Fintechは誰に恩恵をもたらすのか?東南アジアFintech企業訪問で見て聞いて<卒論・本論1-4>

※一幕のクライマックス。レミゼいうと「民衆の歌」です。笑

前項では、FintechがいかにUnbankedのクレジットアクセスを拡大しているか、実データを用いて分析をしました。では、一体FintechがリーチしているUnbankedはどのような人なのでしょうか?

実際にフィリピン、インドネシア、シンガポールのFintech企業に訪問して聞いたこと、わかったことをもとに、「結局Fintechによるクレジットアクセスの拡大で、誰が恩恵を受けるのか?」について、仮説を検証しています。

本論①Fintechによるクレジットアクセスの拡大

1‐4. 融資審査テクノロジーが効果を発揮する対象

先行研究の限界

このように、Fintechは従来利用されてこなかったハード・ソフト情報を含むビッグデータを活用し、独自のクレジットスコアを算出する事で、伝統的な金融機関がリーチできなかった層にクレジットアクセスを拡大している事が明らかになった。

しかし、先行研究で明らかになっていないのは、こういったFintechのサービスが届いている対象についての詳細である。つまり、こうした新たにクレジットアクセスを獲得した人々は、一体どのような人なのだろうか?

先行研究の限界は、デフォルト率が指標として採用される事が多い事からもわかる通り、往々にして貸し手側に注目しており、技術進歩や機関としての利益性が研究の対象となりがちである。一方で、借り手側に注目した研究はまだまだ進んでいないように思われる。

クレジットアクセス拡大に関するFintech関連では、しばしば’rescue the 20 billion unbanked’と謳われるものの、20億人というのは非常に大きい。本研究では、20億人のUnbankedのうち、Fintechがリーチしているのはどういった層なのか、どういった場面でFintechの恩恵を受けているのか、という点について仮説を検証したい。

検証は、実際に私が訪問したフィリピン、インドネシア、シンガポールのFintech企業でのヒアリングと、入手できる学術研究の結果や企業のWEBページを参考に行う。ヒアリング内容に関しては、訪問した企業のうち、許可の得られた情報のみ公開させて頂く。

ケース1 フィリピンF社

基本情報

F社は、’The First Loan for Everyone’を合言葉に、2016年8月に設立されたFintechスタートアップである。

フィリピンでは、15歳以上の成人人口のうち4分の3の人々がUnbankedであり、「金融サービスへのアクセス不足が、Small and Medium-sized Enterprises(SMEs)の成長を妨げている」との課題感を掲げ、フィリピンの2大通信会社の1つであるGlobeの下で、2015年9月にM社が立ち上げられた。M社はモバイルマネー、マイクロローンによる金融包摂をミッションに事業を展開し、フィリピンで最も大きいFintech企業として注目を集めている。

今回訪問したF社は、M社の傘下であり、M社45%、アリババ45%の出資で立ち上げられ、テクノロジーを有効活用した少額融資事業を行う。

事業内容とテクノロジーの利用詳細

少額ローン商品は4種類あるが、主軸となっているのはSMEs向けローンだそうだ。ヒアリングの結果分かったのは、SMEs向けローンの融資審査に関しては、現在は担当者がアナログで行っている事だ。

今回の訪問でお聞きしたかった融資審査テクノロジーは、Insta loanという形で始められた個人向けの少額ローンに使われているそうだ。Insta loanは簡単な個人情報を入力して申請する事で、最小300ペソ(日本円で約670円、12月8日現在)から最大50,000ペソ(約11万2000円)、利率は1.5%-2.5%で、2-26週の期間で貸付を受けられる。申請後、24時間以内に融資審査の結果が通知される。

個人向け少額ローンに使われる融資審査テクノロジーでは、クレジットスコアの教師データとして、基本的にEmailのデータ(メールを使う頻度、誰とのコンタクトが多いか、1日に何件送受信するか、など)を利用しているそうだ。今後は親会社のモバイルウォレット事業で得た購買や支払い、送受金データをアルゴリズムに組み込んで貸出す事が出来るシステムを構築することを目指している。

