Hva er forbrukskreditt scorekort?

Et forbrukskreditt scorekort er et verktøy som banker, kredittselskaper og andre långivere bruker for å vurdere hvor sannsynlig det er at en person vil betale tilbake et lån. Det er en statistisk modell som gir en poengsum (score) basert på en rekke faktorer. Jo høyere score, desto lavere risiko for långiveren. Scorekortet brukes ofte i automatiserte beslutningsprosesser for å godkjenne eller avslå søknader om forbrukslån, kredittkort og lignende.

I motsetning til en generisk kredittscore fra et kredittopplysningsbyrå, er et forbrukskreditt scorekort skreddersydd for den enkelte långiver. Det betyr at modellen er bygget på långiverens egne data og erfaringer med tidligere kunder. Dette gjør at scorekortet kan være mer treffsikkert for den spesifikke porteføljen. For eksempel vil en bank som hovedsakelig låner ut til unge mennesker ha et annet scorekort enn en bank som fokuserer på pensjonister.

Forstå forbrukskreditt scorekort

For å forstå hva et forbrukskreditt scorekort er, må man først skille mellom kredittvurdering og kredittscoring. Kredittvurdering er en helhetlig vurdering av en låntakers betalingsevne og betalingsvilje, mens kredittscoring er en kvantitativ metode som gir en score. Scorekortet er en type kredittscoring som er spesielt utviklet for å predikere mislighold.

Långivere samler inn data om søkere, som inntekt, gjeld, betalingshistorikk, alder, bosted og tidligere kredittatferd. Disse dataene mates inn i modellen, som så beregner en sannsynlighet for at søkeren vil misligholde lånet innen en gitt tidsperiode (for eksempel 12 måneder). Basert på denne sannsynligheten settes en score, og långiveren kan bestemme om de skal innvilge lånet, og til hvilken rente.

Det er viktig å merke seg at scorekortet ikke er statisk. Det må jevnlig oppdateres med nye data for å forbli relevant. En modell som fungerte godt i 2020, kan være mindre treffsikker i 2024 på grunn av endringer i økonomien eller forbrukeratferd.

Hvordan fungerer forbrukskreditt scorekort?

Prosessen med å utvikle og bruke et scorekort kan deles inn i flere trinn. Først må långiveren definere hva som anses som et "dårlig" utfall – for eksempel en betaling som er 90 dager forsinket. Deretter samles historiske data om kunder, både gode og dårlige. Disse dataene brukes til å bygge en statistisk modell som identifiserer hvilke faktorer som best predikerer mislighold.

Variablene i modellen kan være mange. Her er en tabell over typiske faktorer:

VariabelEksempel
Inntekt500 000 NOK per år
Gjeldsgrad30 % av inntekt
BetalingshistorikkIngen betalingsanmerkninger
Antall kredittsjekker siste år3
Alder35 år
BostedOslo
Modellen vekter disse variablene og gir en score. Scorekortet kan for eksempel gi en score fra 0 til 100, der 100 er lavest risiko. Långiveren setter en grense for hvilke scorer som kvalifiserer for lån. Noen långivere bruker også scorekortet til å sette individuelle renter – jo lavere score, desto høyere rente.

I Norge har selskaper som Intrum spesialisert seg på å utvikle scorekort. De bruker ikke bare tradisjonelle kredittdata, men også unik betalingsadferdsdata fra inkassosaker. Dette gir dem mulighet til å predikere fremtidig mislighold selv hos personer som ikke har betalingsanmerkninger. Ifølge Intrum har de detaljert kjennskap til 9 av 10 personer med inkassosak i Norge.

Historisk bakgrunn

Kredittscoring har røtter tilbake til 1950-tallet i USA, men det var først på 1990-tallet at det ble vanlig i Norge. Tidligere baserte banker seg i stor grad på personlige samtaler og skjønnsmessige vurderinger. Med økt datatilgang og datakraft ble det mulig å lage automatiserte modeller.

