Kiva คนแปลกหน้ากล้าให้กู้!? วิเคราะห์ข้อมูลด้วย Tableau

“คีวา” (http://www.kiva.org/) องค์กรที่ทำให้คนธรรมดาๆ สามารถปล่อยสินเชื่อไมโครเครดิต ให้กับผู้ประกอบการรายย่อยในประเทศกำลังพัฒนาทั่วโลก ขอเพียงแต่เป็นผู้ใช้อินเทอร์เน็ต มีบัตรเครดิต และยินดีให้คนแปลกหน้าที่ไม่รู้จักยืมเงิน 25 เหรียญสหรัฐ (ไม่ถึง 800 บาท) ไปลงทุน เพื่อถีบตัวเองให้พ้นจากบ่วงความจน

กระบวนการปล่อยสินเชื่อบนคีวามีขั้นตอนง่ายๆ เพียงสองขั้นเท่านั้น คือ ขั้นแรก เจ้าหนี้เข้าไปอ่านคำอธิบายสั้นๆ บนเว็บคีวาว่า ผู้ประกอบการแต่ละรายชื่ออะไร (อาจเป็นบุคคลหรือกลุ่มบุคคลก็ได้) อยู่ประเทศอะไร ต้องการเงินกู้จำนวนเท่าใด (ส่วนใหญ่อยู่ระหว่าง 100-1,500 เหรียญ) เพื่อไปทำอะไร (เช่น ซื้อรถเข็น) ในธุรกิจอะไร (เช่น ขายผักผลไม้) เสนอเงื่อนไขว่าจะชำระคืนภายในกี่เดือน (ส่วนใหญ่อยู่ระหว่าง 4-18 เดือน) และ field partner ของ คีวาที่คัดผู้ประกอบการรายนี้มาให้คือองค์กรอะไร มีประวัติการชำระคืนเป็นอย่างไร ขั้นที่สอง เจ้าหนี้เลือกกิจการที่อยากปล่อยกู้ เสร็จแล้วก็ โอนเงิน 25 เหรียญให้กับผู้ประกอบการที่สนใจจะช่วย ผ่านแอ็กเคานต์เพย์พาล (http://www.paypal.com/ บริการให้คนธรรมดารับและจ่ายเงินผ่านบัตรเครดิตบนเว็บ ใช้ได้ในประเทศไทยแล้วด้วย ถ้าใครอยากปล่อยกู้บนคีวา แต่ยังไม่มีแอ็กเคานต์เพย์พาล ก็ต้องไปสมัครเป็นสมาชิกเพย์พาลก่อน ซึ่งใช้เวลาไม่นาน) เท่านั้นก็เป็นอันจบกระบวนการ ขั้นตอนทั้งหมดนี้ใช้เวลาไม่ถึงห้านาที

หลังจากเปิดดำเนินการมาได้เพียงสองปี (คีวาระดมทุนก้อนแรกสำเร็จในเดือนตุลาคม 2005 ด้วยการส่งอีเมล์ไปหาแขกที่ได้รับเชิญมางานแต่งงานของแม็ตและเจสสิกา แฟลนเนอรี ผู้ก่อตั้งคีวา “ลูกค้า” รายแรกๆ ที่คีวาระดมทุนให้ คือกิจการเจ็ดอย่างในประเทศยูกันดา ซึ่งมีตั้งแต่ชาวประมง คนขายเสื้อมือสอง คนเลี้ยงแพะ และคนขายผัก) คีวาก็ประสบความสำเร็จอย่างงดงามและอย่างรวดเร็วอย่างน่าอัศจรรย์ โดยปัจจุบันมี “เจ้าหนี้” ที่สมัครเป็นสมาชิกกว่า 123,000 ราย ปล่อยสินเชื่อรวมกันไปแล้วกว่า 12.4 ล้านเหรียญสหรัฐ ให้กับผู้ประกอบการรายย่อย 18,000 ราย ใน 39 ประเทศกำลังพัฒนาทั่วโลก คีวาได้รับความนิยมสูงมากจากคนที่อยากช่วยเหลือเพื่อนร่วมโลก จนทำให้เงินที่ต้องการปล่อยกู้ (อุปสงค์) มีปริมาณสูงกว่าเงินที่ผู้ประกอบการต้องการกู้ (อุปทาน) ทำให้คีวาต้องประกาศตรึงเพดานเงินกู้ไว้แค่ 25 เหรียญสหรัฐต่อเจ้าหนี้หนึ่งราย เพื่อให้ทุกคนมีโอกาสมีส่วนร่วม แต่ถึงกระนั้นก็ตาม บางครั้งคีวาก็ต้องติดประกาศบนเว็บว่า “ตอนนี้ผู้ประกอบการทุกรายได้รับเงินกู้เท่าที่พวกเขาต้องการแล้ว ขอขอบคุณทุกท่านที่สนับสนุน ขอให้เข้ามาเช็คใหม่ในโอกาสต่อไป” เพราะมีคนอยากปล่อยเงินกู้มากเกินกว่าจะหาผู้ประกอบการมารับเงินได้ตลอดเวลา