こちらのInsta loanに関しては、AIによる全自動の融資審査が実行されている。以前は個人認証プロセスで1人1人に電話をかけていたが、今はFBに登録するEmail addressを使った2重の認証システムにより、全自動が可能になったそうだ。

テクノロジーの現状結果

2016年8月の会社設立時からInsta loanを展開しているが、現在まででローン発行数約3500デフォルト率40-45%。まだこちらのInsta loanでの収益化は出来ておらず、今後、利用データの増加やアルゴリズムの精度を高める事による改善が必要との事である。

ポイント

注目すべきは、融資審査テクノロジーを駆使して融資を行う対象とそのデフォルト率の高さである。300ペソ(日本円で約670円)からの貸出を行っている事からもわかるように、ターゲットは貧困層、主な使途は日常消費である。借りられたお金は、日常必需品、あるいは緊急で必要になった医療費や冠婚葬祭費に使われており、本ローンは消費者金融となっているそうだ。一方で、デフォルト率が非常に高い事からもわかる通り、現段階でビジネスとして成り立っておらずテクノロジーがUnbankedに効果的にリーチしているとはいいがたい。

今後これが、他の例えばモバイルウォレットのデータなどの有効なデータ量を増やしたり、アルゴリズムの改善を行う事で審査テクノロジーの精度が上がるのか、それともそもそものターゲットとして貧困層の消費ローンにしている事に無理があるのか、これだけでは判断できないが、今ここで言えるのは、「現段階で、貧困層に向けた消費者ローンの融資審査テクノロジーはビジネスとして機能していない」という事である。ビジネスとして機能していない以上、継続的に、あるいはスケールさせたインパクトを与える事は出来ないので、このケースからFintechが貧困層の消費ローンに対してうまくリーチ出来ているとは言えない。

 ケース2 インドネシアM社

基本情報

M社は、シンガポールの拠点をもとに、2016年1月にインドネシアに設立されたP2Pレンディングを行うFintech企業である。’Stronger SMEs, stronger societies’というスローガンの下、中小企業の資金繰りの障壁を取り除くことで経済の発展を下支えする事を目指している。M社はインドネシアのP2Pレンディング市場においては最大規模であり、インドネシアの他、シンガポール、マレーシアに展開している。

事業内容とテクノロジーの詳細

貸し手と借り手がクラウドファンディング形式で繋がれる融資方式P2Pレンディング事業を行う。借り手が融資を申し込むと、M社が審査を行い、マーケットに出すとそこに貸し手が出資をして成立する。借り手は利率と共に返済し、仲介のM社がマージンを取った上で貸し手が利子を受け取る。

テクノロジーは、主に、審査プロセスを簡潔化、迅速化したことに役立っているそうだ。5分程度のオンライン申請後、担当者がそれを4営業日以内で審査して結果が通知される。すべてを機械でやっているのではなく、テクノロジーは企業の財務諸表のチェックなど、売上などがM社が設定する基準以上かどうかを判断するのに使われ、返済意思や細かい状況は担当者が確認している。

現状結果

設立以来、主に担保のないUnbankedの人々を対象に1551ローンを発行し、ローン発行数、額や貸し手借り手のユーザー数は急速に伸びている。

デフォルト率は、3か国で1.4%、インドネシアでは、わずか0.2%である。

ポイント

注目すべきは、デフォルト率の低さだ。

では、なぜこれが可能になるか?
インタビューの結果、明らかになったのは、彼らの融資先が「順調にビジネスを回している中小企業」に絞られているためだ。

そのからくりは以下の通りである。彼らはアプリケーションが送られてきた段階で、自己申告されたビジネス内容をほとんど自動で精査して、それが正しいかどうかを判断し、その他に、銀行預金残高証明書または財務諸表の提出を義務付ける。可能であればクレジットカード会社とも連携している、という。そして、借り手の主な資金使途は在庫調達、施設拡大、ビジネス拡大に必要な資金、給与支払であるそうだ。つまり、こういった基準から見えてくるのは、貸倒の可能性が限りなく低い、与信に足る(Credit worthy)中小企業を顧客として絞っているのである。

