หากคุณเป็นพ่อค้าแม่ค้าออนไลน์ หรือเจ้าของธุรกิจ SME ที่เปิดร้านบนแพลตฟอร์ม E-Commerce อย่าง Shopee, Lazada หรือ TikTok Shop คุณน่าจะเคยสัมผัสกับ “Pain Point” สุดคลาสสิกเวลาต้องการขยายกิจการ นั่นคือ การขอสินเชื่อธนาคาร ในอดีต การกู้เงินหลักหมื่นหรือหลักแสนหมายถึงการต้องเดินเข้าสาขาธนาคาร พร้อมหอบสเตทเมนต์ (Bank Statement) ที่พรินต์หนาเป็นปึก เอกสารจดทะเบียนการค้า และใบเสร็จรับเงินต่างๆ ไปให้เจ้าหน้าที่ตรวจสอบ ซึ่งกินเวลาหลายสัปดาห์กว่าจะรู้ผล
แต่วันนี้ โลกการเงินเปลี่ยนไปแล้ว ธนาคารสามารถยิงแจ้งเตือน “เชิญชวนรับสินเชื่อพร้อมใช้” บนแอปพลิเคชันของคุณ และอนุมัติเงินเข้าบัญชีได้ภายในไม่กี่นาที โดยที่คุณไม่ต้องส่งกระดาษแม้แต่แผ่นเดียว
คำถามที่น่าสนใจในมุมมองของสายเทคโนโลยีและไอทีคือ ธนาคารเข้าถึงข้อมูล (Data) ของเราได้อย่างไร? และพวกเขารู้ได้อย่างไรว่าเรามีเงินหมุนเวียน (Cash Flow) มากพอที่จะชำระหนี้คืน? บทความนี้จากเว็บ numsai.com จะพาคุณไปเจาะลึกสถาปัตยกรรมข้อมูลเบื้องหลังนวัตกรรม FinTech นี้ครับ
1. การเชื่อมต่อข้อมูลผ่าน Open API (Application Programming Interface)
หัวใจสำคัญที่ทำให้ระบบนี้เกิดขึ้นได้คือเทคโนโลยี API หรือสะพานเชื่อมต่อที่อนุญาตให้ซอฟต์แวร์สองตัวคุยกันได้แบบเรียลไทม์
เมื่อคุณกดยินยอม (Consent) ให้แพลตฟอร์ม E-Commerce แชร์ข้อมูลกับธนาคารพันธมิตร ระบบจะไม่ได้ส่งเอกสารเป็นไฟล์ PDF ไปให้พนักงานนั่งอ่าน แต่แพลตฟอร์ม E-Commerce จะเปิดท่อข้อมูล (API Endpoint) ให้เซิร์ฟเวอร์ของธนาคารวิ่งเข้าไประบุตัวตนผ่านระบบ OAuth 2.0 (Open Authorization) ซึ่งเป็นมาตรฐานความปลอดภัยสูงสุดในการให้สิทธิ์การเข้าถึงข้อมูลโดยไม่ต้องแชร์รหัสผ่าน
ข้อมูลที่ธนาคารดึงผ่าน API ไปวิเคราะห์แบบวินาทีต่อวินาที (Real-time data ingestion) ประกอบด้วย
- ยอดขายสุทธิรายวัน/รายเดือน (GMV – Gross Merchandise Volume) เพื่อดูว่ามีเงินสะพัดในร้านเท่าไหร่
- ความถี่ในการสั่งซื้อ (Order Frequency) ร้านที่มียอดขายสม่ำเสมอทุกวัน จะมีคะแนนเครดิตดีกว่าร้านที่ยอดขายพุ่งแค่ช่วงแคมเปญ (เช่น 11.11) แล้วหายไป
- อัตราการยกเลิกหรือคืนสินค้า (Return/Cancellation Rate) หากมีอัตราส่วนนี้สูง ธนาคารจะมองเห็นความเสี่ยงในคุณภาพสินค้าและการบริหารจัดการ
2. จาก Traditional Data สู่ Alternative Data
ในอดีต ธนาคารพึ่งพาข้อมูลจาก เครดิตบูโร (NCB) และ สเตทเมนต์ธนาคาร เท่านั้น ซึ่งพ่อค้าแม่ค้าออนไลน์หลายคนอาจจะรับเงินสด หรือใช้บัญชีส่วนตัวปะปนกับบัญชีร้านค้า ทำให้ธนาคารประเมินรายได้ยาก (Information Asymmetry)
ปัจจุบัน เทคโนโลยี Big Data Analytics เปิดทางให้ธนาคารใช้ Alternative Data (ข้อมูลทางเลือก) มาประเมินความเสี่ยง นอกเหนือจากยอดเงินในบัญชีแล้ว AI ของธนาคารยังนำตัวแปร (Features) เหล่านี้มาคำนวณร่วมด้วย
- คะแนนรีวิวจากลูกค้า (Seller Rating / Review Scores) ร้านที่มีคะแนน 4.8-5.0 ดาว ย่อมมีแนวโน้มดำเนินธุรกิจได้อย่างยั่งยืนกว่าร้านที่มีแต่ลูกค้ารีวิวต่อว่า
