CREDIT RISK MODELLING BASED ON DATA AVAILABLE IN DIGITAL CHANNELS USING ADVANCED SOCIAL NETWORKING THEORIES. (Q77705): Difference between revisions
Jump to navigation
Jump to search
(Created a new Item) |
(Changed label, description and/or aliases in pt) |
||||||||||||||
| (40 intermediate revisions by 2 users not shown) | |||||||||||||||
| label / en | label / en | ||||||||||||||
CREDIT RISK MODELLING BASED ON DATA AVAILABLE IN DIGITAL CHANNELS USING ADVANCED SOCIAL NETWORKING THEORIES. | |||||||||||||||
| label / fr | label / fr | ||||||||||||||
MODÉLISATION DU RISQUE DE CRÉDIT SUR LA BASE DES DONNÉES DISPONIBLES DANS LES CANAUX NUMÉRIQUES À L’AIDE DE SOLUTIONS THEORIO-GRAPHIQUES AVANCÉES LIÉES AUX RÉSEAUX SOCIAUX. | |||||||||||||||
| label / de | label / de | ||||||||||||||
MODELLIERUNG DES KREDITRISIKOS AUF DER GRUNDLAGE VON DATEN, DIE IN DIGITALEN KANÄLEN VERFÜGBAR SIND, UNTER VERWENDUNG FORTSCHRITTLICHER THEORIO-GRAFIKLÖSUNGEN IM ZUSAMMENHANG MIT SOZIALEN NETZWERKEN. | |||||||||||||||
| label / nl | label / nl | ||||||||||||||
MODELLERING VAN KREDIETRISICO OP BASIS VAN GEGEVENS DIE BESCHIKBAAR ZIJN IN DIGITALE KANALEN MET BEHULP VAN GEAVANCEERDE THEORIO-GRAFISCHE OPLOSSINGEN MET BETREKKING TOT SOCIALE NETWERKEN. | |||||||||||||||
| label / it | label / it | ||||||||||||||
MODELLAZIONE DEL RISCHIO DI CREDITO IN BASE AI DATI DISPONIBILI NEI CANALI DIGITALI UTILIZZANDO SOLUZIONI THEORIO-GRAFICHE AVANZATE RELATIVE AI SOCIAL NETWORK. | |||||||||||||||
| label / es | label / es | ||||||||||||||
MODELAR EL RIESGO DE CRÉDITO A PARTIR DE DATOS DISPONIBLES EN CANALES DIGITALES UTILIZANDO SOLUCIONES AVANZADAS THEORIO-GRÁFICAS RELACIONADAS CON LAS REDES SOCIALES. | |||||||||||||||
| label / da | label / da | ||||||||||||||
MODELLERING AF KREDITRISIKO BASERET PÅ DATA, DER ER TILGÆNGELIGE I DIGITALE KANALER VED HJÆLP AF AVANCEREDE THEORIO-GRAFISKE LØSNINGER RELATERET TIL SOCIALE NETVÆRK. | |||||||||||||||
| label / el | label / el | ||||||||||||||
ΜΟΝΤΕΛΟΠΟΊΗΣΗ ΠΙΣΤΩΤΙΚΟΎ ΚΙΝΔΎΝΟΥ ΜΕ ΒΆΣΗ ΤΑ ΔΕΔΟΜΈΝΑ ΠΟΥ ΕΊΝΑΙ ΔΙΑΘΈΣΙΜΑ ΣΕ ΨΗΦΙΑΚΆ ΚΑΝΆΛΙΑ ΜΕ ΤΗ ΧΡΉΣΗ ΠΡΟΗΓΜΈΝΩΝ ΘΕΩΡΙΟ-ΓΡΑΦΙΚΏΝ ΛΎΣΕΩΝ ΠΟΥ ΣΧΕΤΊΖΟΝΤΑΙ ΜΕ ΤΑ ΚΟΙΝΩΝΙΚΆ ΔΊΚΤΥΑ. | |||||||||||||||
| label / hr | label / hr | ||||||||||||||
MODELIRANJE KREDITNOG RIZIKA NA TEMELJU PODATAKA DOSTUPNIH U DIGITALNIM KANALIMA KORIŠTENJEM NAPREDNIH THEORIO-GRAFIČKIH RJEŠENJA POVEZANIH S DRUŠTVENIM MREŽAMA. | |||||||||||||||
| label / ro | label / ro | ||||||||||||||
MODELAREA RISCULUI DE CREDIT PE BAZA DATELOR DISPONIBILE ÎN CANALELE DIGITALE UTILIZÂND SOLUȚII GRAFICE TEORIO AVANSATE LEGATE DE REȚELELE SOCIALE. | |||||||||||||||
| label / sk | label / sk | ||||||||||||||
MODELOVANIE KREDITNÉHO RIZIKA NA ZÁKLADE ÚDAJOV DOSTUPNÝCH V DIGITÁLNYCH KANÁLOCH POMOCOU POKROČILÝCH RIEŠENÍ THEORIO-GRAFICKÝCH SÚVISIACICH SO SOCIÁLNYMI SIEŤAMI. | |||||||||||||||
| label / mt | label / mt | ||||||||||||||
L-IMMUDELLAR TAR-RISKJU TA’ KREDITU ABBAŻI TA’ DATA DISPONIBBLI F’KANALI DIĠITALI BL-UŻU TA’ SOLUZZJONIJIET GRAFIĊI AVVANZATI TA’ THEORIO RELATATI MAN-NETWERKS SOĊJALI. | |||||||||||||||
| label / pt | label / pt | ||||||||||||||
MODELAÇÃO DO RISCO DE CRÉDITO COM BASE EM DADOS DISPONÍVEIS EM CANAIS DIGITAIS QUE UTILIZAM TEORIAS AVANÇADAS DE REDE SOCIAL. | |||||||||||||||
| label / fi | label / fi | ||||||||||||||
LUOTTORISKIN MALLINTAMINEN DIGITAALISISSA KANAVISSA SAATAVILLA OLEVIEN TIETOJEN PERUSTEELLA KÄYTTÄEN KEHITTYNEITÄ THEORIO-GRAAFISIA RATKAISUJA, JOTKA LIITTYVÄT SOSIAALISIIN VERKOSTOIHIN. | |||||||||||||||
| label / sl | label / sl | ||||||||||||||
MODELIRANJE KREDITNEGA TVEGANJA NA PODLAGI PODATKOV, KI SO NA VOLJO NA DIGITALNIH KANALIH, Z UPORABO NAPREDNIH THEORIO-GRAFIČNIH REŠITEV, POVEZANIH Z DRUŽBENIMI OMREŽJI. | |||||||||||||||
| label / cs | label / cs | ||||||||||||||
MODELOVÁNÍ ÚVĚROVÉHO RIZIKA NA ZÁKLADĚ ÚDAJŮ DOSTUPNÝCH V DIGITÁLNÍCH KANÁLECH POMOCÍ POKROČILÝCH ŘEŠENÍ THEORIO-GRAPHIC TÝKAJÍCÍCH SE SOCIÁLNÍCH SÍTÍ. | |||||||||||||||
| label / lt | label / lt | ||||||||||||||
KREDITO RIZIKOS MODELIAVIMAS REMIANTIS DUOMENIMIS, PRIEINAMAIS SKAITMENINIUOSE KANALUOSE, NAUDOJANT PAŽANGIUS THEORIO GRAFINIUS SPRENDIMUS, SUSIJUSIUS SU SOCIALINIAIS TINKLAIS. | |||||||||||||||
| label / lv | label / lv | ||||||||||||||
KREDĪTRISKA MODELĒŠANA, PAMATOJOTIES UZ DIGITĀLAJOS KANĀLOS PIEEJAMAJIEM DATIEM, IZMANTOJOT PROGRESĪVUS THEORIO GRAFISKUS RISINĀJUMUS, KAS SAISTĪTI AR SOCIĀLAJIEM TĪKLIEM. | |||||||||||||||
| label / bg | label / bg | ||||||||||||||
МОДЕЛИРАНЕ НА КРЕДИТНИЯ РИСК ВЪЗ ОСНОВА НА НАЛИЧНИТЕ ДАННИ В ЦИФРОВИТЕ КАНАЛИ, КАТО СЕ ИЗПОЛЗВАТ УСЪВЪРШЕНСТВАНИ ТЕОРИО-ГРАФИЧНИ РЕШЕНИЯ, СВЪРЗАНИ СЪС СОЦИАЛНИТЕ МРЕЖИ. | |||||||||||||||
| label / hu | label / hu | ||||||||||||||
A HITELKOCKÁZAT MODELLEZÉSE A DIGITÁLIS CSATORNÁKBAN RENDELKEZÉSRE ÁLLÓ ADATOK ALAPJÁN, A KÖZÖSSÉGI HÁLÓZATOKHOZ KAPCSOLÓDÓ FEJLETT THEORIO-GRAFIKAI MEGOLDÁSOK FELHASZNÁLÁSÁVAL. | |||||||||||||||
| label / ga | label / ga | ||||||||||||||
RIOSCA CREIDMHEASA A SHAMHALTÚ BUNAITHE AR SHONRAÍ ATÁ AR FÁIL AR BHEALAÍ DIGITEACHA TRÍ ÚSÁID A BHAINT AS ARDRÉITIGH GHRAFACHA THEORIO A BHAINEANN LE LÍONRAÍ SÓISIALTA. | |||||||||||||||
| label / sv | label / sv | ||||||||||||||
MODELLERING AV KREDITRISK BASERAT PÅ DATA SOM FINNS I DIGITALA KANALER MED HJÄLP AV AVANCERADE THEORIO-GRAFISKA LÖSNINGAR RELATERADE TILL SOCIALA NÄTVERK. | |||||||||||||||
| label / et | label / et | ||||||||||||||
KREDIIDIRISKI MODELLEERIMINE DIGITAALSETES KANALITES KÄTTESAADAVATE ANDMETE PÕHJAL, KASUTADES SOTSIAALVÕRGUSTIKEGA SEOTUD TÄIUSTATUD THEORIO-GRAAFILISI LAHENDUSI. | |||||||||||||||
| description / en | description / en | ||||||||||||||
Project in Poland | Project Q77705 in Poland | ||||||||||||||
| description / pl | description / pl | ||||||||||||||
Projekt w Polsce | Projekt Q77705 w Polsce | ||||||||||||||
| description / bg | description / bg | ||||||||||||||
Проект Q77705 в Полша | |||||||||||||||
| description / hr | description / hr | ||||||||||||||
Projekt Q77705 u Poljskoj | |||||||||||||||
| description / hu | description / hu | ||||||||||||||
Projekt Q77705 Lengyelországban | |||||||||||||||
| description / cs | description / cs | ||||||||||||||
Projekt Q77705 v Polsku | |||||||||||||||
| description / da | description / da | ||||||||||||||
Projekt Q77705 i Polen | |||||||||||||||
| description / nl | description / nl | ||||||||||||||
Project Q77705 in Polen | |||||||||||||||
| description / et | description / et | ||||||||||||||
Projekt Q77705 Poolas | |||||||||||||||
| description / fi | description / fi | ||||||||||||||
Projekti Q77705 Puolassa | |||||||||||||||
| description / fr | description / fr | ||||||||||||||
Projet Q77705 en Pologne | |||||||||||||||
| description / de | description / de | ||||||||||||||
Projekt Q77705 in Polen | |||||||||||||||
| description / el | description / el | ||||||||||||||
Έργο Q77705 στην Πολωνία | |||||||||||||||
| description / ga | description / ga | ||||||||||||||
Tionscadal Q77705 sa Pholainn | |||||||||||||||
| description / it | description / it | ||||||||||||||
Progetto Q77705 in Polonia | |||||||||||||||
| description / lv | description / lv | ||||||||||||||
Projekts Q77705 Polijā | |||||||||||||||
| description / lt | description / lt | ||||||||||||||
Projektas Q77705 Lenkijoje | |||||||||||||||
| description / mt | description / mt | ||||||||||||||
Proġett Q77705 fil-Polonja | |||||||||||||||
| description / pt | description / pt | ||||||||||||||
Projeto Q77705 na Polônia | |||||||||||||||
| description / ro | description / ro | ||||||||||||||
Proiectul Q77705 în Polonia | |||||||||||||||
| description / sk | description / sk | ||||||||||||||
Projekt Q77705 v Poľsku | |||||||||||||||
| description / sl | description / sl | ||||||||||||||
Projekt Q77705 na Poljskem | |||||||||||||||
| description / es | description / es | ||||||||||||||
Proyecto Q77705 en Polonia | |||||||||||||||
| description / sv | description / sv | ||||||||||||||
Projekt Q77705 i Polen | |||||||||||||||
| Property / EU contribution | |||||||||||||||
| |||||||||||||||
| Property / EU contribution: 1,758,458.5656 Euro / rank | |||||||||||||||
| Property / EU contribution: 1,758,458.5656 Euro / qualifier | |||||||||||||||
| |||||||||||||||
| Property / EU contribution: 1,758,458.5656 Euro / qualifier | |||||||||||||||
| |||||||||||||||
| Property / budget | |||||||||||||||
| |||||||||||||||
| Property / budget: 2,279,109.1056 Euro / rank | |||||||||||||||
| Property / budget: 2,279,109.1056 Euro / qualifier | |||||||||||||||
| |||||||||||||||
| Property / budget: 2,279,109.1056 Euro / qualifier | |||||||||||||||
| |||||||||||||||
| Property / co-financing rate | |||||||||||||||
| |||||||||||||||
| Property / co-financing rate: 77.16 percent / rank | |||||||||||||||
| Property / end time | |||||||||||||||
| |||||||||||||||
| Property / end time: 30 November 2019 / rank | |||||||||||||||
| Property / beneficiary name (string) | |||||||||||||||
| Property / beneficiary name (string): FINAI S.A. / rank | |||||||||||||||
| Property / contained in Local Administrative Unit | |||||||||||||||
| Property / contained in Local Administrative Unit: Warszawa / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / contained in Local Administrative Unit: Warszawa / qualifier | |||||||||||||||
| Property / EU contribution | |||||||||||||||
1,628,772.25 Euro
| |||||||||||||||
