Digital Ventures

Back to blog

Credit Scoring in Agriculture เชื่อมเกษตรกรให้เข้าถึงการเงินด้วย Deep Tech

DIGITAL VENTURES มกราคม 24, 2019 5:01 PM

1,536

Digital Ventures ได้พาทุกท่านไปรู้จักทางเลือกของการเข้าถึงเงินกู้ยืมเพื่อการศึกษาผ่าน Credit Scoring กันไปแล้ว ซึ่งการใช้ Alternative Credit Scoring ไม่ได้จำกัดอยู่แค่ภาคการศึกษาเท่านั้น แต่ยังถูกคิดค้นและนำไปแก้ปัญหาให้กับภาคการเกษตรซึ่งประสบปัญหาการเข้าถึงเงินทุนที่ต่างออกไป ทั้งยังผสาน Deep Tech ที่ถือเป็นการทำลายกำแพงการประเมินเครดิตแบบเดิมด้วย ซึ่งวิธีการประเมินนั้นเป็นอย่างไร และทำไมภาคเกษตรกรรมถึงต้องการ Credit Scoring Solution? เราจะพาทุกท่านไปหาคำตอบกัน

 

 

ทำไมเกษตรกรต้องการ Credit Scoring แบบเฉพาะ?

แม้ว่าจะมีธนาคารเพื่อให้บริการสำหรับภาคเกษตรโดยเฉพาะ แต่เกษตรกรหลายคนก็ไม่อาจเข้าถึงแหล่งเงินทุนจากธนาคารเหล่านั้นได้ โดยเฉพาะเกษตรกรรายย่อยที่มักมีคุณสมบัติไม่เข้าเกณฑ์การประเมินต่างๆ โดย Initiative of Smallholder Finance ซึ่งทำหน้าที่ดูแลผู้ประกอบการขนาดเล็ก ระบุว่า ทั่วโลกมีผู้ประกอบการขนาดเล็กต้องการเงินมากกว่า 450,000 ล้านดอลลาร์สหรัฐฯ แต่กลับมีการให้เงินกู้ได้เพียง 40,000 ล้านดอลลาร์สหรัฐฯ เท่านั้น

หากเจาะลึกลงไปอีก CGAP หน่วยงานที่ทำงานเพื่อยกระดับชีวิตคนยากจนระดับโลก ได้เก็บข้อมูลผู้ประกอบอาชีพเกษตรกรรมจากประเทศในเอเชียและแอฟริกา โดยเราหยิบสถิติจากประเทศบังกลาเทศ ที่มีกลุ่มตัวอย่าง 3,000 ครัวเรือน พบว่ามีเกษตรกรที่มีรายได้ต่ำกว่า 1.25 ดอลลาร์สหรัฐฯ ต่อวัน อยู่ถึง 43.9 เปอร์เซ็นต์ ซึ่ง 66.9 เปอร์เซ็นต์ของเกษตรกรในกลุ่มนี้ ไม่สามารถเข้าถึงแหล่งเงินกู้อย่างเป็นทางการได้ จึงไม่มีโอกาสได้รับการประเมินเงินกู้ในระบบ และต้องพึ่งพาเงินกู้นอกระบบที่มีอัตราดอกเบี้ยสูง ทำให้คนกลุ่มนี้ไม่สามารถก้าวขึ้นมามีความเป็นอยู่ที่ดีขึ้นได้

อย่างไรก็ตาม ผลสำรวจยังพบว่ากลุ่มผู้มีรายได้ต่ำกว่า 1.25 ดอลลาร์สหรัฐฯ นี้ เป็นเจ้าของและใช้งาน Smartphone ถึงครึ่งหนึ่ง แสดงให้เห็นถึงความพร้อมใช้งานเทคโนโลยี ด้วยทางเลือกการเก็บข้อมูลผ่านเทคโนโลยีใหม่ๆ ที่หลุดออกจากกรอบของโลกการเงินแบบดั้งเดิม ทำให้พวกเขามีโอกาสนำเสนอข้อมูลทางเลือกอื่นๆ  เพื่อรับเงินกู้ในระบบได้แล้ว

