร์ ทั้งนี้เนื่องจากไทยขาดแคลนผู้จบการศึกษาในหลักสูตรที่เกี่ยวข้อง ขณะที่บุคลากรจบใหม่ยังขาดประสบการณ์ในการทำงานจริงทำให้ผู้ประกอบการต้องว่าจ้างแรงงานต่างชาติมาทดแทน นอกจากนี้ ภาคการเงินไทยยังขาดแคลนแรงงานที่มีทักษะในด้านเทคโนโลยีใหม่ที่รองรับรูปแบบของธุรกิจที่จะเปลี่ยนไปในอนาคต เช่น ปัญญาประดิษฐ์ (Artificial Intelligence, AI) ช่องทางเชื่อมต่อให้ระบบต่าง ๆ สามารถทำงานร่วมกันได้ อาทิ API ตลอดจนการวิเคราะห์ข้อมูลขนาดใหญ่ (Big data analytics) โดยปัจจุบันสถาบันการเงินหลายแห่งกำลังเร่งพัฒนาหลักสูตรร่วมกับมหาวิทยาลัยในประเทศ รวมถึงแข่งขันกันเพื่อดึงบุคลากรไทยที่กำลังศึกษาอยู่ในมหาวิทยาลัยในต่างประเทศหรือกำลังทำงานในศูนย์กลางเทคโนโลยีของโลกกลับมาทำงานในไทยมากขึ้น

   การสร้างความรู้ความเข้าใจทางการเงินตลอดจนความคุ้นเคยกับเทคโนโลยีก็มีความสำคัญไม่แพ้กัน สิ่งดังกล่าวทำให้ผู้ใช้บริการทางการเงินตระหนักถึงทางเลือกในการขอสินเชื่อผ่านแพลตฟอร์มสินเชื่อ รู้วิธีการเข้าถึงและสามารถใช้เทคโนโลยีการเงินดิจิทัลในการบริหารจัดการเงินอย่างมีประสิทธิภาพซึ่งจะทำให้ผู้กู้มีฐานะการเงินที่ดีขึ้น นำมาซึ่งโอกาสเข้าถึงบริการทางการเงินที่ซับซ้อนขึ้นไป สำหรับนักลงทุน ความรู้ทางด้านเทคโนโลยีการเงินดิจิทัลทำให้นักลงทุนเข้าถึงผลิตภัณฑ์ทางการเงินที่ซับซ้อนได้มากขึ้น

4. การกำกับดูแลที่เหมาะสม ซึ่งต้องทันต่อการเปลี่ยนแปลงของภูมิทัศน์ของระบบการเงินและชั่งน้ำหนักระหว่างการเอื้อให้เกิดนวัตกรรมกับการป้องกันความเสี่ยง โดยจะทราบถึงจุดสมดุลได้จากการระดมความคิดระหว่างผู้กำกับดูแลกับผู้ให้สินเชื่อ ตลอดจนการทดลองให้สินเชื่อภายใต้กฎเกณฑ์ดังกล่าวในพื้นที่ที่จำกัดขอบเขตความเสียหายต่อผู้บริโภค อาทิ Regulatory Sandbox นอกจากนี้ กฎต้องชัดเจนและตีความได้ง่ายเพื่อให้ผู้ให้สินเชื่อปฏิบัติตามได้อย่างถูกต้อง โดยเฉพาะผู้ให้สินเชื่อขนาดกลางและเล็กซึ่งมีข้อจำกัดในการปฏิบัติตามกฎสูงกว่าผู้ให้สินเชื่อขนาดใหญ่ เช่น มีความคุ้มค่าในการจ้างผู้เชี่ยวชาญด้านกฎหมายต่ำกว่าบริษัทขนาดใหญ่ มีเครื่องมือบริหารความเสี่ยงน้อยกว่า เป็นต้น ทั้งนี้เพื่อให้เกิดการแข่งขันภายใต้เงื่อนไขที่เท่าเทียมระหว่างผู้ให้สินเชื่อขนาดใหญ่และเล็ก

   สำหรับการกำกับดูแล เนื่องจากโครงสร้างของระบบการเงินเปลี่ยนแปลงเร็วและมีความซับซ้อนขึ้น ทั้งจากผลิตภัณฑ์ทางการเงิน ผู้เล่น ไปจนถึงวิธีการตั้งราคาสินทรัพย์ (pricing)ผู้กำกับดูแลศูนย์กลางทางการเงินของโลกจึงเริ่มหันมาใช้เทคโนโลยีในการกำกับดูแล (Regulatory Technology, Reg-tech) มากขึ้น ยกตัวอย่างเช่นการรายงานตัวเลขทางการเงินผ่านระบบการส่งข้อมูลที่มีประสิทธิภาพและการใช้ machine learning หรือ AI ในการเรียนรู้พฤติกรรมของตัวแปรทางการเงินที่สำคัญเพื่อให้สามารถตรวจจับความผิดปกติได้อย่างทันท่วงที

   นอกจากการวางกฎและการกำกับดูแล ผู้วางนโยบายในศูนย์กลางทางการเงินของโลกยังให้ความสำคัญกับการเพิ่มสภาพคล่องให้กับตลาดสินเชื่อโดยใช้นโยบายสนับสนุนและกำกับดูแลการแปลงสินเชื่อเป็นสินทรัพย์และนโยบายพัฒนาตลาดรอง ซึ่งจะช่วยเพิ่มกำลังในการปล่อยกู้ (capacity) ของผู้ให้สินเชื่อฟินเทคและเพิ่มทางเลือกในการลงทุนของผู้ให้กู้ด้วย

ที่ผ่านมา ระบบเศรษฐกิจไทยยังมีผู้มีศักยภาพจำนวนมากที่เข้าไม่ถึงเงินทุนในระบบเพราะสถาบันการเงินไม่มีข้อมูลที่สะท้อนโอกาสและความเสี่ยงของคนกลุ่มนี้ บทความนี้ชี้ให้เห็นว่าในวันนี้ เรามีเทคโนโลยีดิจิทัลอันเป็นกุญแจสำคัญในการสร้างระบบการเงินบนฐานข้อมูลข่าวสารที่เอื้อให้สถาบันการเงินเข้าถึงข้อมูลของลูกค้าและให้บริการทางการเงินอย่างทั่วถึงโดยไม่เพิ่มความเปราะบางต่อระบบเศรษฐกิจการเงิน หากจะประสบความสำเร็จได้เหมือนกับศูนย์กลางทางการเงินของโลก ไทยจะต้องสร้างความร่วมมือระหว่างผู้เล่น สนับสนุนการแลกเปลี่ยนข้อมูล ลงทุนในทุนมนุษย์และเทคโนโลยี ตลอดจนพัฒนาการกำกับดูแลที่ชั่งน้ำหนักระหว่างโอกาสกับความเสี่ยงอย่างสมดุล ระบบการเงินบนฐานข้อมูลข่าวสารจะปลดล็อคศักยภาพในการขยายตัวของเศรษฐกิจไทยและนำไปสู่การเติบโตอย่างยั่งยืนในระยะยาว

Aslan, G., Delechat, C., Newiak, M., & Yang, F. (2017). “Inequality in Financial Inclusion and Income Inequality.” Working Paper No. 17/236.

Berg, T., Burg, B., Gombovic, A., Puri, M. (2018). “On the Rise of FinTechs – Credit Scoring using Digital Footprints.” NBER Working Paper No. 24551.

Vallee, B. and Zeng, Y (2018). “Marketplace Lending: A new Banking Paradigm? Harvard Business School.” IMF Working Paper 18-067.