在國際貨幣基金組織一篇新博文中，四位研究人員研究了利用流覽、搜索和購買歷史的數據來創建一個更準確的機制，來確定個人或企業信用評級的可能性。 他們認為，這種方法可以為那些有可能被傳統金融機構拒絕的借款人提供更多貸款。

該論文表示，銀行系統正面臨著來自Google、Facebook和蘋果等科技公司的嚴重威脅。 研究人員確定了兩個關鍵領域，科技公司有更多機會獲得軟資訊，而資訊平臺可以取代銀行依賴與客戶會面的物理位置。

目前貸款人依賴硬數據，這些數據可能會掩蓋借款人的價值，或者在困難時期描繪出一個不必要的悲慘畫面。 研究人員列舉了可以納入評估借款人的軟數據點，如用於訪問互聯網的瀏覽器和硬體類型，在線搜索和購買的歷史，他們認為，當貸款人接觸到潛在客戶上網歷史數據時，他們可能更願意給借款人一些寬鬆。

在經濟衰退期間，銀行傾向於為其長期客戶提供緩衝的信貸條件。 這是因為他們與客戶有一段歷史和關係。 現在，想像一下Facebook與借款人的那種親密歷史，突然間數位現金計劃開始變得更有意義了。 但是，如何將所有這些數據納入信用評級？ 當然是機器學習。

研究人員承認，將這種軟數據納入信用分析，會有隱私和政策方面的問題。 而且他們幾乎沒有解釋這在實踐中如何運作。 這篇論文並不長，值得一讀，可以讓讀者對金融科技未來有一些概念以及理解為什麼每個人似乎都想加入支付遊戲。

事實上，要獲得真正精細的軟數據點，可能需要像Facebook和蘋果這樣的公司放寬他們的標準，將未加密的信息與個人帳戶聯繫起來。 他們如何與其他機構分享資訊將是其自身的問題。 雖然研究人員看好科技公司對銀行的優勢，但他們認為企業對企業的借貸是傳統機構繼續主導的遊戲。 然而，由於雲計算的興起，這可能使大型科技公司能夠創建包括大型企業客戶在內的B2B生態系統，這種情況可能會發生改變。