ที่ผ่านมา เงินกู้ที่ปล่อยผ่านคีวามีอัตราการผิดนัดชำระหนี้ (default rate) ต่ำมาก เพียงร้อยละ 0.33 ของยอดเงินกู้ทั้งหมดเท่านั้น ถึงแม้ว่าลูกหนี้ทุกรายจะเป็น “คนจน” ในประเทศกำลังพัฒนา ซึ่งหลายคนอาจมองว่ามีความเสี่ยงที่จะผิดนัดชำระหนี้สูงกว่าคนมีฐานะดี ความสำเร็จข้อนี้ของคีวาส่วนหนึ่งมาจากข้อเท็จจริงที่สถาบันการเงินไมโคร เครดิตจำนวนมากนับจากธนาคารกรามีนได้พิสูจน์ให้เห็นว่า “ปัญญาสาธารณ์” (conventional wisdom) ที่ปรามาสคนจนว่าไม่มีทางมีศักยภาพในการชำระหนี้นั้น ไม่เป็นความจริงแต่อย่างใด แต่สาเหตุสำคัญอีกประการหนึ่งของความสำเร็จของคีวาที่ผู้เขียนคิดว่าสำคัญ กว่า และสะท้อน “ความเก่ง” ของคีวาได้ดีกว่า คือข้อเท็จจริงที่ว่า คีวาไม่ได้เป็นคนคัดเลือกผู้ประกอบการที่ต้องการเงินกู้มาลงเว็บไซต์ด้วยตัว เอง แต่อาศัยองค์กรพัฒนาเอกชน (เอ็นจีโอ) และสถาบันไมโครเครดิตต่างๆ ในประเทศกำลังพัฒนา รวมทั้งสิ้น 67 องค์กร ซึ่งคีวาแต่งตั้งให้เป็น “พันธมิตรภาคสนาม” (field partner) ของคีวา field partner เหล่านี้ทำหน้าที่เป็น “นายหน้าคนกลาง” นั่นคือเสาะหาและกลั่นกรองผู้ประกอบการในประเทศของตัวเองที่ “เชื่อถือได้” โพสต์ข้อมูลเป็นภาษาอังกฤษแทนผู้ประกอบการ (ซึ่งจำนวนมากไม่รู้หนังสือ) บนเว็บของคีวา ตลอดจนบริหารเงินกู้แทนเจ้าหนี้ปัจเจกชน เช่น รับชำระคืนเงินกู้ ติดตามความคืบหน้าของธุรกิจของผู้ประกอบการ ฯลฯ

Kiva.org เป็นแพลตฟอร์มการระดมทุนแบบออนไลน์เพื่อขยายบริการทางการเงินไปสู่ผู้คนที่ยากจนและไม่ได้รับการสนับสนุนทางการเงินทั่วโลก ผู้ให้กู้ Kiva ได้ให้เงินกู้ยืมมากกว่า 1 พันล้านดอลลาร์แก่ผู้คนกว่า 2 ล้านคน เพื่อกำหนดลำดับความสำคัญของการลงทุนช่วยแจ้งผู้ให้กู้และทำความเข้าใจกับชุมชน
เป้าหมายของพวกเขารู้ระดับความยากจนของผู้กู้แต่ละคนเป็นสิ่งสำคัญ อย่างไรก็ตาม จำเป็นต้องมีการอนุมานบนพื้นฐานของข้อมูลที่ จำกัด สำหรับผู้กู้แต่ละราย

ในวิทยาศาสตร์ข้อมูลขั้นต้นของ Kaggle Datasets เพื่อความท้าทาย Kiva เชิญชุมชน Kaggle เพื่อช่วยพวกเขาสร้างแบบจำลองที่มีการแปลมากขึ้นเพื่อประเมินระดับความยากจนของผู้อยู่อาศัยในภูมิภาคที่ Kiva มีสินเชื่อใช้งานอยู่ แตกต่างจากการแข่งขันการเรียนรู้ด้วยเครื่องแบบดั้งเดิมที่มีเกณฑ์การประเมินที่เข้มงวด ผู้เข้าร่วมจะพัฒนาวิธีการสร้างสรรค์ของตนเองเพื่อตอบสนองวัตถุประสงค์ แทนที่จะสร้างไฟล์การทำนายเช่นเดียวกับปัญหาการเรียนรู้ของเครื่องภายใต้การดูแล ในความท้าทายนี้จะอยู่ในรูปของการวิเคราะห์ข้อมูลของ Python

