羅希特強行斷開了電話，對另一端的信貸員罵道他剛剛切斷了。很明顯，他沒有機會獲得貸款批準。當貸款人員盡力解釋為什么羅希特沒有資格從她的銀行貸款時，整個談話就像一場慢動作的災難。

“ 你還年輕，剛開始在你的第一家公司工作。你只去過那里一年， “她說，試圖聽起來有同情心。然而，所有羅希特都能想到的是，他的政府雇傭父母讓他度過了一所好大學的經歷有多么艱難，以及他是如何努力工作以最終解決這個問題而最終找到了他夢寐以求的公司。

現在，他的母親被送進醫院并被診斷出患有危及生命的疾病需要昂貴的治療，他想要的只是能夠在那里為她而且承擔一些費用。

這個故事和它的變體每天在印度發揮作用，印度是一個快速發展的市場，像銀行這樣的傳統參與者正在努力跟上客戶不斷變化的環境。貸款官員會給予任何能夠批準Rohit貸款請求的任何東西。她覺得自己受到壓迫，被她手中現有工具的局限所束縛。

“ 如果只有一種方法讓她能夠評估自己的信譽而不依賴于CIBIL，后者給他評了-1 - 即沒有信用記錄。”

現在有。

許多新的技術金融公司正在解決這個問題。他們的假設 - 我們生活在一個充滿數據的世界，即大數據時代。為了理解這些大量數據，我們還有兩個技術進步的偶然融合 - 高速公用計算和人工智能(AI)。

隨著這些進步，我們現在擁有處理從我們數據豐富的生活(例如社交媒體，移動電話數據等)生成的大量替代數據的工具，并建立復雜的AI模型，其中可以預測貸款行為，如傾向于按時付款或延遲還款，違約行為風險，產品 - 客戶裝修，產品收益率分析等等。

這些新時代公司正在構建自己的信用風險模型，這些模型可以與CIBIL等傳統信用評分結合使用，或者在某些情況下可以作為更好的替代方案，例如在受薪的千禧一代中，CIBIL幾乎沒有預測能力。

作為一個貸款實體，他們在收集替代數據時有一個簡單的價值主張 -

“我們越了解您，我們就越能夠模擬我們的風險，您就可以憑借實際信譽獲得更多信用。我們認識的越少，你就可以獲得更少的信用。“

就這么簡單。

當然，這些公司有責任保護和防止濫用他們收集的數據，以確定借款人的信譽。但簡而言之，那就是大討價還價。

反過來，這應該導致(通常至少在統計上)向正確的人提供貸款，這反過來意味著較低的違約率和較低的不良資產(NPA)率，從而導致總體改善。信貸市場的健康。

應用于替代大數據源的人工智能通過識別整個市場中借款人的“真實”信譽，使信貸市場能夠合理地運作，從而有助于改善和建立國家的信用狀況。

對于像Rohit這樣的人來說，這些新時代的公司是天賜之物，因為他們已經開始真正理解(使用數據分析和人工智能)他不是信用風險，從而向他提供他非常需要的貸款。滿足他的個人需求。