| Property / EU contribution: 1,628,772.25 Euro / rank | |||||||||||||||
Preferred rank | |||||||||||||||
| Property / EU contribution: 1,628,772.25 Euro / qualifier | |||||||||||||||
exchange rate to Euro: 0.24 Euro
| |||||||||||||||
| Property / EU contribution: 1,628,772.25 Euro / qualifier | |||||||||||||||
point in time: 13 January 2020
| |||||||||||||||
| Property / budget | |||||||||||||||
2,111,024.81 Euro
| |||||||||||||||
| Property / budget: 2,111,024.81 Euro / rank | |||||||||||||||
Preferred rank | |||||||||||||||
| Property / budget: 2,111,024.81 Euro / qualifier | |||||||||||||||
exchange rate to Euro: 0.24 Euro
| |||||||||||||||
| Property / budget: 2,111,024.81 Euro / qualifier | |||||||||||||||
point in time: 13 January 2020
| |||||||||||||||
| Property / summary | |||||||||||||||
Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The project is based on the study, design and development of alternative credit risk models using the data available when applying for a loan in digital channels. In particular, it concerns the use of data on the preferences of consumer advertising content and other data contained in cookies (so-called cookies), professional position data and professional progression (presented e.g. in profiles in LinkedIn/Goldenline), online purchasing history (data obtained as a result of partnerships with payment providers on the Internet, e.g. BlueMedia/PayU/Transfactions 24, etc.), the brand and features of the device/browser that is used, and data about installed applications, the social network shape (knowledge/friends pictures), the way the profile is created. The applicant shall also consider using email data (interests, communication graphs, number of emails sent, etc.) and other information available in the profile of major internet identity providers, e.g. on Google, Facebook, LinkedIn and Apple platforms. The developed risk models will be based on advanced tools of graph theory. Combining this data with traditional credit risk data (employers, posts, location, reports of the Credit Information Office, i.e. BIC) The applicant intends to build an innovative model of credit risk for people who do not yet have in BICs or behavioural (i.e. most often young people only entering the world of finance or people outside the banking system) (English) | |||||||||||||||
| Property / summary: Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The project is based on the study, design and development of alternative credit risk models using the data available when applying for a loan in digital channels. In particular, it concerns the use of data on the preferences of consumer advertising content and other data contained in cookies (so-called cookies), professional position data and professional progression (presented e.g. in profiles in LinkedIn/Goldenline), online purchasing history (data obtained as a result of partnerships with payment providers on the Internet, e.g. BlueMedia/PayU/Transfactions 24, etc.), the brand and features of the device/browser that is used, and data about installed applications, the social network shape (knowledge/friends pictures), the way the profile is created. The applicant shall also consider using email data (interests, communication graphs, number of emails sent, etc.) and other information available in the profile of major internet identity providers, e.g. on Google, Facebook, LinkedIn and Apple platforms. The developed risk models will be based on advanced tools of graph theory. Combining this data with traditional credit risk data (employers, posts, location, reports of the Credit Information Office, i.e. BIC) The applicant intends to build an innovative model of credit risk for people who do not yet have in BICs or behavioural (i.e. most often young people only entering the world of finance or people outside the banking system) (English) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The project is based on the study, design and development of alternative credit risk models using the data available when applying for a loan in digital channels. In particular, it concerns the use of data on the preferences of consumer advertising content and other data contained in cookies (so-called cookies), professional position data and professional progression (presented e.g. in profiles in LinkedIn/Goldenline), online purchasing history (data obtained as a result of partnerships with payment providers on the Internet, e.g. BlueMedia/PayU/Transfactions 24, etc.), the brand and features of the device/browser that is used, and data about installed applications, the social network shape (knowledge/friends pictures), the way the profile is created. The applicant shall also consider using email data (interests, communication graphs, number of emails sent, etc.) and other information available in the profile of major internet identity providers, e.g. on Google, Facebook, LinkedIn and Apple platforms. The developed risk models will be based on advanced tools of graph theory. Combining this data with traditional credit risk data (employers, posts, location, reports of the Credit Information Office, i.e. BIC) The applicant intends to build an innovative model of credit risk for people who do not yet have in BICs or behavioural (i.e. most often young people only entering the world of finance or people outside the banking system) (English) / qualifier | |||||||||||||||
point in time: 14 October 2020
| |||||||||||||||
| Property / summary: Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The project is based on the study, design and development of alternative credit risk models using the data available when applying for a loan in digital channels. In particular, it concerns the use of data on the preferences of consumer advertising content and other data contained in cookies (so-called cookies), professional position data and professional progression (presented e.g. in profiles in LinkedIn/Goldenline), online purchasing history (data obtained as a result of partnerships with payment providers on the Internet, e.g. BlueMedia/PayU/Transfactions 24, etc.), the brand and features of the device/browser that is used, and data about installed applications, the social network shape (knowledge/friends pictures), the way the profile is created. The applicant shall also consider using email data (interests, communication graphs, number of emails sent, etc.) and other information available in the profile of major internet identity providers, e.g. on Google, Facebook, LinkedIn and Apple platforms. The developed risk models will be based on advanced tools of graph theory. Combining this data with traditional credit risk data (employers, posts, location, reports of the Credit Information Office, i.e. BIC) The applicant intends to build an innovative model of credit risk for people who do not yet have in BICs or behavioural (i.e. most often young people only entering the world of finance or people outside the banking system) (English) / qualifier | |||||||||||||||
readability score: 0.2352777210567678
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programme: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). Le projet est basé sur l’exploration, la conception et la construction de modèles de risque de crédit alternatifs à l’aide des données disponibles lors de la demande de prêt sur les canaux numériques. Il s’agit notamment de l’utilisation de données sur les préférences des contenus publicitaires consommés et d’autres données contenues dans les cookies en ligne (appelés cookies), de données sur la position professionnelle et la progression (présentées, par exemple, dans les profils LinkedIn/Goldenline), de l’historique des achats en ligne (données obtenues à la suite de partenariats avec des fournisseurs de paiement sur Internet, p.ex. Bluemedia/PayU/Transfers 24, etc.), les données sur la marque et les caractéristiques de l’appareil/navigateur qui est utilisé, et les données sur les applications installées, la forme du réseau social (graphiques amis/amis), comment créer un profil. La requérante envisage également l’utilisation de données de courrier électronique (intérêts, graphiques de communication, nombre d’e-mails envoyés, etc.) et d’autres informations disponibles dans le profil des principaux fournisseurs d’identité internet, par exemple sur les plateformes Google, Facebook, LinkedIn et Apple. Les modèles de risque développés seront basés sur des outils avancés de la théorie des graphes. En combinant ces données avec les données traditionnelles sur le risque de crédit (employeurs, positions, localisation, rapports du Bureau d’information sur le crédit ou BIK), la requérante a l’intention de construire un modèle innovant de risque de crédit pour les personnes qui n’ont pas encore de BIK ou de comportement (c’est-à-dire, le plus souvent, des jeunes, qui entrent simplement dans le monde de la finance ou en dehors du système bancaire). (French) | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). Le projet est basé sur l’exploration, la conception et la construction de modèles de risque de crédit alternatifs à l’aide des données disponibles lors de la demande de prêt sur les canaux numériques. Il s’agit notamment de l’utilisation de données sur les préférences des contenus publicitaires consommés