小店家透過第三方平台數據也可輕鬆借貸
「讓好餐廳，靠資料，不靠爸就能獲得貸款」iCHEF 創辦人程開佑提到餐廳貸的理念時說道。
以前小店家若要向銀行貸款，往往因為缺乏信用紀錄、營收證明、擔保品等，而達不到申請門檻，被擋在傳統金融體系之外。今天馬克和大家介紹究竟傳統信用數和非典型信用數據有何不同，非典型數據究竟能解決何種問題?若身為小店家又可以透過何種方式獲得借款？
傳統信用數據評分標準
債務歷史：各種信用債務還款紀錄、逾期償還具體情況、破產紀錄及法律訴訟事件
未償債務：當下共欠了多少債務。少量的債務，並不代表信用風險高。但是，如果一個客戶有限的還款能力被用盡，則表示客戶存在很高的信用風險
信貸時長：當信貸時長較長時，更能累積更多的信用數據
新開立的信用帳戶：據調查，在短時間內開立多個信用帳戶的客戶具有更高的信用風險
正在使用的信用類型：分析客戶持有的信用帳戶類型和每種類型的信用帳戶數
傳統信用評估的不足
1、服務無法覆蓋全體人群，特別是弱勢群體：
以美國最普遍的評分方式為例，根據FICO 的標準，如果人們未能如期還款，或者缺乏借貸經歷，就會自動被視為風險人士，貸款也就會被懲罰性地給以更高的利率。
此外，在缺乏信用紀錄或不完整的情形下，通常是無法獲得常規的金融了服務，或是需要付出更高的代價才能獲得常規服務
2、傳統信用評估模型信息維度較單ㄧ
雖然傳統信用評估模型能夠審核出借款人的信用習慣，但因其標準太過單一、門檻太多嚴苛，可能會因其片面的評估結果，就此傷害了些許人借款權益
3、無法及時反應借貸風險
雖然FICO評分仍然體現風險排序，但其預測絕對風險的能力和在2008年金融危機中的表現仍受大眾懷疑。據統計，FICO分數從2005年到2011年在美國人口中的分布基本上沒有大的變化，這和2008年金融危機爆發之後出現大量壞帳的現實嚴重不符。
非典型信用數據改變過往不足
過去銀行只能仰賴傳統金融數據，這卻排除一部分因為缺乏與銀行往來紀錄的信用小白或是採用現金交易無法提出具體營收證明的小店家。
隨著科技的發展，越來越多的數位足跡可被轉換成新的信用評分指標，而這些「非典型信用數據(ACD，Alternative Credit Data)」，像是電商平台上的交易單數、點餐系統上的翻桌率等，讓信用評分的來源變得更多元更開放，銀行也可以接觸到更多的客群，提供更客製化的服務。
銀行累積數據，打造新商機
銀行業者不僅僅是希望接觸到信用小白客群，而是透過異業結盟、數據分析開創出新的商業模式，近一步打開銀行的客源、市場。透過各類非傳統信用數據，累積對客人、產業的足夠認識，產生先行者優勢，更能夠開啟過去未能接觸到的新客群及產業，找到背後隱藏的龐大商機。
ACD 在各個產業之應用
餐廳：
以餐廳營業額 、 來客數 、 翻桌率 、員工數、停留時間等作為貸款依據
凱基銀行跟POS點餐系統供應商iCHEF合作，推出「餐廳貸」
電子商務：
以交易紀錄、賣家評價、出貨頻率、客單價等營運數據作為貸款依據
國泰世華跟蝦皮合作，推出「蝦米貸」；凱基銀行跟露天拍賣合作，推出「賣家發財金」；PChome和星展銀行合作，推出「店速貸」
美髮業：
以預約數、收款紀錄等數據作為貸款依據
凱基銀行跟StyleMap 美配合作，推出「設計師速還金」
計程車：
以服務評比、載客量、數位支付等數據作為貸款依據
凱基銀行跟台灣大車隊合作，推出「計程車司機速還金」
外送平台：
以外送紀錄、外送金額等數據作為貸款依據
凱基銀行跟Uber eat 合作，推出「外送合作夥伴備用金」
馬克碎念
隨著民眾的生活邁向數位化，可收集的數據越來越多，而這些數據有些可以拿來客觀評斷用戶的信用，這對於借貸產業來說是一個很重要的工具。比較可惜的是目前大部分的數據都不是掌握在銀行手中，因此銀行通常要透過第三方業者來取得數據進行分析。
而比較積極經營非典型信用數據的就屬金融科技借貸業者，由於取得傳統信用聯徵數據較不方便，或是常常可服務用戶的聯徵數據無法評估，所以往往利用數據建立起相對應的信用指標或是信用模型，來有效的降低信用違約的風險。
如果是根據國外的發展趨勢，大多是金融科技業者貢獻分析好的數據或指標提供給金融業者來進行放貸，畢竟傳統金融業者的資金還是比較充沛的，承擔風險的能力也較佳，那台灣什麼時候會走向這條路，得看看有沒有殺手級的數據分析業者從中產出了。