MSME의 신용 점수에 대한 어려움과 기회
기존 신용점수 계산 프로세스는 MSME의 재정 상태에 기반하기 때문에 MSME는 은행으로부터 대출받는데 다른 큰 기업에 비해 어려움을 겪고 있다. 그러나 MSME는 기존 신용 점수에 필요한 신뢰할 수 있는 충분한 재무 데이터를 충족시키기 어렵기 때문에 열심히 노력을 해도 신용 평가에 대한 데이터를 확보하기 어렵다. 이를 해결하기 위해 “대안 신용평가”라는 새로운 신용평가 방법 제시한다.
MSME이란?
Micro-, Small, Medium-sized enterprises의 줄임말로 중소기업을 의미하며, 구분 기준은 비제조업인 경우 50명 이하 직원 수를, 제조업인 경우 100명 이하의 직원 수를, 그리고 Micro-Sized 경우 10명 이하의 직원 수를 가지고 있는 기업을 뜻한다.
선도 시장 조사 - 홍콩의 MSME
홍콩의 경우 MSME 전체 사업장의 98% 이상을 차지하며, 민간부문의 약 46%를 고용하고 있다. 그러므로 지속적인 활력과 긍정적인 사업 성과는 지역 경제의 지속적인 발전을 위해 매우 중요하다. 하지만 금융기관들은 MSME에 대한 신용정보를 얻기 어려워 대출에 신중하게 된다. 많은 MSME들은 높은 이자율을 지불하거나 실질적인 담보를 제공하지 않고는 대출이 어렵다.
기존의 신용 평가
기업의 신용도 측정 시 PD값을 사용한다. PD값은 Probability of Default로 불이행 가능성이며, 차입자가 미래에 대출금을 상환하지 못할 확률을 의미한다. 차입자가 대출 채무 불이행, 파산 또는 연체와 같은 부정적인 신용 행동을 보일 가능성이 있는지를 정량적으로 추정하게 된다.
대출자들은 차입자의 점수를 점수표의 컷오프 점수와 비교하여 대출 승인 여부 결정을 하고, 통계적으로 유의적인 채무불이행 예측 변수를 결정하게 된다. 기존의 접근법은 차입자의 재무제표에서 추출한 자료에 기초한 다양한 재무 비율과 재무구조에 초점을 맞춰 평가하고, 차입자의 총자산 대비 대출금 비율, 현재 비율, 레버리지 비율, 유동성 비율 및 수익성 비율을 포함하여 고려한다.
MSME 신용 위험 평가의 KEY Challenges
재무 및 운영 데이터의 부족
대기업은 명확한 감사 재무제표 제공이 가능하여 많은 은행들은 대출하는 것에 있어 대기업을 선호한다. 정량적인 평가 결과가 도출되기 때문이다. 하지만 MSME의 경우 견고한 회계 시스템을 갖추지 못한 경우가 많기 때문에 정확하게 정량적으로 평가하기가 어렵다. 구체적으로 MSME는 재무/감사 청구 정보, 공급망 정보, 사업 원금에 대한 KYC(KnowYourCustomer) 정보 부족, 그리고 운영의 투명성이 결여되어있다. 이로 인해 개인(MSME의 사업자)의 금융 습관의 잠재적인 부작용 평가가 어렵다. 그러므로 MSME의 신용 제약을 해결하기 위해서는 포적이고, 효율적인 신용위험평가 인프라를 제공해야 할 필요성이 있다.
기업 지배 구조(기업 통제 시스템)의 취약성
MSME를 법적,규제적,평판 및 투자 위험에 노출 시킨다. 예로 관련 기업이나 외부 당사자에게 제공하는 무책임하거나 경솔한 계약을 주의하지 못하게 되어, 그 자체의 영업에 악영향을 미치는 부채가 될 수 있는 가능성이 커진다. 또한 허술하게 투자 결정을 할 가능성 높다. 이렇게 된다면 회사의 재무 건전성에 악영향 미치게 된다.
효과적인 리스크 관리 능력 부족
기존 데이터 분석 방법과 신용 평가 방법은 운영상태에 대한 경고 신호를 적시에 정확하게 생성하지 못한다. 예로 비회계 데이터 및 위험 통제 모델에서 위험 통제 기능 내 누락 가능성이 다분하다. 또한 MSME 관련 데이터는 복잡하고 다양하며 대규모 다차원 적아고 자주 변경된다. 기존 신용평가는 이러한 위험 및 악재를 견딜 수 있는 MSME의 능력을 평가할 만큼 민첩하거나 역동적이지 못하다.