他にも、インドネシアでP2Pレンディングを行うFintech企業2社に訪問してヒアリングを行った所、同じようにきわめて与信力の高い事が想定される中小企業の資金需要にこたえるサービス設計となっていた。1社は、インボイスをもとにした融資が9割を占め、もう1社は、大銀行の傘下として、その銀行のキャッシュフローを見た状態で貸し出せる体制を作っていた。この3社はどこも急速に成長しているFintechスタートアップであり、従来の金融市場に新たな競争を持ち込み、市場を席巻している。

P2Pレンディングが盛り上がるインドネシアのコンテクスト

インドネシアが目立ってP2Pレンディングの盛り上がりを見せ、Fintechが市場で新たに存在感を増すのが可能なのは、インドネシア国内に与信力の高いUnbankedの人々が非常に多いからだと考えられる。

インドネシアではP2Pレンディング企業がここ2,3年で爆発的に増え、年々市場に熱が帯びている。これは、経済成長に伴って厚みを増しているミドル層がUnbankedであり、そこにFintechが入り込む余地の大きい市場が形成されている事が原因だろう。

以上、このインドネシアのケースでは、圧倒的に低いデフォルト率の低さが示すように、Fintech企業が効果的にUnbankedにリーチしている事がうかがえるが、これは、その仕組みを詳細に把握すると、もともと客観的にも与信力の高い人々に対して、担保がなくても迅速で簡単に融資を行える仕組みを整えているのであり、言い換えると、もともとビジネスを順調に回しているミドル層に限定してサービスを届けているという事である。

2つのケースからの示唆

この2つのケースから見えてくる事を一度整理すると、次のようになる。

つまり、Unbankedと一口に言っても、今Fintechが具体的にターゲットとしてリーチしているのは、図で赤く示した’Missing middle’といわれるような人々だ。具体的には、Unbankedの中でも安定したビジネスを持っていて、担保やクレジットヒストリーがないがために銀行からの借り入れは難しいが、十分に与信力の高い層である。

テクノロジーと開発のジレンマ

ここから、私が協調したいのは、「テクノロジーと開発のジレンマ」だ。「テクノロジーによってUnbankedの人々に金融サービスを届ける」というメッセージは、希望を抱かせ、貧困の解決に大きな貢献をするかのように聞こえるけれども、「実際に、現段階でテクノロジーだけで合理的にリーチできているのは、ミドル層まで」という事が見えてきた。さらに、テクノロジーの利用の仕方がこのままであると、その恩恵を受けて自律的に発展していくミドル層と取り残されて相対的に貧困が悪化する貧困層の差が大きくなる可能性がある。

よって、貧困層に対しては、現在のテクノロジーの利用の方向性にとどまらず、より包括的な手段を講じる必要がある。その方向性の1つのヒントとなるのが、次に紹介する、シンガポールのFintech企業の事例である。

ケース3 シンガポールC社

基本情報

C社は、2016年に設立されたシンガポールを拠点とするFintechスタートアップである。データとテクノロジーで主流の金融サービスから除外された人々の生活を改善する事を目指して、シンガポール、グルジア、インドネシア、フィリピン、タイ、ベトナム、ミャンマーにて事業を展開している。

事業内容とテクノロジーの詳細

彼らのビジネスがユニークな点は、彼ら自身は融資を行わない事だ。彼らは金融機関を顧客とする完全なBtoBビジネスで、顧客のデータを独自のアルゴリズムに組み込んで、顧客の融資の合理化に貢献している。