I Norge ble kredittopplysningsbyråer som Bisnode (nå en del av Experian) og Dun & Bradstreet tidlige aktører. Men på 2000-tallet begynte flere långivere å utvikle egne scorekort for å få bedre kontroll over risikoen. Spesielt innen forbrukskreditt, der lånebeløpene er små og antall søknader høye, ble scorekort viktige for å effektivisere prosessen.

I dag har selskaper som Intrum over 15 års erfaring med å lage skreddersydde scorekort for norske bedrifter. De har landets største database med inkassodata, noe som gir dem en unik posisjon. Utviklingen har gått fra enkle regneark til avanserte maskinlæringsmodeller som kan håndtere store datamengder.

Praktisk eksempel

La oss ta et eksempel: Kari (28 år) søker om et forbrukslån på 50 000 NOK hos en nettbank. Banken bruker et scorekort utviklet av Intrum. Kari oppgir inntekt på 450 000 NOK, har studielån på 200 000 NOK, ingen betalingsanmerkninger, og har bodd i Bergen i tre år.

Scorekortet behandler dataene og gir Kari en score på 72 av 100. Banken har satt en grense på 60 for å innvilge lån. Siden 72 er over grensen, godkjennes lånet, og Kari får en rente på 12 % (som er standard for denne risikogruppen). Hvis Kari hadde hatt en lavere score, for eksempel 45, ville lånet blitt avslått eller tilbudt med høyere rente.

Dette eksempelet viser hvordan scorekortet hjelper banken med å ta raske og konsistente beslutninger, samtidig som det reduserer risikoen for tap. For Kari betyr det at hun får svar i løpet av få minutter i stedet for dager.

Fordeler og ulemper

Fordeler med forbrukskreditt scorekort:

  • Mer presise kredittvurderinger, noe som reduserer tap.
  • Raskere behandling av søknader, ofte automatisk.
  • Konsistente beslutninger uavhengig av saksbehandler.
  • Mulighet til å fange opp fremtidige tapskunder tidlig.
  • Ulemper:

  • Kan være komplekse og krever mye data for å utvikles.
  • Risiko for diskriminering hvis modellen inneholder skjeve data.
  • Kan være en "svart boks" som er vanskelig å forklare.
  • Krever kontinuerlig oppdatering for å forbli relevant.
En tabell kan oppsummere:
FordelerUlemper
PresisjonKompleksitet
EffektivitetDatakrav
KonsistensDiskrimineringsrisiko
Tidlig varslingSvart boks-problem
Til tross for ulempene, oppveier fordelene ofte for de fleste långivere, spesielt i et marked med høye volumer og små marginer.

Vanlige misforståelser

En vanlig misforståelse er at et forbrukskreditt scorekort er det samme som en generisk kredittscore fra for eksempel Experian. Men et scorekort er skreddersydd for långiveren og kan inkludere data som ikke finnes i offentlige registre, som for eksempel betalingshistorikk fra tidligere lån hos samme långiver.

En annen misforståelse er at scorekortet er en "svart boks" som ingen forstår. I virkeligheten er det mulig å forklare hoveddriverne bak scoren, og långivere må kunne dokumentere modellen overfor tilsynsmyndigheter som Finanstilsynet. Modellen må også testes for rettferdighet.

Noen tror også at scorekort alltid er rettferdige. Men hvis modellen bygger på historiske data som inneholder skjevheter (for eksempel at en bestemt gruppe oftere har misligholdt), kan den videreføre diskriminering. Derfor er det viktig med regelmessig testing og justering for å unngå utilsiktet forskjellsbehandling.

Oppsummering

Forbrukskreditt scorekort er et kraftig verktøy som hjelper långivere med å vurdere risiko effektivt og presist. Det skiller seg fra generelle kredittscorer ved å være skreddersydd for den enkelte långiver. I Norge har selskaper som Intrum utviklet avanserte scorekort basert på unike data, noe som gir bedre prediksjoner.

For forbrukere betyr scorekort raskere og mer konsistente svar på lånesøknader, men det er viktig å være klar over at modellene kan ha skjevheter. Samlet sett har scorekort bidratt til å effektivisere kredittmarkedet og redusere risiko for långivere. For å holde seg oppdatert bør både långivere og forbrukere følge med på utviklingen innen kredittscoring og regulering.