et d’autres données contenues dans les cookies en ligne (appelés cookies), de données sur la position professionnelle et la progression (présentées, par exemple, dans les profils LinkedIn/Goldenline), de l’historique des achats en ligne (données obtenues à la suite de partenariats avec des fournisseurs de paiement sur Internet, p.ex. Bluemedia/PayU/Transfers 24, etc.), les données sur la marque et les caractéristiques de l’appareil/navigateur qui est utilisé, et les données sur les applications installées, la forme du réseau social (graphiques amis/amis), comment créer un profil. La requérante envisage également l’utilisation de données de courrier électronique (intérêts, graphiques de communication, nombre d’e-mails envoyés, etc.) et d’autres informations disponibles dans le profil des principaux fournisseurs d’identité internet, par exemple sur les plateformes Google, Facebook, LinkedIn et Apple. Les modèles de risque développés seront basés sur des outils avancés de la théorie des graphes. En combinant ces données avec les données traditionnelles sur le risque de crédit (employeurs, positions, localisation, rapports du Bureau d’information sur le crédit ou BIK), la requérante a l’intention de construire un modèle innovant de risque de crédit pour les personnes qui n’ont pas encore de BIK ou de comportement (c’est-à-dire, le plus souvent, des jeunes, qui entrent simplement dans le monde de la finance ou en dehors du système bancaire). (French) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). Le projet est basé sur l’exploration, la conception et la construction de modèles de risque de crédit alternatifs à l’aide des données disponibles lors de la demande de prêt sur les canaux numériques. Il s’agit notamment de l’utilisation de données sur les préférences des contenus publicitaires consommés et d’autres données contenues dans les cookies en ligne (appelés cookies), de données sur la position professionnelle et la progression (présentées, par exemple, dans les profils LinkedIn/Goldenline), de l’historique des achats en ligne (données obtenues à la suite de partenariats avec des fournisseurs de paiement sur Internet, p.ex. Bluemedia/PayU/Transfers 24, etc.), les données sur la marque et les caractéristiques de l’appareil/navigateur qui est utilisé, et les données sur les applications installées, la forme du réseau social (graphiques amis/amis), comment créer un profil. La requérante envisage également l’utilisation de données de courrier électronique (intérêts, graphiques de communication, nombre d’e-mails envoyés, etc.) et d’autres informations disponibles dans le profil des principaux fournisseurs d’identité internet, par exemple sur les plateformes Google, Facebook, LinkedIn et Apple. Les modèles de risque développés seront basés sur des outils avancés de la théorie des graphes. En combinant ces données avec les données traditionnelles sur le risque de crédit (employeurs, positions, localisation, rapports du Bureau d’information sur le crédit ou BIK), la requérante a l’intention de construire un modèle innovant de risque de crédit pour les personnes qui n’ont pas encore de BIK ou de comportement (c’est-à-dire, le plus souvent, des jeunes, qui entrent simplement dans le monde de la finance ou en dehors du système bancaire). (French) / qualifier | |||||||||||||||
point in time: 30 November 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_Programm: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV Das war’s. EU L 187/1 vom 26.6.2014). Das Projekt basiert auf der Erforschung, Konzeption und Entwicklung alternativer Kreditrisikomodelle unter Verwendung von Daten, die bei der Beantragung eines Kredits in digitalen Kanälen verfügbar sind. Es geht insbesondere um die Verwendung von Daten über die Präferenzen verbrauchter Werbeinhalte und anderer Daten, die in Online-Cookies enthalten sind (so genannte Cookies), Daten zur beruflichen Position und zum Fortschritt (z. B. in LinkedIn/Goldenline-Profilen), Online-Kaufverlauf (Daten, die durch Partnerschaften mit Zahlungsanbietern im Internet gewonnen werden, z. Bluemedia/PayU/Transfers 24, etc.), Daten über die Marke und Merkmale des verwendeten Geräts/Browsers und Daten über installierte Anwendungen, die Form des sozialen Netzwerks (Freund/Freund-Grafiken), wie man ein Profil erstellt. Die Klägerin berücksichtigt auch die Verwendung von E-Mail-Daten (Interessen, Kommunikationsgrafiken, Anzahl der gesendeten E-Mails usw.) und anderer Informationen, die im Profil der wichtigsten Internetidentitätsanbieter verfügbar sind, z. B. auf den Plattformen Google, Facebook, LinkedIn und Apple. Die entwickelten Risikomodelle werden auf fortgeschrittenen Werkzeugen der Graphentheorie basieren. Durch die Kombination dieser Daten mit traditionellen Daten zum Kreditrisiko (Arbeitgeber, Positionen, Standort, Berichte des Kreditinformationsbüros oder BIK) will der Antragsteller ein innovatives Kreditrisikomodell für Menschen entwickeln, die noch keine BIK oder Verhaltensweise haben (d. h. meist junge Menschen, die nur in die Finanzwelt oder Menschen außerhalb des Bankensystems eintreten). (German) | |||||||||||||||
| Property / summary: Number_reference_aid_Programm: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV Das war’s. EU L 187/1 vom 26.6.2014). Das Projekt basiert auf der Erforschung, Konzeption und Entwicklung alternativer Kreditrisikomodelle unter Verwendung von Daten, die bei der Beantragung eines Kredits in digitalen Kanälen verfügbar sind. Es geht insbesondere um die Verwendung von Daten über die Präferenzen verbrauchter Werbeinhalte und anderer Daten, die in Online-Cookies enthalten sind (so genannte Cookies), Daten zur beruflichen Position und zum Fortschritt (z. B. in LinkedIn/Goldenline-Profilen), Online-Kaufverlauf (Daten, die durch Partnerschaften mit Zahlungsanbietern im Internet gewonnen werden, z. Bluemedia/PayU/Transfers 24, etc.), Daten über die Marke und Merkmale des verwendeten Geräts/Browsers und Daten über installierte Anwendungen, die Form des sozialen Netzwerks (Freund/Freund-Grafiken), wie man ein Profil erstellt. Die Klägerin berücksichtigt auch die Verwendung von E-Mail-Daten (Interessen, Kommunikationsgrafiken, Anzahl der gesendeten E-Mails usw.) und anderer Informationen, die im Profil der wichtigsten Internetidentitätsanbieter verfügbar sind, z. B. auf den Plattformen Google, Facebook, LinkedIn und Apple. Die entwickelten Risikomodelle werden auf fortgeschrittenen Werkzeugen der Graphentheorie basieren. Durch die Kombination dieser Daten mit traditionellen Daten zum Kreditrisiko (Arbeitgeber, Positionen, Standort, Berichte des Kreditinformationsbüros oder BIK) will der Antragsteller ein innovatives Kreditrisikomodell für Menschen entwickeln, die noch keine BIK oder Verhaltensweise haben (d. h. meist junge Menschen, die nur in die Finanzwelt oder Menschen außerhalb des Bankensystems eintreten). (German) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_Programm: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV Das war’s. EU L 187/1 vom 26.6.2014). Das Projekt basiert auf der Erforschung, Konzeption und Entwicklung alternativer Kreditrisikomodelle unter Verwendung von Daten, die bei der Beantragung eines Kredits in digitalen Kanälen verfügbar sind. Es geht insbesondere um die Verwendung von Daten über die Präferenzen verbrauchter Werbeinhalte und anderer Daten, die in Online-Cookies enthalten sind (so genannte Cookies), Daten zur beruflichen Position und zum Fortschritt (z. B. in LinkedIn/Goldenline-Profilen), Online-Kaufverlauf (Daten, die durch Partnerschaften mit Zahlungsanbietern im Internet gewonnen werden, z. Bluemedia/PayU/Transfers 24, etc.), Daten über die Marke und Merkmale des verwendeten Geräts/Browsers und Daten über installierte Anwendungen, die Form des sozialen Netzwerks (Freund/Freund-Grafiken), wie man ein Profil erstellt. Die Klägerin berücksichtigt auch die Verwendung von E-Mail-Daten (Interessen, Kommunikationsgrafiken, Anzahl der gesendeten E-Mails usw.) und anderer Informationen, die im Profil der wichtigsten Internetidentitätsanbieter verfügbar sind, z. B. auf den Plattformen Google, Facebook, LinkedIn und Apple. Die entwickelten Risikomodelle werden auf fortgeschrittenen Werkzeugen der Graphentheorie basieren. Durch die Kombination dieser Daten mit traditionellen Daten zum Kreditrisiko (Arbeitgeber, Positionen, Standort, Berichte des Kreditinformationsbüros oder BIK) will der Antragsteller ein innovatives Kreditrisikomodell für Menschen entwickeln, die noch keine BIK oder Verhaltensweise haben (d. h. meist junge Menschen, die nur in die Finanzwelt oder Menschen außerhalb des Bankensystems eintreten). (German) / qualifier | |||||||||||||||