금융 기관의 비효율적인 프로세스 및 인프라
금융기관은 신용평가를 전통적이고 수동적인 방식으로 운영한다. 주요 인사 인터뷰, 서류 파일 검토,현장 방문 수행 등 많은 수작업을 수반한다. MSME가 추구하는 대출금액이 상대적으로 적기 때문에 대출자의 신용도 평가 위한 소비 시간 및 노력의 가성비가 좋지 않다.
높은 담보 의존도
MSME에 대한 대부분의 대출은 담보로 뒷받침된다. 이 접근법은 단순하지만 불확실하다는 문제가 있다. 왜냐하면 담보 평가의 변동성이 있으며, 담보물에 대한 통제가 이뤄지기 때문이다. 담보 가치는 주어진 시간에 정확하게 시장에 표시되지 않는다. 급작스럽고 엄청난 담보 가치의 위축이 발생하게 된다면 담보 대출로 지탱된 많은 대출들이 회수되게 된다. 그러므로 담보가치의 변동성은 금융기관들이 대출신청서를 평가할 때 고려해야 할 추가적인 요인이다.
대안 신용 평가가 은행과 MSME에게 어떻게 도움이 되는가?
기존 신용 평가의 한계점
일반적으로 개인, 재무 및 과거 데이터를 스코어카드에 수동으로 입력하여 평가하게 된다. 현재는 규제, 기술 및 고객 기반 변화에 보조를 맞추는데 필요한 두 가지 요소가 부족하다. 먼저 평가를 실행해야 하는 속도가 느리다. 컴퓨터 하드웨어의 기술적 발전으로, 더 복잡한 평가 모델 지원이 가능해지고 있다. 재평가가 필요한 경우 향후 프로세스를 가속화할 수 있다. 하지만 하드웨어 비용이 많이 든다는 것이 문제이다. 또한 데이터 양의 증가로 신용 위험 평가에 사용할 수 있는 데이터양이 과거에 비해 많아졌지만, 기존 신용 평가에서는 기존의 기준만 사용하게 된다.
대안 신용 평가
대안 데이터란?
타사 데이터 공급자 플랫폼(통신 회사, 유틸리티 회사, 소셜 미디어 등)의 데이터를 대리하는 것이다. Psychometric 분석에 기초한 데이터로 개인의 지불 능력과 의향을 평가가 가능하며, 소셜 미디어의 데이터 추적 디지털 활동 분석 데이터로 기업의 잠재적 운영 위험 평가가 가능하다.
대안 신용 평가의 장점
MSME가 대출을 취득하는 장벽을 낮출 뿐만 아니라 은행이 신용 심사 과정을 자동화할 수 있는 기회를 창출한다. 또한 디지털 전환의 새로운 추세에 따라, 대체 신용 점수는 신용 산업의 경영 관행을 크게 변화시키게 된다. 운영 비용 효율성의 편익으로, 데이터를 처리하고 신용 채점을 수행하는 수동 프로세스는 대체 데이터 제공자의 데이터 수집, 기계학습 알고리즘에 의한 신용 채점 결과의 공식화 및 분석 결과의 시각화를 지원하는 시스템으로 대체가 가능해진다.
정리 및 결론
신용평가에 대한 기존의 접근법은 재무제표와 기타 제3자 자료에서 도출한 재무비율을 사용한다. 1년에서 3년 이내에 발생할 수 있는 대출 채무불이행 가능성을 예측하게 된다. 하지만 이 접근법은 예측을 뒷받침하기에 신뢰할 수 있는 재무 데이터가 충분하지 않은 MSME를 평가하는 것이 어렵다.
이 문제를 해결하기 위해 MSME의 대출 상환 능력을 평가하는데 다른 정보 단서인 "대안데이터"를 사용하게 된다. 대안 데이터는 대출자에게 MSME의 신용도를 더 잘 평가하기 위해 사용되며, 기존의 신용 채점 데이터와 대체 데이터를 사용하여 대안 데이터를 생성하게 된다. 결과적으로 MSME에 대한 대출 결정에서 차입자에게 경쟁 우위를 제공할 수 있는 지원 정보를 생성이 가능해진다.