Saat ini terdapat kesenjangan pemanfaatan data perpajakan pada beberapa perusahaan pembiayaan alternatif. Keterputusan yang jelas antara data pentingnya perencanaan pajak tradisional yang digunakan pemberi pinjaman dan apa yang seharusnya mereka gunakan menciptakan kesenjangan antara pengikut industri dan inovator industri.
Kami akan memanfaatkan lanskap terkini dari data uji tuntas pemberi pinjaman dan mendalami penelitian kami untuk mengilustrasikan bagaimana kami sampai pada titik terputusnya hubungan ini. Kemudian kita dapat menjawab apa yang dapat dilakukan oleh para profesional risiko kredit untuk mengoptimalkan model risiko kredit mereka.
Bagi pemberi pinjaman, tetap kompetitif sambil memanfaatkan semua alat yang tersedia untuk meningkatkan keuntungan adalah hal yang penting.
Pemberi Pinjaman Alternatif Non-Bank adalah Pemimpin Data Fintech
Bagi pemberi pinjaman alternatif non-bank, dapat dimengerti bahwa mereka terus-menerus berusaha menyeimbangkan elemen risiko dan kebutuhan pendanaan dengan cepat. Kekuatan-kekuatan yang didorong oleh pasar yang sangat kompetitif ini telah menempatkan para profesional risiko kredit sebagai pendorong untuk mengembangkan organisasi mereka.
Oleh karena itu, para profesional risiko kredit ditugaskan untuk menggabungkan proses dan teknologi berbasis data untuk mempertajam kemampuan mereka dalam melakukan segala hal, mulai dari mengidentifikasi penipuan dengan cepat hingga memprediksi kelayakan kredit peminjam tanpa mengganggu alur transaksi mereka dan meningkatkan risiko.
Aspek inovasi model data ini menjadi kunci dalam memungkinkan pemberi pinjaman alternatif non-bank untuk memperluas jangkauan mereka dan memimpin dalam memperoleh pangsa pasar pinjaman UKM dibandingkan bank tradisional. Dengan melihat beberapa nama besar di bidang keuangan alternatif, mudah untuk melihat bagaimana pemberi pinjaman non-bank ini menggunakan data untuk menjamin dan mendanai usaha kecil dengan kecepatan yang sebelumnya dianggap mustahil:
Skor kepatutan OnDeck menggunakan 2.000 poin data
Kabbage dapat mencairkan dana dalam hitungan menit
Platform pinjaman usaha kecil PayPal dapat menjamin dan mendanai dalam sehari
Memanfaatkan Data yang Tersedia
Untuk melanjutkan tren positif keuangan alternatif non-bank, SEMUA data yang berdampak harus dimanfaatkan agar dapat bergerak maju.
Di sinilah data perpajakan berperan.
Salah satu asumsi yang krusial namun jelas bagi pemberi pinjaman adalah hal ini – pengetahuan mengenai apakah sebuah perusahaan mampu membayar utangnya saat ini merupakan indikasi kemungkinan bahwa pinjaman mereka akan dilunasi secara penuh atau tidak.
Pertanyaannya kemudian, apakah semua aspek data Pelatihan Perpajakan Online digunakan untuk menentukan apakah suatu bisnis cukup layak untuk mendapatkan kredit untuk membayar pinjaman? Mengapa? Karena jika Anda peduli apakah suatu bisnis membayar tagihannya, Anda pasti peduli jika peminjam membayar kewajiban IRS mereka secara penuh dan tepat waktu.
Riwayat pembayaran yang ceroboh adalah definisi utama dari risiko bagi pemberi pinjaman karena pada akhirnya, hal itu akan menimpa peminjam.
Data Pajak Saat Ini di Pasar Cacat
Mari kita mulai dengan alat yang saat ini digunakan untuk menjawab pertanyaan tentang seberapa layak seorang peminjam mendapatkan kredit. Baik itu model 2.000 titik data OnDeck atau spreadsheet Excel dengan rumus, saus rahasia pemberi pinjaman online untuk menginformasikan pengambilan keputusan kredit biasanya dibuat dengan perpaduan data tradisional dan non-tradisional.
Sebagian besar pemberi pinjaman komersial yang kami konsultasikan mengandalkan gabungan masukan data pihak ketiga untuk membangun model kredit mereka dan bergantung pada kecanggihan, skor kepemilikan mereka sendiri untuk pemberian pinjaman. Berikut ini bukanlah daftar lengkap, namun berfungsi untuk menggambarkan lanskap data yang tersedia yang biasanya digunakan oleh pemberi pinjaman komersial:
Laporan kredit – FICO, riwayat pembayaran, tunggakan, dll.
Dokumen yang Disediakan Peminjam – laporan bank, pengembalian pajak bisnis, laporan pemrosesan kartu kredit, dll.
Catatan Publik – keputusan, kebangkrutan, kredit pribadi, pencarian UCC, dll.
Data Firmografi – Jenis industri, waktu dalam bisnis, lokasi, dll.
Data Pajak Catatan Publik – Hak gadai pajak IRS yang dicatat, hak gadai pajak negara bagian, hak gadai pajak properti, dll.
Karena kami menyoroti keterputusan dalam data pajak, mari kita telusuri “Data Pajak Catatan Publik” IRS, alias Lien Pajak Federal. Kebenaran yang diterima secara umum di kalangan pemberi pinjaman komersial adalah bahwa jika suatu bisnis tidak membayar pajaknya, hak gadai pajak akan muncul dalam pencarian catatan publik.
Hmmm. Tidak secepat itu.
Kadang-kadang kebenaran yang diterima secara umum terkikis sampai tidak lagi benar, yaitu sampai muncul kebenaran baru. Penelitian mendalam kami terhadap data pajak menghilangkan mitos yang umum diterima ini – memberikan pemahaman baru kepada para profesional risiko kredit tentang cara menggunakan data pajak untuk secara signifikan meningkatkan pengambilan keputusan kredit mereka.
3 Masalah Utama pada Data Pajak Saat Ini untuk Uji Tuntas
Mari kita mulai dengan apa yang salah dengan data yang tersedia saat ini –
1. Laporan Kredit Tidak Dapat Diandalkan-
Keputusan baru-baru ini dari biro-biro kredit besar untuk tidak lagi memasukkan data hak gadai pajak IRS pada laporan kredit telah menggambarkan kesenjangan yang semakin besar dalam model risiko kredit pada umumnya pemberi pinjaman alternatif non-bank.
Skor kredit tidak hanya diperkirakan akan meningkat 20-40 poin, namun kita juga menghadapi situasi saat ini di mana 100% data hak gadai pajak di masa lalu, sekarang, dan masa depan tidak lagi dapat dimasukkan ke dalam laporan kredit. (Untuk latar belakang lebih lanjut mengenai perkembangan ini, lihat blog kami, 100% Hak Gadai Pajak Telah Dihapus dari Laporan Kredit – Haruskah Pemberi Pinjaman Waspada? & Laporan Kredit Menghapus Hak Gadai Pajak: Apa yang Perlu Diketahui Pemberi Pinjaman )
Jika Anda mengandalkan laporan kredit untuk menjelaskan risiko peminjam dari data pajak IRS, Anda dapat membuang laporan tersebut.