 

การเก็บ Credit Scoring ทางเลือกเพื่อภาคการเกษตร

การเก็บ Credit Scoring สำหรับเกษตรกรรายย่อยจะเน้นที่การเก็บ Data ในรูปแบบที่ต่างออกไปหรือ Alternative Data ซึ่งมักเป็นข้อมูลที่ไม่เกี่ยวข้องกับประวัติการเงิน โดยมีเทคโนโลยีเป็นตัวช่วยเก็บและวิเคราะห์ข้อมูลต่างๆ ซึ่งแหล่งข้อมูลของ Alternative Credit Scoring เพื่อภาคการเกษตรที่นิยมใช้กันมีดังนี้

  • ข้อมูลเฉพาะตัว เป็นข้อมูลทั่วไปที่มาจากคุณสมบัติของบุคคลนั้นๆ เช่น การศึกษา และการทำธุรกรรมส่วนบุคคลที่แต่เดิมไม่ถูกนับเป็นเครดิต ได้แก่ การจ่ายค่าสาธารณูปโภค ค่าโทรศัพท์ โดยจะอ้างอิงความสามารถในการบริหารจัดการเงินของบุคคลนั้นๆ ได้
  • ข้อมูลจากสังคม บริษัทเครดิตสามารถนำข้อมูลพฤติกรรมจากคนใกล้ชิดหรือแม้แต่ข้อมูลที่เกิดขึ้นบน Social Network มาใช้เพื่อเสนอเงินกู้ที่เหมาะสมตามแนวโน้มและความเสี่ยงที่ประเมินได้
  • ข้อมูลจากแปลงเกษตร เป็นอีกหนึ่งวิธีเก็บข้อมูลที่คิดค้นเพื่อเกษตรกรด้วยการเก็บข้อมูลจากแปลงเกษตร โดยเกษตรกรสามารถนำเสนอข้อมูลกระบวนการผลิตตั้งแต่เริ่มเพาะปลูกจนถึงการเก็บผลผลิตเพื่อให้บริษัทเครดิตช่วยประเมิน
  • ข้อมูลสภาพแวดล้อม ปฏิเสธไม่ได้ว่าปัญหาสิ่งแวดล้อมเป็นเรื่องที่สร้างความกังวลไปทั่วโลก ซึ่งภาคการเกษตรเป็นส่วนหนึ่งที่ทำให้เกิดมลภาวะต่างๆ จึงเกิดแนวคิดนำผลกระทบต่อสิ่งแวดล้อมของเกษตรกรมาเป็นเครดิตเพื่อเสนอเงินกู้ โดยเก็บข้อมูลจากหน่วยงานต่างๆ ซึ่งเกษตรกรที่ทำการเกษตรแล้วส่งผลต่อสิ่งแวดล้อมน้อยกว่าก็จะมีโอกาสได้รับการสนับสนุนเงินลงทุนพร้อมสิทธิประโยชน์อื่นๆ มากขึ้น
  • ข้อมูลทางเศรษฐกิจ เนื่องจากเกษตรกรเป็นผู้ผลิตที่อยู่ในกลไกตลาด ซึ่งตลาดก็มีข้อมูลกลางที่เกี่ยวข้องและเป็นมูลค่าจับต้องได้อยู่แล้ว บริษัทเครดิตสามารถนำข้อมูลจากเกษตรกรที่เกี่ยวข้องในกลไกตลาดมาใช้ประเมินความเสี่ยงเพื่อให้วงเงินกู้ที่เหมาะสมได้ เช่น หากเกษตรกรปลูกพืชที่ผลผลิตที่กำลังเป็นที่ต้องการของตลาด บริษัทก็สามารถให้เครดิตพวกเขาในระดับสูง ซึ่งนำไปสู่เงินกู้พร้อมสิทธิประโยชน์ที่ดีกว่าได้