point in time: 7 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programma: SA.41471(2015/X) Doel van de overheidssteun: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard Dat is het. EU L 187/1 van 26.6.2014). Het project is gebaseerd op het verkennen, ontwerpen en bouwen van alternatieve kredietrisicomodellen met behulp van beschikbare gegevens bij het aanvragen van een lening in digitale kanalen. Het gaat met name om het gebruik van gegevens over de voorkeuren van verbruikte reclame-inhoud en andere gegevens in online cookies (zogenaamde cookies), gegevens over professionele positie en progressie (bijvoorbeeld in LinkedIn/Goldenline-profielen), online aankoopgeschiedenis (gegevens verkregen als gevolg van partnerschappen met betalingsproviders op internet, bijv. Bluemedia/PayU/Transfers 24, etc.), gegevens over het merk en de kenmerken van het apparaat/browser dat wordt gebruikt, en gegevens over geïnstalleerde toepassingen, de vorm van het sociale netwerk (vriend/vriendengrafieken), hoe een profiel te maken. Verzoekster houdt ook rekening met het gebruik van e-mailgegevens (interesses, communicatiegrafieken, aantal verzonden e-mails, enz.) en andere informatie die beschikbaar is in het profiel van de belangrijkste internetidentiteitsproviders, bijvoorbeeld op Google, Facebook, LinkedIn en Apple-platforms. De ontwikkelde risicomodellen zullen gebaseerd zijn op geavanceerde instrumenten van de grafiektheorie. Door deze gegevens te combineren met traditionele gegevens over kredietrisico (werkgevers, posities, locatie, rapporten van het Credit Information Bureau of BIK) wil de aanvrager een innovatief kredietrisicomodel ontwikkelen voor mensen die nog geen BIK of gedrag hebben (dat wil zeggen, meestal jongeren, gewoon de wereld van financiën of mensen buiten het banksysteem betreden). (Dutch) | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Doel van de overheidssteun: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard Dat is het. EU L 187/1 van 26.6.2014). Het project is gebaseerd op het verkennen, ontwerpen en bouwen van alternatieve kredietrisicomodellen met behulp van beschikbare gegevens bij het aanvragen van een lening in digitale kanalen. Het gaat met name om het gebruik van gegevens over de voorkeuren van verbruikte reclame-inhoud en andere gegevens in online cookies (zogenaamde cookies), gegevens over professionele positie en progressie (bijvoorbeeld in LinkedIn/Goldenline-profielen), online aankoopgeschiedenis (gegevens verkregen als gevolg van partnerschappen met betalingsproviders op internet, bijv. Bluemedia/PayU/Transfers 24, etc.), gegevens over het merk en de kenmerken van het apparaat/browser dat wordt gebruikt, en gegevens over geïnstalleerde toepassingen, de vorm van het sociale netwerk (vriend/vriendengrafieken), hoe een profiel te maken. Verzoekster houdt ook rekening met het gebruik van e-mailgegevens (interesses, communicatiegrafieken, aantal verzonden e-mails, enz.) en andere informatie die beschikbaar is in het profiel van de belangrijkste internetidentiteitsproviders, bijvoorbeeld op Google, Facebook, LinkedIn en Apple-platforms. De ontwikkelde risicomodellen zullen gebaseerd zijn op geavanceerde instrumenten van de grafiektheorie. Door deze gegevens te combineren met traditionele gegevens over kredietrisico (werkgevers, posities, locatie, rapporten van het Credit Information Bureau of BIK) wil de aanvrager een innovatief kredietrisicomodel ontwikkelen voor mensen die nog geen BIK of gedrag hebben (dat wil zeggen, meestal jongeren, gewoon de wereld van financiën of mensen buiten het banksysteem betreden). (Dutch) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Doel van de overheidssteun: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard Dat is het. EU L 187/1 van 26.6.2014). Het project is gebaseerd op het verkennen, ontwerpen en bouwen van alternatieve kredietrisicomodellen met behulp van beschikbare gegevens bij het aanvragen van een lening in digitale kanalen. Het gaat met name om het gebruik van gegevens over de voorkeuren van verbruikte reclame-inhoud en andere gegevens in online cookies (zogenaamde cookies), gegevens over professionele positie en progressie (bijvoorbeeld in LinkedIn/Goldenline-profielen), online aankoopgeschiedenis (gegevens verkregen als gevolg van partnerschappen met betalingsproviders op internet, bijv. Bluemedia/PayU/Transfers 24, etc.), gegevens over het merk en de kenmerken van het apparaat/browser dat wordt gebruikt, en gegevens over geïnstalleerde toepassingen, de vorm van het sociale netwerk (vriend/vriendengrafieken), hoe een profiel te maken. Verzoekster houdt ook rekening met het gebruik van e-mailgegevens (interesses, communicatiegrafieken, aantal verzonden e-mails, enz.) en andere informatie die beschikbaar is in het profiel van de belangrijkste internetidentiteitsproviders, bijvoorbeeld op Google, Facebook, LinkedIn en Apple-platforms. De ontwikkelde risicomodellen zullen gebaseerd zijn op geavanceerde instrumenten van de grafiektheorie. Door deze gegevens te combineren met traditionele gegevens over kredietrisico (werkgevers, posities, locatie, rapporten van het Credit Information Bureau of BIK) wil de aanvrager een innovatief kredietrisicomodel ontwikkelen voor mensen die nog geen BIK of gedrag hebben (dat wil zeggen, meestal jongeren, gewoon de wereld van financiën of mensen buiten het banksysteem betreden). (Dutch) / qualifier | |||||||||||||||
point in time: 16 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programma: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). Il progetto si basa sull'esplorazione, la progettazione e la costruzione di modelli alternativi di rischio di credito utilizzando i dati disponibili quando si richiede un prestito nei canali digitali. In particolare, si tratta dell'utilizzo dei dati sulle preferenze dei contenuti pubblicitari consumati e di altri dati contenuti nei cookie online (c.d. cookie), dati sulla posizione professionale e sulla progressione (presentati, ad esempio, nei profili LinkedIn/Goldenline), cronologia degli acquisti online (dati ottenuti a seguito di partnership con i fornitori di pagamento su Internet, ad es. Bluemedia/PayU/Transfers 24, ecc.), dati sul marchio e sulle caratteristiche del dispositivo/browser che viene utilizzato, e dati sulle applicazioni installate, la forma del social network (grafi amici/amici), come creare un profilo. La ricorrente considera inoltre l'uso di dati di posta elettronica (interessi, grafici di comunicazione, numero di e-mail inviate, ecc.) e di altre informazioni disponibili nel profilo dei principali fornitori di identità Internet, ad esempio sulle piattaforme Google, Facebook, LinkedIn e Apple. I modelli di rischio sviluppati saranno basati su strumenti avanzati di teoria dei grafi. Combinando questi dati con i dati tradizionali sul rischio di credito (datori di lavoro, posizioni, ubicazione, rapporti del Credit Information Bureau, o BIK) il richiedente intende costruire un modello di rischio di credito innovativo per le persone che non hanno ancora BIK o comportamenti (cioè, più spesso giovani, solo entrare nel mondo della finanza o persone al di fuori del sistema bancario). (Italian) | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). Il progetto si basa sull'esplorazione, la progettazione e la costruzione di modelli alternativi di rischio di credito utilizzando i dati disponibili quando si richiede un prestito nei canali digitali. In particolare, si tratta dell'utilizzo dei dati sulle preferenze dei contenuti pubblicitari consumati e di altri dati contenuti nei cookie online (c.d. cookie), dati sulla posizione professionale e sulla progressione (presentati, ad esempio, nei profili LinkedIn/Goldenline), cronologia degli acquisti online (dati ottenuti a seguito di partnership con i fornitori di pagamento su Internet, ad es. Bluemedia/PayU/Transfers 24, ecc.), dati sul marchio e sulle caratteristiche del dispositivo/browser che viene utilizzato, e dati sulle applicazioni installate, la forma del social network (grafi amici/amici), come creare un profilo. La ricorrente considera inoltre l'uso di dati di posta elettronica (interessi, grafici di comunicazione, numero di e-mail inviate, ecc.) e di altre informazioni disponibili nel profilo dei principali fornitori di identità Internet, ad esempio sulle piattaforme Google, Facebook, LinkedIn e Apple. I modelli di rischio sviluppati saranno basati su strumenti avanzati di teoria dei grafi. Combinando questi dati con i dati tradizionali sul rischio di credito (datori di lavoro, posizioni, ubicazione, rapporti del Credit Information Bureau, o BIK) il richiedente intende costruire un modello di rischio di credito innovativo per le persone che non hanno ancora BIK o comportamenti (cioè, più spesso giovani, solo entrare nel mondo della finanza o persone al di fuori del sistema bancario). (Italian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). Il progetto si basa sull'esplorazione, la progettazione e la costruzione di modelli alternativi di rischio di credito utilizzando i dati disponibili quando si richiede un prestito nei canali digitali. In particolare, si tratta dell'utilizzo dei dati sulle preferenze dei contenuti pubblicitari consumati e di altri dati contenuti nei cookie online (c.d. cookie), dati sulla posizione professionale e sulla progressione (presentati, ad esempio, nei profili LinkedIn/Goldenline), cronologia degli acquisti online (dati ottenuti a seguito di partnership con i fornitori di pagamento su Internet, ad es. Bluemedia/PayU/Transfers 24, ecc.), dati sul marchio e sulle caratteristiche del dispositivo/browser che viene utilizzato, e dati sulle applicazioni installate, la forma del social network (grafi amici/amici), come creare un profilo. La ricorrente considera inoltre l'uso di dati di posta elettronica (interessi, grafici di comunicazione, numero di e-mail inviate, ecc.) e di altre informazioni disponibili nel profilo dei principali fornitori di identità Internet, ad esempio sulle piattaforme Google, Facebook, LinkedIn e Apple. I modelli di rischio sviluppati saranno basati su strumenti avanzati di teoria dei grafi. Combinando questi dati con i dati tradizionali sul rischio di credito (datori di lavoro, posizioni, ubicazione, rapporti del Credit Information Bureau, o BIK) il richiedente intende costruire un modello di rischio di credito innovativo per le persone che non hanno ancora BIK o comportamenti (cioè, più spesso giovani, solo entrare nel mondo della finanza o persone al di fuori del sistema bancario). (Italian) / qualifier | |||||||||||||||