  • Columns ที่ใช้ในการวิเคราะห์ข้อมูล

-idUnique ID สำหรับสินเชื่อ
-funded_amount จำนวนเงินที่ Kiva จ่ายให้กับตัวแทนภาคสนาม (USD)
-borrow_amount จำนวนเงินที่ตัวแทนจำหน่ายจ่ายให้กับผู้กู้ (USD)-
-กิจกรรมหมวดหมู่ย่อย ๆ เพิ่มเติม
-หมวดหมู่ระดับสูง
-ใช้การใช้งานที่แน่นอนของจำนวนเงินกู้
-country_codeISO รหัสประเทศของประเทศที่มีการเบิกเงินกู้
-country ชื่อประเทศแบบเต็มของประเทศที่มีการเบิกเงินกู้
-ชื่อภูมิภาคเต็มรูปแบบภายในประเทศ
-สกุลเงินที่ใช้ชำระเงินกู้
-partner_idID ขององค์กรพันธมิตร
-posted_time เวลาที่เงินกู้ถูกโพสต์บน Kiva โดยตัวแทนภาคสนาม
-disbursed_timeThe เวลาที่เงินกู้ถูกจ่ายโดยตัวแทนภาคสนามให้กับผู้กู้
-funded_time เวลาที่เงินกู้โพสต์ไปยัง Kiva ได้รับเงินทุนจากผู้ให้กู้อย่างสมบูรณ์
-term_in_months ระยะเวลาที่จ่ายเงินกู้ในเดือน
-lender_count จำนวนรวมของผู้ให้กู้ที่สนับสนุนเงินกู้นี้
แท็ก
-borrower_gendersComma แยก M, F ตัวอักษรซึ่งแต่ละอินสแตนซ์แสดงถึงชาย / หญิงเดี่ยวในกลุ่ม
-repayment_interval
-วันที่

1.กราฟแรกเป็นกราฟที่แสดงถึงผลรวมของเงินกู้เป็นเทอม แยกออกเป็นปี จะเห็นได้ว่าประเทศที่จำนวนเงินกู้สูงที่สุดอย่างชัดเจน เพราะการไล่ระดับสีจากเข้มไปอ่อน และมีตัวเลขกำกับไว้อย่างชัดเจนถึงจำนวนที่กู้ โดยประเทศที่มีผลรวมจำนวนเงินกู้เป็นเทอมสูงสุด คือประเทศ ฟิลิปปินส์

-ข้อมูลชุดนี้จะเป็นประโยชน์ต่อการวิเคราะห์ถึง สภาพทางการเงิน ในแต่ละประเทศ ถึงช่วงปีนั้นๆ ว่ามีจำนวนเพิ่มขึ้นหรือลดลงมากน้อยเพียงใด

2.กราฟแรกเป็นกราฟที่แสดงถึงจำนวนผู้ให้กู้ที่สนับสนุนเงินกู้นี้แบ่งแยกออกเป็นกิจกรรมต่างๆในแต่ละประเทศนั้นๆ โดยมีการเรียงลำดับตามสี สีน้ำเงินเข้ม-คือมากสุด สีแดง-คือน้อยสุด

-ข้อมูลชุดนี้เป็นประโยชน์ต่อการวิเคราะห์ถึงกิจกรรมหลักๆในแต่ละประเทศนั้นๆว่าส่วนมากนิยมทำอะไร ประกอบอาชีพอะไร ทำให้เราหาข้อมูลได้ง่ายขึ้นรวดเร็วขึ้น

3.เป็นกราฟที่แสดงถึงข้อมูลจำนวนการบันทึกการกู้ยืมของแต่ละประเทศนั้นๆโดยจะแสดงจากมากสุดไปน้อยสุด จะเห็นได้ว่าประเทศฟิลิปปินส์มาเป็นอันดับหนึ่ง โดยมีจำนวนทั้งหมด 160,441

-ข้อมูลชุดนี้จะเป็นประโยชน์ต่อการวิเคราะห์เชิงรวมที่ผ่านมาว่ามีประเทศไหนที่ต้องการเงินกู้มากที่สุด

4.เป็นกราฟที่แสดงถึง Partners id ของประเทศนั้นๆ โดยกราฟที่เป็นวงกลมใหญ่สุดและมีสีเข้มที่สุดคือกราฟที่มีจำนวนที่กู้มากที่สุด คือ ประเทศฟิลิปปินส์ Partner id:145 รองลงมาคือประเทศที่วงกลมเล็กลงและมีสีจางลง คือ ประเทศ Paraguay Partner id:58
-ข้อมูลชุดนี้จะเป็นประโยชน์ต่อการหารหัสพาร์ทเนอร์ไอดีได้ง่ายขึ้น โดยเรียงลำดับเงินกู้จากมากสุดไปน้อยสุด