 

เทคโนโลยีหลักที่ใช้นิยมนำมาใช้จัดการข้อมูลให้สามารถเสนอวงเงินกู้แก่เกษตรกรได้

  • Internet of Things เทคโนโลยีนี้จะเข้ามาช่วยเก็บข้อมูลที่จับต้องยากต่างๆ ออกมาเป็นตัวเลข เช่น ข้อมูลสภาพอากาศเพื่อประเมินคุณภาพสิ่งแวดล้อม ข้อมูลความถี่การให้น้ำหรือปุ๋ยเพื่อสะท้อนกระบวนการผลิตที่ดี และเครื่องมือตรวจสอบคุณภาพผลผลิต นอกจากนี้ Internet of Things ยังช่วยส่งต่อข้อมูลไปยังผู้ประเมินได้ทันทีอีกด้วย
  • Artificial Intelligence เนื่องจากข้อมูลที่เก็บได้จากแหล่งต่างๆ จะมีจำนวนมากทั้งยังหลากหลาย การจะคำนวณได้อย่างถูกต้องแม่นยำนั้น หากใช้คนก็ต้องใช้เวลานาน อีกทั้งยังมีเรื่องของจำนวนเกษตรกรและความต้องการเงินที่เหมาะสมกับช่วงเวลาเพาะปลูกเพื่อควบคุมต้นทุนการผลิต ดังนั้น จึงนำเทคโนโลยีปัญญาประดิษฐ์มาใช้เพื่อให้กระบวนการวิเคราะห์ข้อมูลทำได้รวดเร็วขึ้น

 

 

ตัวอย่าง Startup ที่มี Credit Scoring in Agriculture

ปัจจุบัน มี Startup หลายรายหันมาให้ความสนใจการพัฒนา Credit Scoring ในภาคการเกษตรมากขึ้น โดยกระจายอยู่ตามภูมิภาคต่างๆ ของโลก ซึ่งตัวอย่าง Startup ที่โดดเด่นใน Solution นี้ มีดังนี้

  • Musoni บริษัทพัฒนา Banking Platform สำหรับให้บริการ Microfinance โดยเฉพาะ ซึ่งปัจจุบันเปิดให้บริการไปแล้ว 14 ประเทศ หนึ่งในบริการที่โดดเด่นของพวกเขาคือเงินกู้ยืมเพื่อการเกษตร โดยนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ในกระบวนการ Credit Scoring
  • FarmDrive Startup ผู้ให้บริการ Credit Scoring Solution เพื่อภาคการเกษตรจากประเทศเคนย่า ทำหน้าที่เชื่อมโยงเกษตรกรและสถาบันทางการเงินเข้าด้วยกันบน Platform โดยมีกระบวนการคัดเกษตรกรด้วย Machine Learning
  • FarmGuide Startup ผู้ให้บริการ Credit Scoring จากประเทศอินเดีย ด้วยการใช้ Data Analytic จากจุดเก็บข้อมูลต่างๆ พร้อมกับประเมินความเสี่ยงเพื่อเสนอวงเงินกู้ที่เหมาะสม และ Image Processing จากภาพถ่ายดาวเทียมเพื่อเพิ่มความแม่นยำของข้อมูล

 

สำหรับเรื่องราวของ Credit Scoring ที่เกิดขึ้นในภาคการเกษตร นับเป็นการนำ Deep Tech มาช่วยแก้ปัญหาให้กับทุกฝ่าย ทั้งเกษตรกรเข้าถึงแหล่งเงินทุน ส่วนนักลงทุนก็จะได้เครื่องมือมาประเมินความเสี่ยงที่มีมาตรฐานดีทีเดียว ในครั้งหน้า เราจะหยิบเรื่องราวของเทคโนโลยีที่น่าสนใจมาให้ทุกคนได้ติดตามกันต่อไป

ขอขอบคุณข้อมูลจาก crowd360.org, cgap.org, grameenfoundation.org