point in time: 15 January 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programa: SA.41471(2015/X) Objetivo de la ayuda pública: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). El proyecto se basa en explorar, diseñar y construir modelos alternativos de riesgo de crédito utilizando los datos disponibles al solicitar un préstamo en canales digitales. En particular, se trata del uso de datos sobre las preferencias de contenido publicitario consumido y otros datos contenidos en las cookies en línea (las llamadas cookies), datos sobre la posición profesional y la progresión (presentados, por ejemplo, en los perfiles de LinkedIn/Goldenline), historial de compras en línea (datos obtenidos como resultado de asociaciones con proveedores de pago en Internet, p. ej. Bluemedia/PayU/Transfers 24, etc.), datos sobre la marca y características del dispositivo/navegador que se está utilizando, y datos sobre aplicaciones instaladas, la forma de la red social (graficas de amigos/amigos), cómo crear un perfil. La demandante también considera el uso de datos de correo electrónico (intereses, gráficos de comunicación, número de correos electrónicos enviados, etc.) y otra información disponible en el perfil de los principales proveedores de identidad de Internet, por ejemplo, en las plataformas Google, Facebook, LinkedIn y Apple. Los modelos de riesgo desarrollados se basarán en herramientas avanzadas de teoría de gráficos. Combinando estos datos con los datos tradicionales sobre el riesgo de crédito (empleadores, posiciones, ubicación, informes de la Oficina de Información de Crédito, o BIK) el solicitante tiene la intención de construir un modelo de riesgo crediticio innovador para las personas que aún no tienen BIK o comportamiento (es decir, la mayoría de las veces jóvenes, simplemente entrando en el mundo de las finanzas o personas fuera del sistema bancario). (Spanish) | |||||||||||||||
| Property / summary: Number_reference_aid_programa: SA.41471(2015/X) Objetivo de la ayuda pública: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). El proyecto se basa en explorar, diseñar y construir modelos alternativos de riesgo de crédito utilizando los datos disponibles al solicitar un préstamo en canales digitales. En particular, se trata del uso de datos sobre las preferencias de contenido publicitario consumido y otros datos contenidos en las cookies en línea (las llamadas cookies), datos sobre la posición profesional y la progresión (presentados, por ejemplo, en los perfiles de LinkedIn/Goldenline), historial de compras en línea (datos obtenidos como resultado de asociaciones con proveedores de pago en Internet, p. ej. Bluemedia/PayU/Transfers 24, etc.), datos sobre la marca y características del dispositivo/navegador que se está utilizando, y datos sobre aplicaciones instaladas, la forma de la red social (graficas de amigos/amigos), cómo crear un perfil. La demandante también considera el uso de datos de correo electrónico (intereses, gráficos de comunicación, número de correos electrónicos enviados, etc.) y otra información disponible en el perfil de los principales proveedores de identidad de Internet, por ejemplo, en las plataformas Google, Facebook, LinkedIn y Apple. Los modelos de riesgo desarrollados se basarán en herramientas avanzadas de teoría de gráficos. Combinando estos datos con los datos tradicionales sobre el riesgo de crédito (empleadores, posiciones, ubicación, informes de la Oficina de Información de Crédito, o BIK) el solicitante tiene la intención de construir un modelo de riesgo crediticio innovador para las personas que aún no tienen BIK o comportamiento (es decir, la mayoría de las veces jóvenes, simplemente entrando en el mundo de las finanzas o personas fuera del sistema bancario). (Spanish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programa: SA.41471(2015/X) Objetivo de la ayuda pública: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). El proyecto se basa en explorar, diseñar y construir modelos alternativos de riesgo de crédito utilizando los datos disponibles al solicitar un préstamo en canales digitales. En particular, se trata del uso de datos sobre las preferencias de contenido publicitario consumido y otros datos contenidos en las cookies en línea (las llamadas cookies), datos sobre la posición profesional y la progresión (presentados, por ejemplo, en los perfiles de LinkedIn/Goldenline), historial de compras en línea (datos obtenidos como resultado de asociaciones con proveedores de pago en Internet, p. ej. Bluemedia/PayU/Transfers 24, etc.), datos sobre la marca y características del dispositivo/navegador que se está utilizando, y datos sobre aplicaciones instaladas, la forma de la red social (graficas de amigos/amigos), cómo crear un perfil. La demandante también considera el uso de datos de correo electrónico (intereses, gráficos de comunicación, número de correos electrónicos enviados, etc.) y otra información disponible en el perfil de los principales proveedores de identidad de Internet, por ejemplo, en las plataformas Google, Facebook, LinkedIn y Apple. Los modelos de riesgo desarrollados se basarán en herramientas avanzadas de teoría de gráficos. Combinando estos datos con los datos tradicionales sobre el riesgo de crédito (empleadores, posiciones, ubicación, informes de la Oficina de Información de Crédito, o BIK) el solicitante tiene la intención de construir un modelo de riesgo crediticio innovador para las personas que aún no tienen BIK o comportamiento (es decir, la mayoría de las veces jóvenes, simplemente entrando en el mundo de las finanzas o personas fuera del sistema bancario). (Spanish) / qualifier | |||||||||||||||
point in time: 19 January 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Nummer_reference_aid_program: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 Det er det. EU L 187/1 af 26.6.2014). Projektet er baseret på at udforske, designe og opbygge alternative kreditrisikomodeller ved hjælp af data, der er tilgængelige, når du ansøger om et lån i digitale kanaler. Det drejer sig især om brugen af data om præferencerne for forbrugt reklameindhold og andre data i online-cookies (såkaldte cookies), oplysninger om faglig stilling og progression (præsenteret f.eks. i LinkedIn/Goldenline-profiler), onlinekøbshistorik (data indhentet som følge af partnerskaber med betalingsudbydere på internettet, f.eks. Bluemedia/PayU/Transfers 24, etc.), data om mærket og funktionerne på den enhed/browser, der bruges, og data om installerede applikationer, formen på det sociale netværk (ven/vennegrafer), hvordan man opretter en profil. Ansøgeren mener også, at der anvendes e-mail-data (interesser, kommunikationsgrafer, antal sendte e-mails osv.) og andre oplysninger, der er tilgængelige i profilen for de vigtigste internetidentitetsudbydere, f.eks. på Google, Facebook, LinkedIn og Apple-platforme. De udviklede risikomodeller vil være baseret på avancerede grafteoriværktøjer. Ved at kombinere disse data med traditionelle data om kreditrisiko (arbejdsgivere, positioner, placering, rapporter fra kreditoplysningsbureauet eller BIK) har ansøgeren til hensigt at opbygge en innovativ kreditrisikomodel for folk, der endnu ikke har BIK eller adfærdsmæssige (det vil sige, oftest unge, bare ind i finansverdenen eller mennesker uden for banksystemet). (Danish) | |||||||||||||||