具体的には、銀行を含めた金融機関や通信会社、小売業者とパートナーシップを組み、彼らの顧客データを使いつつ、独自のアルゴリズムで算出するクレジットスコアにより、融資希望者の融資審査を行っている。

特徴としては、スマホにたまった5万点に及ぶ膨大なデータを用いているが、このデータは完全匿名性で個人を特定しない状態でアルゴリズムを築く事があげられる。そしてその精度が非常に高いため、顧客の融資審査における迅速化とデフォルト率の低下に役立つ。

データは、C社のアプリをダウンロードすると、通話やメールの履歴、SNSなどの他の各アプリケーション、GPS、写真データ量などの情報に自動でアクセスされ、そのアプリがデータを拾う仕組みとなっている。

(以下、訪問時に頂いた資料より抜粋)

集められたデータは、このように完全Anonymous(匿名的)で個人を特定できるものでない。

データを解析する中で各データ項目における、デフォルトレートとの相関関係が明らかになってきて、それを用いて顧客の与信力が判断できるようになっている。

データサイエンスによって明らかになってきた各情報とデフォルト率の相関関係

現状の結果

このようにして、データとテクノロジーを効果的に組み合わせた結果、伝統的なクレジットスコアに基づいて貸し出した時よりも、デフォルトレートを大きく下げる事に貢献し、金融機関のパフォーマンス向上に貢献している。

同じ数の融資を行った(承認率が同じ)場合、C社のスコアリングシステムを入れる事でデフォルト率を7.9%から4.8%まで低下させる事ができ、もしくは、同じデフォルト率を許容する場合、承認率を50%強から78%まで上げる(発行数を増やす)事が出来る。

ポイント

C社の事例から導き出される、最も重要なポイントは、顧客の持つ情報と自社のデータサイエンス技術を組み合わせるという、汎用性の高いビジネスを展開している事である。

金融機関を含め、融資や支払いに関係するあらゆる企業を顧客とする事で、データを集めてアルゴリズムを築き、彼らの融資審査の精度の向上に貢献している事である。そしてこれは自らのアルゴリズムの精度を上げる事にもつながるという強化型ループだ。

つまり、我々がC社の事例から学ぶべきは、このようにテクノロジーに特化した形で他の機関と結べば、貧困層に対しても大きなインパクトがもたらされる可能性がある事である。

例えば、同じようにマイクロファイナンス機関を対象に、その今までの顧客のデータベースを利用して独自のアルゴリズムを築く事が可能だ。これを利用して申請者に対して融資審査を行えば、マイクロファイナンス機関の最大のボトルネックである審査のオペレーションコストを下げ、さらにデフォルト率を下げる事が可能になるかもしれない。P2PレンディングのようなFintechスタートアップだけではリーチに無理があった層に対しても、こうしたFintechと伝統的な金融機関が結びつく事でリーチできる可能性が生まれる。ただし、融資だけでもたらせるインパクトについては検証の余地があるが、詳細は本論2にゆずる。

ケーススタディから導き出された結論

このように、現地Fintech企業の訪問をもとにしたケーススタディにより、導き出された結論を、以下述べさせて頂く。

融資分野において、Fintechがその利点を最大限生かした形で浸透しやすいのはUnbankedの中でもミドル層の人々であり、貧困層に直接的にサービスを届け、ビジネスとして合理的な状態に持っていく事は現時点では認められなかった。
一方で、Fintechが他の活動機関と結びつくことでUnbankedの貧困層にリーチする事は十分に可能であり、データ×テクノロジーがその効果を存分に発揮して多大なインパクトを起こす1つの方向性としての示唆を与えている。