- อายุของร้านค้า (Store Age) ยิ่งเปิดมานาน ยิ่งมี Data Point ให้ AI เรียนรู้มาก ความน่าเชื่อถือยิ่งสูง
- พฤติกรรมการตอบแชท (Chat Response Rate) สะท้อนถึงความใส่ใจและการมีส่วนร่วมของพ่อค้าแม่ค้า
ข้อมูลเหล่านี้เมื่อถูกจัดโครงสร้าง (Structured Data) จะถูกส่งเข้าสู่ระบบ Data Warehouse ของธนาคาร เพื่อเตรียมเข้าสู่กระบวนการตัดสินใจในขั้นต่อไป
3. AI และ Machine Learning ในการทำ Credit Scoring
เมื่อธนาคารมีข้อมูล Alternative Data มหาศาลในมือ การให้พนักงานสินเชื่อมานั่งกดเครื่องคิดเลขคำนวณ Cash Flow ทีละร้านย่อมเป็นไปไม่ได้ ธนาคารจึงนำ Machine Learning (ML) เข้ามาใช้สร้างโมเดลประเมินความเสี่ยงที่เรียกว่า Behavioral Credit Scoring
อัลกอริทึมที่นิยมใช้มักจะเป็นกลุ่ม Gradient Boosting Machines (GBM) หรือ Random Forest ซึ่งสามารถจับแพทเทิร์นที่ซับซ้อนได้ โมเดลเหล่านี้จะเรียนรู้จากข้อมูลในอดีตว่า “พ่อค้าแม่ค้าที่มีพฤติกรรมแบบไหน มีโอกาสเบี้ยวหนี้ต่ำที่สุด?”
AI จะนำยอดขาย (Revenue) มาหักลบกับต้นทุนที่คาดการณ์ (Estimated Cost) และคำนวณออกมาเป็น ความสามารถในการชำระหนี้ (Debt Service Coverage Ratio – DSCR) แบบอัตโนมัติ หากคะแนนเครดิตที่ AI ประเมินได้สูงกว่าเกณฑ์ที่ธนาคารตั้งไว้ (Threshold) ระบบจะออกคำสั่ง “อนุมัติ” (Auto-Approve) และกำหนดวงเงินที่เหมาะสมให้ทันที ทั้งหมดนี้เกิดขึ้นภายในเวลาเสี้ยววินาทีหลังจากที่คุณกดปุ่มขอสินเชื่อในแอปฯ
4. ความปลอดภัยทางไซเบอร์และ พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA)
การเชื่อมโยงข้อมูลระดับนี้ หลายคนอาจกังวลเรื่องความปลอดภัย ธนาคารและแพลตฟอร์ม E-Commerce ต้องทำงานภายใต้ข้อกำหนดที่เข้มงวดของแบงก์ชาติ และ PDPA
- Data Encryption ข้อมูลที่วิ่งผ่าน API ระหว่าง Shopee/Lazada ไปยังธนาคาร จะถูกเข้ารหัส (Encrypted) ผ่านโปรโตคอล TLS 1.3 เพื่อป้องกันการดักจับข้อมูลระหว่างทาง (Man-in-the-Middle Attack)
- Tokenization การอ้างอิงถึงบัญชีผู้ใช้จะใช้ระบบ Token แทนการส่งเลขบัตรประชาชน หรือเลขบัญชีตรงๆ
- Consent Management ที่สำคัญที่สุด ระบบจะไม่สามารถดึงข้อมูลได้เลย หากเจ้าของร้านไม่ได้กด “ให้ความยินยอม” ด้วยตนเอง และผู้ใช้สามารถกดยกเลิกการให้สิทธิ์ (Revoke Access) ได้ตลอดเวลา
สรุป โอกาสทองของ SME ยุคดิจิทัล
การที่ธนาคารสามารถเข้าถึงข้อมูลแพลตฟอร์ม E-Commerce เพื่อประเมิน Cash Flow ได้นั้น ถือเป็นการ ปฏิวัติวงการสินเชื่อ (Disruption) อย่างแท้จริง มันเข้ามาทลายกำแพงที่เคยขวางกั้นไม่ให้ SME เข้าถึงแหล่งเงินทุน การไม่ต้องใช้สเตทเมนต์กระดาษ ไม่ต้องใช้หลักทรัพย์ค้ำประกัน เป็นผลพวงโดยตรงจากการผสมผสานระหว่าง Open Banking, Big Data และ Artificial Intelligence
สำหรับพ่อค้าแม่ค้าออนไลน์ วิธีที่ดีที่สุดในการเตรียมตัวรับโอกาสนี้ คือการรักษาคุณภาพของร้านค้าให้ดีเยี่ยม ตอบแชทให้ไว ส่งของให้ตรงเวลา และพยายามรักษายอดขายให้สม่ำเสมอ เพราะในโลกของสินเชื่อยุคใหม่ Data คือสินทรัพย์ค้ำประกันที่ดีที่สุดของคุณครับ