| Property / summary: Nummer_reference_aid_program: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 Det er det. EU L 187/1 af 26.6.2014). Projektet er baseret på at udforske, designe og opbygge alternative kreditrisikomodeller ved hjælp af data, der er tilgængelige, når du ansøger om et lån i digitale kanaler. Det drejer sig især om brugen af data om præferencerne for forbrugt reklameindhold og andre data i online-cookies (såkaldte cookies), oplysninger om faglig stilling og progression (præsenteret f.eks. i LinkedIn/Goldenline-profiler), onlinekøbshistorik (data indhentet som følge af partnerskaber med betalingsudbydere på internettet, f.eks. Bluemedia/PayU/Transfers 24, etc.), data om mærket og funktionerne på den enhed/browser, der bruges, og data om installerede applikationer, formen på det sociale netværk (ven/vennegrafer), hvordan man opretter en profil. Ansøgeren mener også, at der anvendes e-mail-data (interesser, kommunikationsgrafer, antal sendte e-mails osv.) og andre oplysninger, der er tilgængelige i profilen for de vigtigste internetidentitetsudbydere, f.eks. på Google, Facebook, LinkedIn og Apple-platforme. De udviklede risikomodeller vil være baseret på avancerede grafteoriværktøjer. Ved at kombinere disse data med traditionelle data om kreditrisiko (arbejdsgivere, positioner, placering, rapporter fra kreditoplysningsbureauet eller BIK) har ansøgeren til hensigt at opbygge en innovativ kreditrisikomodel for folk, der endnu ikke har BIK eller adfærdsmæssige (det vil sige, oftest unge, bare ind i finansverdenen eller mennesker uden for banksystemet). (Danish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Nummer_reference_aid_program: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 Det er det. EU L 187/1 af 26.6.2014). Projektet er baseret på at udforske, designe og opbygge alternative kreditrisikomodeller ved hjælp af data, der er tilgængelige, når du ansøger om et lån i digitale kanaler. Det drejer sig især om brugen af data om præferencerne for forbrugt reklameindhold og andre data i online-cookies (såkaldte cookies), oplysninger om faglig stilling og progression (præsenteret f.eks. i LinkedIn/Goldenline-profiler), onlinekøbshistorik (data indhentet som følge af partnerskaber med betalingsudbydere på internettet, f.eks. Bluemedia/PayU/Transfers 24, etc.), data om mærket og funktionerne på den enhed/browser, der bruges, og data om installerede applikationer, formen på det sociale netværk (ven/vennegrafer), hvordan man opretter en profil. Ansøgeren mener også, at der anvendes e-mail-data (interesser, kommunikationsgrafer, antal sendte e-mails osv.) og andre oplysninger, der er tilgængelige i profilen for de vigtigste internetidentitetsudbydere, f.eks. på Google, Facebook, LinkedIn og Apple-platforme. De udviklede risikomodeller vil være baseret på avancerede grafteoriværktøjer. Ved at kombinere disse data med traditionelle data om kreditrisiko (arbejdsgivere, positioner, placering, rapporter fra kreditoplysningsbureauet eller BIK) har ansøgeren til hensigt at opbygge en innovativ kreditrisikomodel for folk, der endnu ikke har BIK eller adfærdsmæssige (det vil sige, oftest unge, bare ind i finansverdenen eller mennesker uden for banksystemet). (Danish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_πρόγραμμα: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). Το έργο βασίζεται στη διερεύνηση, το σχεδιασμό και τη δημιουργία εναλλακτικών μοντέλων πιστωτικού κινδύνου με τη χρήση δεδομένων που είναι διαθέσιμα κατά την υποβολή αίτησης για δάνειο σε ψηφιακά κανάλια. Ειδικότερα, αφορά τη χρήση δεδομένων σχετικά με τις προτιμήσεις του διαφημιστικού περιεχομένου που καταναλώνεται και άλλων δεδομένων που περιέχονται στα διαδικτυακά cookies (τα λεγόμενα cookies), τα δεδομένα σχετικά με την επαγγελματική θέση και την εξέλιξη (που παρουσιάζονται, για παράδειγμα, στα προφίλ LinkedIn/Goldenline), το διαδικτυακό ιστορικό αγορών (δεδομένα που λαμβάνονται ως αποτέλεσμα συνεργασιών με παρόχους πληρωμών στο διαδίκτυο, π.χ. Bluemedia/PayU/Transfers 24, κ.λπ.), δεδομένα σχετικά με το εμπορικό σήμα και τα χαρακτηριστικά της συσκευής/browser που χρησιμοποιείται, καθώς και δεδομένα σχετικά με τις εγκατεστημένες εφαρμογές, το σχήμα του κοινωνικού δικτύου (γραφήματα φίλων/φίλων), τον τρόπο δημιουργίας προφίλ. Η προσφεύγουσα εξετάζει επίσης τη χρήση δεδομένων ηλεκτρονικού ταχυδρομείου (ενδιαφέροντα, γραφήματα επικοινωνίας, αριθμός μηνυμάτων ηλεκτρονικού ταχυδρομείου, κ.λπ.) και άλλων πληροφοριών που είναι διαθέσιμες στο προφίλ των κύριων παρόχων διαδικτυακής ταυτότητας, π.χ. στις πλατφόρμες Google, Facebook, LinkedIn και Apple. Τα αναπτυγμένα μοντέλα κινδύνου θα βασίζονται σε προηγμένα εργαλεία της θεωρίας γραφημάτων. Συνδυάζοντας αυτά τα δεδομένα με παραδοσιακά δεδομένα σχετικά με τον πιστωτικό κίνδυνο (εργοδότες, θέσεις, τοποθεσία, εκθέσεις του Γραφείου Πιστωτικών Πληροφοριών ή BIK) ο αιτών σκοπεύει να δημιουργήσει ένα καινοτόμο μοντέλο πιστωτικού κινδύνου για άτομα που δεν έχουν ακόμη BIK ή συμπεριφορά (δηλαδή, τις περισσότερες φορές, οι νέοι εισέρχονται στον κόσμο των οικονομικών ή των ανθρώπων εκτός του τραπεζικού συστήματος). (Greek) | |||||||||||||||
| Property / summary: Number_reference_aid_πρόγραμμα: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). Το έργο βασίζεται στη διερεύνηση, το σχεδιασμό και τη δημιουργία εναλλακτικών μοντέλων πιστωτικού κινδύνου με τη χρήση δεδομένων που είναι διαθέσιμα κατά την υποβολή αίτησης για δάνειο σε ψηφιακά κανάλια. Ειδικότερα, αφορά τη χρήση δεδομένων σχετικά με τις προτιμήσεις του διαφημιστικού περιεχομένου που καταναλώνεται και άλλων δεδομένων που περιέχονται στα διαδικτυακά cookies (τα λεγόμενα cookies), τα δεδομένα σχετικά με την επαγγελματική θέση και την εξέλιξη (που παρουσιάζονται, για παράδειγμα, στα προφίλ LinkedIn/Goldenline), το διαδικτυακό ιστορικό αγορών (δεδομένα που λαμβάνονται ως αποτέλεσμα συνεργασιών με παρόχους πληρωμών στο διαδίκτυο, π.χ. Bluemedia/PayU/Transfers 24, κ.λπ.), δεδομένα σχετικά με το εμπορικό σήμα και τα χαρακτηριστικά της συσκευής/browser που χρησιμοποιείται, καθώς και δεδομένα σχετικά με τις εγκατεστημένες εφαρμογές, το σχήμα του κοινωνικού δικτύου (γραφήματα φίλων/φίλων), τον τρόπο δημιουργίας προφίλ. Η προσφεύγουσα εξετάζει επίσης τη χρήση δεδομένων ηλεκτρονικού ταχυδρομείου (ενδιαφέροντα, γραφήματα επικοινωνίας, αριθμός μηνυμάτων ηλεκτρονικού ταχυδρομείου, κ.λπ.) και άλλων πληροφοριών που είναι διαθέσιμες στο προφίλ των κύριων παρόχων διαδικτυακής ταυτότητας, π.χ. στις πλατφόρμες Google, Facebook, LinkedIn και Apple. Τα αναπτυγμένα μοντέλα κινδύνου θα βασίζονται σε προηγμένα εργαλεία της θεωρίας γραφημάτων. Συνδυάζοντας αυτά τα δεδομένα με παραδοσιακά δεδομένα σχετικά με τον πιστωτικό κίνδυνο (εργοδότες, θέσεις, τοποθεσία, εκθέσεις του Γραφείου Πιστωτικών Πληροφοριών ή BIK) ο αιτών σκοπεύει να δημιουργήσει ένα καινοτόμο μοντέλο πιστωτικού κινδύνου για άτομα που δεν έχουν ακόμη BIK ή συμπεριφορά (δηλαδή, τις περισσότερες φορές, οι νέοι εισέρχονται στον κόσμο των οικονομικών ή των ανθρώπων εκτός του τραπεζικού συστήματος). (Greek) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_πρόγραμμα: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). Το έργο βασίζεται στη διερεύνηση, το σχεδιασμό και τη δημιουργία εναλλακτικών μοντέλων πιστωτικού κινδύνου με τη χρήση δεδομένων που είναι διαθέσιμα κατά την υποβολή αίτησης για δάνειο σε ψηφιακά κανάλια. Ειδικότερα, αφορά τη χρήση δεδομένων σχετικά με τις προτιμήσεις του διαφημιστικού περιεχομένου που καταναλώνεται και άλλων δεδομένων που περιέχονται στα διαδικτυακά cookies (τα λεγόμενα cookies), τα δεδομένα σχετικά με την επαγγελματική θέση και την εξέλιξη (που παρουσιάζονται, για παράδειγμα, στα προφίλ LinkedIn/Goldenline), το διαδικτυακό ιστορικό αγορών (δεδομένα που λαμβάνονται ως αποτέλεσμα συνεργασιών με παρόχους πληρωμών στο διαδίκτυο, π.χ. Bluemedia/PayU/Transfers 24, κ.λπ.), δεδομένα σχετικά με το εμπορικό σήμα και τα χαρακτηριστικά της συσκευής/browser που χρησιμοποιείται, καθώς και δεδομένα σχετικά με τις εγκατεστημένες εφαρμογές, το σχήμα του κοινωνικού δικτύου (γραφήματα φίλων/φίλων), τον τρόπο δημιουργίας προφίλ. Η προσφεύγουσα εξετάζει επίσης τη χρήση δεδομένων ηλεκτρονικού ταχυδρομείου (ενδιαφέροντα, γραφήματα επικοινωνίας, αριθμός μηνυμάτων ηλεκτρονικού ταχυδρομείου, κ.λπ.) και άλλων πληροφοριών που είναι διαθέσιμες στο προφίλ των κύριων παρόχων διαδικτυακής ταυτότητας, π.χ. στις πλατφόρμες Google, Facebook, LinkedIn και Apple. Τα αναπτυγμένα μοντέλα κινδύνου θα βασίζονται σε προηγμένα εργαλεία της θεωρίας γραφημάτων. Συνδυάζοντας αυτά τα δεδομένα με παραδοσιακά δεδομένα σχετικά με τον πιστωτικό κίνδυνο (εργοδότες, θέσεις, τοποθεσία, εκθέσεις του Γραφείου Πιστωτικών Πληροφοριών ή BIK) ο αιτών σκοπεύει να δημιουργήσει ένα καινοτόμο μοντέλο πιστωτικού κινδύνου για άτομα που δεν έχουν ακόμη BIK ή συμπεριφορά (δηλαδή, τις περισσότερες φορές, οι νέοι εισέρχονται στον κόσμο των οικονομικών ή των ανθρώπων εκτός του τραπεζικού συστήματος). (Greek) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). Projekt se temelji na istraživanju, dizajniranju i izgradnji alternativnih modela kreditnog rizika koji koriste podatke dostupne pri podnošenju zahtjeva za kredit u digitalnim kanalima. Konkretno, riječ je o korištenju podataka o preferencijama konzumiranog oglašivačkog sadržaja i drugih podataka sadržanih u mrežnim kolačićima (takozvani kolačići), podataka o profesionalnom položaju i napretku (predstavljenih, primjerice, u LinkedInu/Goldenline profilima), povijesti kupnje na internetu (podaci dobiveni kao rezultat partnerstva s pružateljima platnih usluga na internetu, npr. Bluemedia/PayU/Transfers 24, itd.), podatke o robnoj marki i značajkama uređaja/preglednika koji se koristi te podatke o instaliranim aplikacijama, obliku društvene mreže (slike prijatelja/prijatelja), kako stvoriti profil. Podnositelj zahtjeva razmatra i upotrebu podataka e-pošte (interesi, komunikacijski grafikoni, broj poslanih poruka e-pošte itd.) i druge informacije dostupne na profilu glavnih pružatelja internetskih identiteta, npr. na platformama Google, Facebook, LinkedIn i Apple. Razvijeni modeli rizika temeljit će se na naprednim alatima teorije grafa. Kombinirajući ove podatke s tradicionalnim podacima o kreditnom riziku (poslodavci, pozicije, lokacija, izvješća Zavoda za informacije o kreditima, ili BIK) Podnositelj zahtjeva namjerava izgraditi inovativni model kreditnog rizika za osobe koje još nemaju BIK ili ponašanje (to jest, najčešće mladi ljudi, samo ulaze u svijet financija ili ljudi izvan bankarskog sustava). (Croatian) | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). Projekt