結論をサポートする実情

さらに、ケーススタディから導き出される結論は、実際のビジネスの様子やほかの研究においてもそれをサポートする材料を見つける事が出来る。

例えば、M社の借り手の条件として、少なくとも毎月2000万ルピア(約166,000円、2017年12月16日時点のレート)の売上やビジネスを始めて最低1年が経っている事が条件となっている。同様に、訪問した他の2社の借り手の条件も見ると、I社は、ビジネスを始めて2年以上経っている事、ジャカルタとその周辺のJabodetabek地域でビジネスを行っている事、大企業と関係性を持つ事などを条件とし、D社はD社の親会社に銀行口座を持つ事を条件としている。

このように、条件を見ると、ビジネスが軌道に乗っていて安定した収益を得られた人のみ、借り手として第一段階の申請が通るようになっている。よって、デフォルト率を極限まで低く抑えビジネスとして成功しているサービスは、借り手としていわゆる’Missing middle’と呼ばれた人々をターゲットとしている事が分かる。

また、Buchak, Matvos, Piskorski, and Seru (2017)は、アメリカにおけるシャドウバンキングの研究の中で、Fintechとそれ以外の金融機関で比較したところ、Fintechの方が、信用力の高い人に貸し出している事を発見した。
(http://www.nber.org/papers/w23288)

他にも間接的な方法でターゲットがミドル層以上である事がうかがえる研究がある。

Mach, Carter, and Slattery (2014) は、「Lending Club」のデータを使った研究から、SMEsの借り手は、P2Pで借りると、伝統的な金融機関の融資に比べておおよそ2倍の利率を払っている事を示した。
(https://www.federalreserve.gov/pubs/feds/2014/201410/index.html)

Buchak, Matvos, Piskorski, and Seru (2017)は、こうした高い利率に対して、Fintechで融資を受ける人は、融資審査が速くて便利である事に価値を置いていて、そこに対しFintechはプレミアムとして高い利率を設定していると指摘する。

これより、低いデフォルト率を考えると、原則的には、高い利率を払ってでも資金を調達したい、かつ高い利率でも返済できる人だけがこのP2Pレンディングで借りている事がうかがえる。そして、彼らは、審査の迅速性と利便性をプレミアムとして高い利率を払う意欲のある層である事が分かる。
こうした事実から、間接的に浮かび上がってくることは、このようなFintech企業は、新たなビジネスの開始や長期的な収益スパンとなる農業、利益率が低く収益の見込みが立ちにくいビジネスの資金ニーズには最適でないような仕組みとなっていて、貧困層を対象として想定していない事だといえるだろう。

よって、こうしたビジネスモデルの精査でわかる実情や先行研究の情報も、融資審査におけるFintechがリーチするのはミドル層であり、単体では貧困層に恩恵をもたらしにくいという結論を支持しているといえる。

章のまとめ

この章では、融資審査テクノロジーが効果を発揮する対象、具体的にはUnbankedに融資を行うFintech企業のターゲットを中心に、融資審査のテクノロジーはUnbanedの中でも誰に対して影響を与えるのかを検証してきた。

検証方法として、自ら訪問したフィリピン、インドネシア、シンガポールのFintech企業へのヒアリングとその他関連する先行研究をもとに仮説検証を行った。

その結果、明らかになったのは、Fintechの融資審査テクノロジーの恩恵を最も受けているのは、ある程度生活水準が高く安定したビジネスを持つUnbankedなミドル層である事である。貧困層にはそれ単体ではサービスとしての価値が届いていないのが現状だが、データを最大限活用したスコアリング技術は、マイクロファイナンス機関など他の機関と提携する事でその機関の効率や持続性を高めて、貧困層のUnbankedにアプローチ出来る可能性がある。

 

以上、本論の第一段階として、FintechがいかにUnbankedのクレジットアクセスを拡大しているか、そしてその恩恵を受けているUnbankedは具体的にどんな対象の人なのかという事について詳細に検証してきた。

本論の第二段階では、ではそういったクレジットアクセスの拡大が、途上国開発のゴールとして置く「人々の人生の選択肢の拡大」に貢献しているのかについて、アマルティアセンのケイパビリティ・アプローチを参考に検証する。

 

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です