Pargipinkide arv kodu ümbruses otsustab laenu saamise

Stinne Loo
, reporter
Copy
Juhime tähelepanu, et artikkel on rohkem kui viis aastat vana ning kuulub meie arhiivi. Ajakirjandusväljaanne ei uuenda arhiivide sisu, seega võib olla vajalik tutvuda ka uuemate allikatega.
Big Data Scoring kaasasutaja ja tegevjuht Erki Kert.
Big Data Scoring kaasasutaja ja tegevjuht Erki Kert. Foto: Erik Prozes / Postimees

Eestis asutatud infotehnoloogiaettevõte Big Data Scoring uurib erinevaid andmeid, mis inimesed endast iga päev maha jätavad. Nendele andmetele toetudes otsustavad pangad, kas anda kliendile laenu või mitte.

«Näiteks inimesed, kelle elupiirkonnas on rohkem pinke, on suurema maksevõimekusega. Pinkide suur arv viitab sellele, et inimene elab mõne pargi läheduses – pargi lähedal on kinnisvara kallim ja sinna jõuavad endale kodu soetada keskmiselt jõukamad inimesed,» selgitas Big Data Scoring kaasasutaja ja tegevjuht Erki Kert tänasel tarbimiskeskkonna arengu konverentsil.

Big Data Scoring on 2013. aastal asutatud Eesti päritolu IT-ettevõte, mis kasutab erinevaid andmeid, et analüüsida inimeste laenukäitumist ja maksevõimet. Kert rääkis, et pinkide näitega sarnaseid seaduspärasusi on väga palju ning iga inimese liigutus jätab maha jälje, mida firma saab kasutada pankade ja laenuandjate abistamiseks. Selle järgi otsustavad paljud pangad, kas nad annavad inimesele laenu või mitte.

Andmeid, mida kogutakse ja maksevõime analüüsiks kasutatakse, on mitut liiki. Sinna hulka kuuluvad näiteks tehnilised andmed – millist seadet inimene kasutab, kuidas ta veebis käitub, kus ta elab. Uuritakse ka sotsiaalmeediakontosid. «Keskmiselt leitakse ühe inimese kohta 15 000 andmepunkti. See on üks korralik pakk infot, mida inimesed enda kohta maha jätavad ja see ei ole kasutu rämps, vaid pangad kasutavad seda reaalselt enne laenu andmist,» selgitas Kert.

«Kui keegi läheb näiteks panga kodulehele, siis esimesena salvestub see, millise seadmega laenutaotlust täidetakse. Lisaks muud tehnilised detailid nagu inimese operatsioonisüsteem, asukoht ja kasvõi internetiteenuse pakkuja,» rääkis ta ja lisas, et seaduspärasused selle info ja maksekäitumise vahel on väga ilmsed. «Kallimate ja uuemate arvutite kasutajad on reeglina parema maksekäitumisega.»

Samasugust andmetöötlust kasutavad paljud ettevõtted maailmas. «Kui näiteks minna booking.com leheküljele Macbookiga ja teha otsing, siis näidatakse kallimaid hotelle ja kui minna mõne vana lauaarvutiga, siis tõenäoliselt kuvatakse odavaid Holiday Inn’e,» rääkis Erki Kert.

Samas ei ole Eestis selline andmete kogumine ja töötlemine veel nii levinud kui mujal maailmas. IT Kolledži õppejõu Linnar Viigi sõnul ei ole ettevõtete ega ka valitsuse võimekus neid andmeid kasutada ja analüüsida hetkel väga heal tasemel. «Andmeid meie kohta jääb vedelema igale poole, meie võimekus aga nende andmetega midagi teha on väga väike,» ütles Viik oma ettekandes.

Sotsiaalmeediast kogutakse inimeste andmete analüüsimisel samuti infot. Muuhulgas vaadatakse, kes on inimese sõbrad, milline haridustase neil on ja kus nad paiknevad. Sotsiaalmeedia puhul mängib olulist rolli inimese edevus. «Edevuse faktor on see, mis maksejõukuse hindamises sulle negatiivset mõju avaldab,» selgitas Erki Kert.

«Sa oled see, mida sa endast jagad ja samas oled ka see, mida sa endast ei jaga. Ka see, et minu kohta ei ole informatsiooni, on väga oluline informatsioon,» lisas Linnar Viik. 

Kommentaarid
Copy
Tagasi üles