杂货数据能够独特地揭示个人的财务状况和行为。
这些数据随后可用于评估没有信用记录者的信用评分。
借助人工智能和隐私增强技术，银行与杂货零售商可以推动金融普惠。
获得负担得起的信贷是增强个人韧性、促进经济发展的基础。信贷有助于为住房、教育、小型企业提供资金，并购买保险以抵御财务冲击。
在全球范围内，14亿成年人无法获得正规金融服务，因为他们缺乏信用记录，而只有在获得信贷后才会产生信用记录。这种两难局面导致数百万人被排除在金融体系之外。
这不仅是新兴市场和发展中市场面临的问题，在美国和英国等发达市场也同样如此，数百万人仍未得到充分服务：约有4500万美国人没有信用记录，或其信用档案无法评分，另有约500万英国居民缺乏主流信用记录。
对金融机构而言，这不仅是一项道德责任，也代表着重大机遇：通过创新且合乎道德地使用数据，开拓一个全新且尚未充分开发的市场。
杂货购物数据正成为了解“信用隐形人”财务行为的最有力替代数据来源之一。
为什么杂货购物数据是实现金融普惠的关键？
以下四项关键特征说明，为什么杂货数据对于评估没有信用记录者的信用状况如此有价值：
1. 普遍性
人人都要购买杂货。杂货购物是普遍的生活必需活动，跨越社会经济、地理和人口特征的界限。因此，杂货数据能够独特地代表更广泛的人群，这在替代数据来源中十分罕见。
2. 时效性
与许多传统数据来源不同，杂货数据会持续更新。大多数消费者每周至少购买一次杂货。这种规律性能够实时反映消费者的行为，使金融机构得以极其准确地评估个人当前的财务状况。
世界经济论坛如何推动全球金融体系发展？
金融与货币体系中心汇聚各界领袖，共同理解全球金融体系的转型，涵盖可持续性与韧性、创新和数字化等领域。
中心通过促进合作、汇集见解，帮助合作伙伴推动金融体系与长期经济稳定及共同繁荣相契合。
3. 细致程度
杂货购物数据能够捕捉细致的行为信号。例如，每月在同一时间持续购买主食，可能表明消费者具备预算管理能力。对价格的敏感程度以及使用折扣的情况，可能体现审慎的财务管理。健康食品占比较高、垃圾食品较少，也可能是财务责任感的体现。
4. 频率
杂货购物频率高，能够形成密集的行为数据时间线，让模型识别持续的财务习惯、模式和异常。与贷款申请等一次性数据点不同，杂货数据能够逐步积累个人长期的行为记录。
莱斯大学、圣母大学和西北大学学者开展的研究《利用杂货购物数据做出信贷决策》发现，购物频率、支出稳定性、商品选择以及折扣计划的使用情况等变量，与信用风险状况密切相关。研究还表明，这些行为模式能够显著提升信用模型的预测能力，尤其有助于评估没有正式信用记录的消费者。
尽管这一做法在许多市场仍停留于理论阶段，南非率先实现了大规模实践。
南非案例：以隐私保护推动金融普惠的突破
在南非，杂货数据的理论潜力通过一项开创性合作得以实现，合作双方是非洲大陆最大的杂货零售商和该国主要银行。合作旨在确定购物行为能否作为可靠的信用度替代指标。
至关重要的是，这项合作将消费者隐私置于核心位置。银行与零售商没有共享或交换消费者数据，而是在一个由隐私增强技术（PET）驱动的隐私保护数据协作平台上开展合作。
这些技术使各方能够提供匿名化数据并提取共同洞察，同时完全不暴露个人身份信息。这种方法确保全面遵守严格的数据隐私法规，同时发掘有价值的洞察。
借助平台内置的人工智能和机器学习能力，双方的匿名化数据集经过安全匹配和分析，以发现行为模式。银行通过识别信用记录良好者共有的购物特征，构建并训练出预测模型，从而能够为此前无法评分的个人评定信用评分，同时绝不泄露其个人身份。
成果带来了重大转变：
800万名此前没有信用记录的个人获得了信用评分，使拥有可见信用记录的人数增加了50%以上（原有群体中有1500万人此前无法获得信用评分）。
其中320万人符合获得负担得起的信贷的条件，而他们此前可能会被拒绝。
使用杂货数据的信用模型基尼系数提升了41%，表明其区分低风险与高风险借款人的能力显著增强。
一家银行预测，服务这一新市场将使信贷收入增加29%。
实现金融普惠的蓝图
始于南非的一项试验如今已成为可复制的蓝图，能够在全球范围内推动金融普惠。从非洲到拉丁美洲，从美国到欧洲，数百万人仍处于金融体系边缘。
杂货购物数据具有时效性、频率高、覆盖面广，并蕴含丰富的行为洞察。将其与银行数据结合，并置于隐私保护的数据协作环境中，便能为数百万人铺就通往金融普惠和保障的道路。
长期以来，金融普惠对太多人而言始终遥不可及。负责任地以协作方式使用杂货数据，或许能成为推动大规模改变的创新力量。
