食料品データからは、個人の経済状況や行動を独自の視点で把握できます。
このデータを使って、信用履歴のない人々の信用スコアを判定できます。
AIとプライバシー強化技術を活用することで、銀行と食料品小売業者は金融包摂の向上に貢献できます。
手頃な条件で信用を得られることは、個人のレジリエンスと経済的な前進の基盤です。住宅、教育、中小企業、そして経済的ショックに備える保険への資金調達に役立ちます。
世界では、14億人の成人が正規の金融サービスを利用できずにいます。信用履歴がないためです。信用履歴は、信用供与を受けて初めて築かれます。このような「卵が先か鶏が先か」の状況により、何百万人もの人々が金融サービスから排除されています。
これは新興・発展途上国だけの問題ではありません。米国や英国などの先進国でも、何百万人もの人々が十分なサービスを受けられておらず、その数はおよそ米国では4,500万人が信用情報を持たないか、信用評価の算定ができない状態にあり、英国では約500万人が一般的な信用履歴を持っていません。
金融機関にとって、これは道義的な責務であると同時に、革新的かつ倫理的なデータ活用を通じて、新たな、そしてほぼ未開拓の市場を切り開く大きな機会でもあります。
食料品の購買データは、「信用情報を持たない人々」の金融行動を理解するための、最も有力な代替データ源の一つとして注目されています。
なぜ食料品の購買データが金融包摂の鍵となるのか？
次の4つの主な特性から、食料品データが信用履歴のない人々の信用スコアを算定するうえで、なぜ有用なのかが分かります。
1. 普遍性
誰もが食料品を購入します。食料品の買い物は、社会経済的、地理的、人口統計的な境界を越えて共通する必需行動です。そのため、食料品データは幅広い人々を独自の形で代表します。これは、代替データ源としてはまれな特性です。
2. 即時性
多くの従来型データ源とは異なり、食料品データは継続的に更新されます。消費者の大半は、少なくとも週に一度は食料品を購入します。この規則性によって消費者の行動をリアルタイムで把握でき、金融機関は個人の現在の経済状況を驚くほど正確に評価できます。
世界経済フォーラムは、世界の金融システムをどのように改善しているのでしょうか？
金融・通貨システムセンターは、持続可能性やレジリエンスからイノベーション、デジタル化に至るまで、世界の金融システム全体にわたる変革を理解するため、リーダーたちを招集します。
センターは協力と知見の共有を促し、長期的な経済の安定と繁栄の共有に向けて、パートナーが金融システムを整合させるのを支援します。
3. 詳細度
食料品の購買データからは、行動に関する詳細なシグナルを捉えられます。例えば、毎月同じ時期に必需品を継続して購入している場合、予算管理が規律正しく行われている可能性があります。価格への敏感さや割引の利用は、慎重な家計管理を示唆することがあります。健康的な食品の割合が高く、ジャンクフードが少ないことは、経済的な責任感の表れとなる場合があります。
4. 頻度
食料品の買い物は頻度が高いため、行動データを密に時系列で捉えられます。これにより、モデルは一貫した金融習慣やパターン、異常を検出できます。ローン申請のように一度きりのデータポイントとは異なり、食料品データは時間をかけて行動の記録を積み重ねます。
ライス大学、ノートルダム大学、ノースウェスタン大学の研究者による研究「信用判断における食料品データの活用」では、買い物の頻度、支出の一貫性、商品の選択、割引プログラムの利用といった変数が、信用リスクのプロファイルと強く相関することが分かりました。さらに、こうした行動パターンによって信用モデルの予測力が大幅に向上し、とりわけ正式な信用履歴を持たない消費者の評価に有効であることが示されました。
多くの市場では理論にとどまっていたこの手法を、南アフリカはいち早く大規模に実践しました。
南アフリカの事例：プライバシーを守りながら金融包摂を実現
南アフリカでは、大陸最大の食料品小売業者と主要銀行が画期的な連携を行い、食料品データの理論上の可能性を実現しました。目的は、買い物行動が信用力を示す信頼できる代替指標となるかを確かめることでした。
重要なのは、この連携が消費者のプライバシーを中核に据えて設計されたことです。消費者データを共有・交換するのではなく、銀行と小売業者は、次の技術を基盤とするプライバシー保護型のデータ連携プラットフォーム上で協働しました。プライバシー強化技術（PET）。
こうした技術により、各当事者は匿名化したデータを提供し、個人を特定できる情報を一切明らかにせずに、共有された知見を引き出すことができました。この手法は、厳格なデータプライバシー規制を完全に遵守しながら、価値ある知見を得ることを可能にしました。
プラットフォームに組み込まれたAIと機械学習の機能を用いて、両者の匿名化データセットを安全に重ね合わせ、分析し、行動パターンを明らかにしました。良好な信用履歴を持つ人々に共通する買い物の特徴を特定することで、銀行は、個人を特定する情報を一切明らかにせず、これまでスコアを算定できなかった人々を評価する予測モデルを構築し、学習させることができました。
その結果、大きな変化がもたらされました。
これまで信用情報を持たなかった800万人の信用スコアが算定され、信用情報を確認できる人の数は50％以上増加しました（それまでスコアを算定できなかった1,500万人の集団のうち）。
そのうち320万人が、従来なら審査に通らなかったところ、手頃な条件で信用を得る資格を満たしました。
食料品データを使った信用モデルでは、ジニ係数が41％向上しました。これは、リスクの低い借り手と高い借り手を見分ける能力が大幅に向上したことを示しています。
ある銀行は、この新たな市場にサービスを提供できることで、信用事業の収益が29％増加すると予測しました。
金融包摂を実現するための青写真
南アフリカでの実験から始まった取り組みは今や、世界規模で金融包摂を推進するために再現可能な青写真となっています。アフリカからラテンアメリカ、そして米国から欧州まで、何百万人もの人々が依然として金融システムの枠外に置かれています。
食料品の購買データは新しく、頻度が高く、普遍的で、行動に関する知見が豊富です。プライバシーを保護するデータ連携環境で銀行データと組み合わせることで、何百万人もの人々に金融包摂と保護への道を開きつつあります。
あまりにも多くの人々にとって、金融包摂はあまりにも長い間、手の届かないものでした。食料品データを責任ある形で協働して活用することが、それを大規模に変えるイノベーションとなるかもしれません。