5.เป็นกราฟที่แสดงถึง measure values ของแต่ละประเทศนั้นๆว่ามี
-จำนวนเงินกู้เป็นเทอมเท่าไหร่
-จำนวนบันทึกเงินกู้เท่าไหร่
-จำนวนของผู้ให้กู้ที่สนับสนุนเงินกู้นี้เท่าไหร่
-จำนวนเงินกู้ที่ คีวา จ่ายให้กับตัวแทนภาคสนามเท่าไหร่
-จำนวนเงินกู้รวมทั้งหมดเท่าไหร่
– ข้อมูลชุดนี้จะเป็นประโยชน์ต่อการหาผลรวมเงินกู้ทั้งหมดของแต่ละประเทศนั้นๆได้ง่ายขึ้น โดยเรียงลำดับเงินกู้จากมากสุดไปน้อยสุด

6.เป็นกราฟที่แสดงถึง measure values ของกิจกรรมหรือกิจการที่ผู้กู้นิยมมากที่สุด
โดยจะแสดงผล คือ
-จำนวนเงินกู้เป็นเทอมเท่าไหร่
-จำนวนบันทึกเงินกู้เท่าไหร่
-จำนวนของผู้ให้กู้ที่สนับสนุนเงินกู้นี้เท่าไหร่
-จำนวนเงินกู้ที่ คีวา จ่ายให้กับตัวแทนภาคสนามเท่าไหร่
-จำนวนเงินกู้รวมทั้งหมดเท่าไหร่
จะเห็นได้ว่า เกษตรกรรม คือกิจการที่มีผู้กู้ยืมนิยมมากที่สุด
-ข้อมูลชุดนี้เป็นประโยชน์ต่อการวิเคราะห์ถึงความต้องการของผู้กู้ในการกู้ยืมเพื่อประกอบอาชีพหรือกิจการนั้นๆว่ามีมากน้อยแค่ไหน

7.เป็นกราฟที่แสดงถึงจำนวนเงินกู้ที่ คีวา (Kiva) จ่ายให้กับตัวแทนภาคสนามของแต่ละประเทศนั้นๆว่ามีจำนวนเท่าไหร่ โดยจะแสดงเป็นแผนที่และความเข้มของสี สีเขียว-จำนวนที่จ่ายให้มากสุด สีแดงอ่อน-คือจำนวนที่จ่ายให้น้อยสุด สีแดง-คือประเทศที่ไม่มีการกู้ยืมในองค์กร
-ข้อมูลชุดนี้เป็นประโยชน์ต่อการหาจำนวนเงินที่จ่ายให้กับตัวแทนแต่ละประเทศได้ง่ายขึ้น


8.เป็นกราฟที่แสดงถึง จำนวนของผู้ให้กู้ที่สนับสนุนเงินกู้ แต่ละกิจกรรม ในแต่ละประเทศนั้นๆว่ามีเท่าไหร่
กราฟจะแสดงเป็นช่องสีเข้มคือจำนวนผู้สนับสนุนสูง ช่องสีอ่อนคือจำนวนผู้สนับสนุนน้อย
-ข้อมูลชุดนี้เป็นประโยชน์ต่อการวิเคราะห์ภาครวมของความต้องการผู้สนับสนุนเงินกู้ทั้งหมดของ Kiva

  • ประโยชน์จากโปรแกรม Tableau คือ การคำนวณข้อมูลต่างๆได้อย่างรวดเร็วและแม่นยำ เขียนกราฟได้ง่าย เข้าใจง่าย อย่างเช่น ที่เรานำข้อมูลขององค์กร Kiva มาคำนวณในนี้ มีข้อมูลทั้งหมด 6แสนกว่าแถว ซึ่งเยอะมาก แต่โปรแกรมก็คำนวณได้อย่างรวดเร็ยวและประสิทธิภาพ

สามารถชมคลิปวิดีโอได้ที่

YouTube Preview Image

หวังว่าบทความนี้จะเป็นประโยชน์ต่อผู้ที่กำลังค้นหาโปรแกรมคำนวณข้อมูลที่รวดเร็วใช้งานง่าย เข้าใจง่าย อยากให้ลองใช้ดูนะคะ ขอบคุณค่ะ

  •  
  •  
  •  
  •  
  •  
  •  
TAREERAT PHOOKRONGTHONG
at GlurGeek.Com
นางสาวธารีรัตน์ ภูครองทอง นักศึกษาชั้นปีที่1 มหาวิทยาลัยกรุงเทพ คณะวิศวกรรมศาสตร์ สาขาวิศวกรรมคอมพิวเตอร์และหุ่นยนต์ งานอดิเรกชอบทำอาหารเบเกอรี่

Leave a Reply