

₹1.3 लाख मासिक वेतन आणि 774 चा मजबूत क्रेडिट स्कोअर असलेल्या एका अर्जदाराने वैयक्तिक कर्ज मिळवणे ही औपचारिकता असेल असे गृहीत धरले होते. मात्र, बँकेने त्यांचा अर्ज थेट नाकारला – कारण कर्जदार पैसे देऊ शकत नाही म्हणून नाही, तर त्यांच्या नियोक्त्याचे नाव बँकेच्या “मंजूर कंपन्यांच्या यादीत” नव्हते.
ही घटना वेगळी नाही. भारतात आजही लाखो लोकांकडे देयक क्षमता आणि इच्छाशक्ती असूनही औपचारिक कर्ज मिळत नाही – कारण कर्ज देणाऱ्या संस्थांची अंडररायटिंग मॉडेल्स अजूनही जुन्या चौकटीत अडकलेली आहेत.
तंत्रज्ञानातील प्रगती असूनही, भारतातील मोठा वर्ग अजूनही क्रेडिटपासून वंचित किंवा कमी सेवा मिळालेला आहे.
एका अभ्यासानुसार, जवळजवळ 50% भारतीयांनी कधीही आपला क्रेडिट स्कोअर तपासलेला नाही.
अनेकांना अजूनही असा गैरसमज आहे की वारंवार स्कोअर तपासल्याने तो कमी होतो.
परिणामी, कर्ज अर्ज नाकारल्यानंतरच लोकांना आपला कमी स्कोअर समजतो, ही एक गंभीर प्रणालीगत त्रुटी आहे.
ट्रान्सयुनियन CIBIL च्या अहवालानुसार:
21 ते 30 वयोगटातील सुमारे 30% भारतीयांचे स्कोअर 650 पेक्षा कमी आहेत.
हे कमी स्कोअर बहुतेक वेळा:
चुकलेले हप्ते किंवा डिफॉल्टमुळे नसून
क्रेडिट इतिहासच नसल्यामुळे (Thin File / No File) निर्माण होतात.
यात भर म्हणजे, ग्लोबल फाइंडेक्सनुसार भारतातील 16% खातेधारकांकडे सक्रिय बँक खाते नाही. ही ‘निष्क्रियता’ क्रेडिट अदृश्यतेला अधिक गती देते.
औपचारिक प्रणालीने नाकारल्यानंतर हे लोक कुठे जातात?
अनौपचारिक कर्ज बाजारात, जिथे:
व्याजदर जास्त
अटी कठोर
आणि कर्जाचे सत्र सुरू राहते.
CMIE च्या डेटावर आधारित अभ्यासानुसार:
2018-19 ते 2022-23 दरम्यान, दरवर्षी औपचारिक कर्ज घेणाऱ्या आर्थिकदृष्ट्या कमकुवत घटकांची संख्या 4.2% ने घटली आहे.
ही आकडेवारी भारताच्या समावेशक विकासासाठी धोक्याची घंटा आहे.
थोडक्यात उत्तर: नाही.
क्रेडिट स्कोअर उपयुक्त असले तरी:
ते व्यक्तीच्या संपूर्ण आर्थिक वर्तनाचे चित्र दाखवत नाहीत.
केवळ त्यांच्यावर अवलंबून राहणे म्हणजे लाखो पात्र कर्जदारांना दुर्लक्षित करणे.
आता पुढचा मार्ग आहे - पारंपारिक क्रेडिट स्कोअर + पर्यायी डेटा
यामध्ये समावेश होतो:
उत्पन्न व खर्चाचे व्यवहार
UPI / ई-वॉलेट वापर
वीज, पाणी, मोबाईल बिल भरणा
डिजिटल वर्तनाचे संकेत
हे सर्व एकत्र करून एखाद्या व्यक्तीची आर्थिक शिस्त आणि हेतू अधिक अचूकपणे समजतो.
पर्यायी डेटा वापरणाऱ्या मॉडेल्समुळे:
नवीन-क्रेडिट ग्राहकांसाठी 27% अधिक मंजुरी मिळत आहे.
लाखो डेटापॉइंट्सवर प्रशिक्षित मॉडेल्स आता पूर्वी ‘अपात्र’ मानल्या गेलेल्या लोकांनाही कर्ज देऊ शकत आहेत.
जर भारताला खरोखरच समावेशक क्रेडिट इकोसिस्टम तयार करायची असेल, तर जुन्या चौकटी मोडाव्या लागतील आणि प्रत्येक पात्र व्यक्तीला औपचारिक कर्जाचा मार्ग खुला करावा लागेल.
कारण कर्ज हे विशेषाधिकार नसून, संधी असावी.