se temelji na istraživanju, dizajniranju i izgradnji alternativnih modela kreditnog rizika koji koriste podatke dostupne pri podnošenju zahtjeva za kredit u digitalnim kanalima. Konkretno, riječ je o korištenju podataka o preferencijama konzumiranog oglašivačkog sadržaja i drugih podataka sadržanih u mrežnim kolačićima (takozvani kolačići), podataka o profesionalnom položaju i napretku (predstavljenih, primjerice, u LinkedInu/Goldenline profilima), povijesti kupnje na internetu (podaci dobiveni kao rezultat partnerstva s pružateljima platnih usluga na internetu, npr. Bluemedia/PayU/Transfers 24, itd.), podatke o robnoj marki i značajkama uređaja/preglednika koji se koristi te podatke o instaliranim aplikacijama, obliku društvene mreže (slike prijatelja/prijatelja), kako stvoriti profil. Podnositelj zahtjeva razmatra i upotrebu podataka e-pošte (interesi, komunikacijski grafikoni, broj poslanih poruka e-pošte itd.) i druge informacije dostupne na profilu glavnih pružatelja internetskih identiteta, npr. na platformama Google, Facebook, LinkedIn i Apple. Razvijeni modeli rizika temeljit će se na naprednim alatima teorije grafa. Kombinirajući ove podatke s tradicionalnim podacima o kreditnom riziku (poslodavci, pozicije, lokacija, izvješća Zavoda za informacije o kreditima, ili BIK) Podnositelj zahtjeva namjerava izgraditi inovativni model kreditnog rizika za osobe koje još nemaju BIK ili ponašanje (to jest, najčešće mladi ljudi, samo ulaze u svijet financija ili ljudi izvan bankarskog sustava). (Croatian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). Projekt se temelji na istraživanju, dizajniranju i izgradnji alternativnih modela kreditnog rizika koji koriste podatke dostupne pri podnošenju zahtjeva za kredit u digitalnim kanalima. Konkretno, riječ je o korištenju podataka o preferencijama konzumiranog oglašivačkog sadržaja i drugih podataka sadržanih u mrežnim kolačićima (takozvani kolačići), podataka o profesionalnom položaju i napretku (predstavljenih, primjerice, u LinkedInu/Goldenline profilima), povijesti kupnje na internetu (podaci dobiveni kao rezultat partnerstva s pružateljima platnih usluga na internetu, npr. Bluemedia/PayU/Transfers 24, itd.), podatke o robnoj marki i značajkama uređaja/preglednika koji se koristi te podatke o instaliranim aplikacijama, obliku društvene mreže (slike prijatelja/prijatelja), kako stvoriti profil. Podnositelj zahtjeva razmatra i upotrebu podataka e-pošte (interesi, komunikacijski grafikoni, broj poslanih poruka e-pošte itd.) i druge informacije dostupne na profilu glavnih pružatelja internetskih identiteta, npr. na platformama Google, Facebook, LinkedIn i Apple. Razvijeni modeli rizika temeljit će se na naprednim alatima teorije grafa. Kombinirajući ove podatke s tradicionalnim podacima o kreditnom riziku (poslodavci, pozicije, lokacija, izvješća Zavoda za informacije o kreditima, ili BIK) Podnositelj zahtjeva namjerava izgraditi inovativni model kreditnog rizika za osobe koje još nemaju BIK ili ponašanje (to jest, najčešće mladi ljudi, samo ulaze u svijet financija ili ljudi izvan bankarskog sustava). (Croatian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_program: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). Proiectul se bazează pe explorarea, proiectarea și construirea unor modele alternative de risc de credit, utilizând datele disponibile atunci când se solicită un împrumut pe canale digitale. În special, este vorba despre utilizarea datelor privind preferințele conținutului publicitar consumat și a altor date conținute în cookie-urile online (așa-numitele cookie-uri), date privind poziția profesională și evoluția (prezentate, de exemplu, în profilurile LinkedIn/Goldenline), istoricul achizițiilor online (date obținute ca urmare a parteneriatelor cu furnizorii de plăți pe internet, de ex. Bluemedia/PayU/Transferuri 24, etc.), date despre marca și caracteristicile dispozitivului/browser-ului care este utilizat, precum și date despre aplicațiile instalate, forma rețelei sociale (grafuri prieten/prieten), cum se creează un profil. Solicitantul ia în considerare, de asemenea, utilizarea datelor de e-mail (interese, grafice de comunicare, numărul de e-mailuri trimise etc.) și a altor informații disponibile în profilul principalilor furnizori de identitate de internet, de exemplu pe platformele Google, Facebook, LinkedIn și Apple. Modelele de risc dezvoltate se vor baza pe instrumente avansate ale teoriei grafurilor. Combinând aceste date cu date tradiționale privind riscul de credit (angajatori, poziții, locație, rapoarte ale Biroului de Informații de Credit, sau BIK), Solicitantul intenționează să construiască un model inovator de risc de credit pentru persoanele care nu au încă BIK sau comportamental (adică, cel mai adesea tineri, intră doar în lumea finanțelor sau persoane din afara sistemului bancar). (Romanian) | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). Proiectul se bazează pe explorarea, proiectarea și construirea unor modele alternative de risc de credit, utilizând datele disponibile atunci când se solicită un împrumut pe canale digitale. În special, este vorba despre utilizarea datelor privind preferințele conținutului publicitar consumat și a altor date conținute în cookie-urile online (așa-numitele cookie-uri), date privind poziția profesională și evoluția (prezentate, de exemplu, în profilurile LinkedIn/Goldenline), istoricul achizițiilor online (date obținute ca urmare a parteneriatelor cu furnizorii de plăți pe internet, de ex. Bluemedia/PayU/Transferuri 24, etc.), date despre marca și caracteristicile dispozitivului/browser-ului care este utilizat, precum și date despre aplicațiile instalate, forma rețelei sociale (grafuri prieten/prieten), cum se creează un profil. Solicitantul ia în considerare, de asemenea, utilizarea datelor de e-mail (interese, grafice de comunicare, numărul de e-mailuri trimise etc.) și a altor informații disponibile în profilul principalilor furnizori de identitate de internet, de exemplu pe platformele Google, Facebook, LinkedIn și Apple. Modelele de risc dezvoltate se vor baza pe instrumente avansate ale teoriei grafurilor. Combinând aceste date cu date tradiționale privind riscul de credit (angajatori, poziții, locație, rapoarte ale Biroului de Informații de Credit, sau BIK), Solicitantul intenționează să construiască un model inovator de risc de credit pentru persoanele care nu au încă BIK sau comportamental (adică, cel mai adesea tineri, intră doar în lumea finanțelor sau persoane din afara sistemului bancar). (Romanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). Proiectul se bazează pe explorarea, proiectarea și construirea unor modele alternative de risc de credit, utilizând datele disponibile atunci când se solicită un împrumut pe canale digitale. În special, este vorba despre utilizarea datelor privind preferințele conținutului publicitar consumat și a altor date conținute în cookie-urile online (așa-numitele cookie-uri), date privind poziția profesională și evoluția (prezentate, de exemplu, în profilurile LinkedIn/Goldenline), istoricul achizițiilor online (date obținute ca urmare a parteneriatelor cu furnizorii de plăți pe internet, de ex. Bluemedia/PayU/Transferuri 24, etc.), date despre marca și caracteristicile dispozitivului/browser-ului care este utilizat, precum și date despre aplicațiile instalate, forma rețelei sociale (grafuri prieten/prieten), cum se creează un profil. Solicitantul ia în considerare, de asemenea, utilizarea datelor de e-mail (interese, grafice de comunicare, numărul de e-mailuri trimise etc.) și a altor informații disponibile în profilul principalilor furnizori de identitate de internet, de exemplu pe platformele Google, Facebook, LinkedIn și Apple. Modelele de risc dezvoltate se vor baza pe instrumente avansate ale teoriei grafurilor. Combinând aceste date cu date tradiționale privind riscul de credit (angajatori, poziții, locație, rapoarte ale Biroului de Informații de Credit, sau BIK), Solicitantul intenționează să construiască un model inovator de risc de credit pentru persoanele care nu au încă BIK sau comportamental (adică, cel mai adesea tineri, intră doar în lumea finanțelor sau persoane din afara sistemului bancar). (Romanian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). Projekt je založený na skúmaní, navrhovaní a budovaní alternatívnych modelov úverového rizika s využitím údajov dostupných pri podávaní žiadosti o úver v digitálnych kanáloch. Ide najmä o používanie údajov o preferenciách spotrebovaného reklamného obsahu a ďalších údajov obsiahnutých v online súboroch cookie (tzv. cookies), údaje o profesionálnej pozícii a postupe (prezentované napríklad v profiloch LinkedIn/Goldenline), históriu online nákupov (údaje získané v dôsledku partnerstiev s poskytovateľmi platieb na internete, napr. Bluemedia/PayU/Transfers 24, atď.), údaje o značke a funkciách zariadenia/prehliadača, ktoré sa používajú, a údaje o nainštalovaných aplikáciách, tvare sociálnej siete (grafy priateľov/priateľov), ako vytvoriť profil. Žiadateľ berie do úvahy aj používanie e-mailových údajov (záujmy, komunikačné grafy, počet odoslaných e-mailov atď.) a ďalšie informácie dostupné v profile hlavných poskytovateľov internetových identít, napr. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budú založené na pokročilých nástrojoch grafickej teórie. Kombináciou týchto údajov s tradičnými údajmi o kreditnom riziku (zamestnávateľmi, pozíciami, umiestnením, správami úverového informačného úradu alebo BIK) má žiadateľ v úmysle vybudovať inovatívny model úverového rizika pre ľudí, ktorí ešte nemajú BIK alebo správanie (t. j. najčastejšie mladí ľudia len vstupujú do sveta financií alebo ľudí mimo bankového systému). (Slovak) | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). Projekt je založený na skúmaní, navrhovaní a budovaní alternatívnych modelov úverového rizika s využitím údajov dostupných pri podávaní žiadosti o úver v digitálnych kanáloch. Ide najmä o používanie údajov o preferenciách spotrebovaného reklamného obsahu a ďalších údajov obsiahnutých v online súboroch cookie (tzv. cookies), údaje o profesionálnej pozícii a postupe (prezentované napríklad v profiloch LinkedIn/Goldenline), históriu online nákupov (údaje získané v dôsledku partnerstiev s poskytovateľmi platieb na internete, napr. Bluemedia/PayU/Transfers 24, atď.), údaje o značke a funkciách zariadenia/prehliadača, ktoré sa používajú, a údaje o nainštalovaných aplikáciách, tvare sociálnej siete (grafy priateľov/priateľov), ako vytvoriť profil. Žiadateľ berie do úvahy aj používanie e-mailových údajov (záujmy, komunikačné grafy, počet odoslaných e-mailov atď.) a ďalšie informácie dostupné v profile hlavných poskytovateľov internetových identít, napr. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budú založené na pokročilých nástrojoch grafickej teórie. Kombináciou týchto údajov s tradičnými údajmi o kreditnom riziku (zamestnávateľmi, pozíciami, umiestnením, správami úverového informačného úradu alebo BIK) má žiadateľ v úmysle vybudovať inovatívny model úverového rizika pre ľudí, ktorí ešte nemajú BIK alebo správanie (t. j. najčastejšie mladí ľudia len vstupujú do sveta financií alebo ľudí mimo bankového systému). (Slovak) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). Projekt je založený na skúmaní, navrhovaní a budovaní alternatívnych modelov úverového rizika s využitím údajov dostupných pri podávaní žiadosti o úver v digitálnych kanáloch. Ide najmä o používanie údajov o preferenciách spotrebovaného reklamného obsahu a ďalších údajov obsiahnutých v online súboroch cookie (tzv. cookies), údaje o profesionálnej pozícii a postupe (prezentované napríklad v profiloch LinkedIn/Goldenline), históriu online nákupov (údaje získané v dôsledku partnerstiev s poskytovateľmi platieb na internete, napr. Bluemedia/PayU/Transfers 24, atď.), údaje o značke a funkciách zariadenia/prehliadača, ktoré sa používajú, a údaje o nainštalovaných aplikáciách, tvare sociálnej siete (grafy priateľov/priateľov), ako vytvoriť profil. Žiadateľ berie do úvahy aj používanie e-mailových údajov (záujmy, komunikačné grafy, počet odoslaných e-mailov atď.) a ďalšie informácie dostupné v profile hlavných poskytovateľov internetových identít, napr. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budú založené na pokročilých nástrojoch grafickej teórie. Kombináciou týchto údajov s tradičnými údajmi o kreditnom riziku (zamestnávateľmi, pozíciami, umiestnením, správami úverového informačného úradu alebo BIK) má žiadateľ v úmysle vybudovať inovatívny model úverového rizika pre ľudí, ktorí ešte nemajú BIK alebo správanie (t. j. najčastejšie mladí ľudia len vstupujú do sveta financií alebo ľudí mimo bankového systému). (Slovak) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programm: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). Il-proġett huwa bbażat fuq l-esplorazzjoni, it-tfassil u l-bini ta’ mudelli alternattivi ta’ riskju ta’ kreditu bl-użu ta’ data disponibbli meta ssir applikazzjoni għal self f’kanali diġitali. B’mod partikolari, huwa dwar l-użu ta’ data dwar il-preferenzi ta’ kontenut ta’ reklamar ikkunsmat u data oħra li tinsab fil-cookies online (l-hekk imsejħa cookies), data dwar il-pożizzjoni professjonali u l-progressjoni (ippreżentata, pereżempju, fil-profili ta’ LinkedIn/Goldenline), l-istorja tax-xiri online (data miksuba bħala riżultat ta’ sħubijiet ma’ fornituri ta’ pagament fuq l-Internet, eż. Bluemedia/PayU/Trasferimenti 24, eċċ), data dwar il-marka u l-karatteristiċi tal-apparat/browser li qed jintuża, u data dwar l-applikazzjonijiet installati, il-forma tan-netwerk soċjali (ħbieb/graffs ħbieb), kif toħloq profil. L-applikant jikkunsidra wkoll l-użu ta’ data tal-posta elettronika (interessi, graffs ta’ komunikazzjoni, numru ta’ posta elettronika mibgħuta, eċċ.) u informazzjoni oħra disponibbli fil-profil tal-fornituri ewlenin tal-identità tal-internet, eż. fuq il-pjattaformi Google, Facebook, LinkedIn u Apple. Il-mudelli ta’ riskju żviluppati se jkunu bbażati fuq għodod avvanzati tat-teorija tal-graffs. Il-kombinazzjoni ta’ din id-data ma’ data tradizzjonali dwar ir-riskju ta’ kreditu (min iħaddem, pożizzjonijiet, post, rapporti tal-Uffiċċju tal-Informazzjoni dwar il-Kreditu, jew BIK) l-Applikant biħsiebu jibni mudell innovattiv ta’ riskju ta’ kreditu għal persuni li għad m’għandhomx BIK jew imġiba (jiġifieri, ħafna drabi ż-żgħażagħ, li jidħlu biss fid-dinja tal-finanzi jew persuni barra mis-sistema bankarja). (Maltese) | |||||||||||||||
| Property / summary: Number_reference_aid_programm: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). Il-proġett huwa bbażat fuq l-esplorazzjoni, it-tfassil u l-bini ta’ mudelli alternattivi ta’ riskju ta’ kreditu bl-użu ta’ data disponibbli meta ssir applikazzjoni għal self f’kanali diġitali. B’mod partikolari, huwa dwar l-użu ta’ data dwar il-preferenzi ta’ kontenut ta’ reklamar ikkunsmat u data oħra li tinsab fil-cookies online (l-hekk imsejħa cookies), data dwar il-pożizzjoni professjonali u l-progressjoni (ippreżentata, pereżempju, fil-profili ta’ LinkedIn/Goldenline), l-istorja tax-xiri online (data miksuba bħala riżultat ta’ sħubijiet ma’ fornituri ta’ pagament fuq l-Internet, eż. Bluemedia/PayU/Trasferimenti 24, eċċ), data dwar il-marka u l-karatteristiċi tal-apparat/browser li qed jintuża, u data dwar l-applikazzjonijiet installati, il-forma tan-netwerk soċjali (ħbieb/graffs ħbieb), kif toħloq profil. L-applikant jikkunsidra wkoll l-użu ta’ data tal-posta elettronika (interessi, graffs ta’ komunikazzjoni, numru ta’ posta elettronika mibgħuta, eċċ.) u informazzjoni oħra disponibbli fil-profil tal-fornituri ewlenin tal-identità tal-internet, eż. fuq il-pjattaformi Google, Facebook, LinkedIn u Apple. Il-mudelli ta’ riskju żviluppati se jkunu bbażati fuq għodod avvanzati tat-teorija tal-graffs. Il-kombinazzjoni ta’ din id-data ma’ data tradizzjonali dwar ir-riskju ta’ kreditu (min iħaddem, pożizzjonijiet, post, rapporti tal-Uffiċċju tal-Informazzjoni dwar il-Kreditu, jew BIK) l-Applikant biħsiebu jibni mudell innovattiv ta’ riskju ta’ kreditu għal persuni li għad m’għandhomx BIK jew imġiba (jiġifieri, ħafna drabi ż-żgħażagħ, li jidħlu biss fid-dinja tal-finanzi jew persuni barra mis-sistema bankarja). (Maltese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programm: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). Il-proġett huwa bbażat fuq l-esplorazzjoni, it-tfassil u l-bini ta’ mudelli alternattivi ta’ riskju ta’ kreditu bl-użu ta’ data disponibbli meta ssir applikazzjoni għal self f’kanali diġitali. B’mod partikolari, huwa dwar l-użu ta’ data dwar il-preferenzi ta’ kontenut ta’ reklamar ikkunsmat u data oħra li tinsab fil-cookies online (l-hekk imsejħa cookies), data dwar il-pożizzjoni professjonali u l-progressjoni (ippreżentata, pereżempju, fil-profili ta’ LinkedIn/Goldenline), l-istorja tax-xiri online (data miksuba bħala riżultat ta’ sħubijiet ma’ fornituri ta’ pagament fuq l-Internet, eż. Bluemedia/PayU/Trasferimenti 24, eċċ), data dwar il-marka u l-karatteristiċi tal-apparat/browser li qed jintuża, u data dwar l-applikazzjonijiet installati, il-forma tan-netwerk soċjali (ħbieb/graffs ħbieb), kif toħloq profil. L-applikant jikkunsidra wkoll l-użu ta’ data tal-posta elettronika (interessi, graffs ta’ komunikazzjoni, numru ta’ posta elettronika mibgħuta, eċċ.) u informazzjoni oħra disponibbli fil-profil tal-fornituri ewlenin tal-identità tal-internet, eż. fuq il-pjattaformi Google, Facebook, LinkedIn u Apple. Il-mudelli ta’ riskju żviluppati se jkunu bbażati fuq għodod avvanzati tat-teorija tal-graffs. Il-kombinazzjoni ta’ din id-data ma’ data tradizzjonali dwar ir-riskju ta’ kreditu (min iħaddem, pożizzjonijiet, post, rapporti tal-Uffiċċju tal-Informazzjoni dwar il-Kreditu, jew BIK) l-Applikant biħsiebu jibni mudell innovattiv ta’ riskju ta’ kreditu għal persuni li għad m’għandhomx BIK jew imġiba (jiġifieri, ħafna drabi ż-żgħażagħ, li jidħlu biss fid-dinja tal-finanzi jew persuni barra mis-sistema bankarja). (Maltese) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Número de referência do programa de ajuda: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). O projeto baseia-se no estudo, conceção e desenvolvimento de modelos alternativos de risco de crédito, utilizando os dados disponíveis aquando da candidatura a um empréstimo em canais digitais. Em particular, diz respeito à utilização de dados sobre as preferências do conteúdo publicitário dos consumidores e outros dados contidos em cookies (os chamados cookies), dados de posição profissional e progressão profissional (apresentados, por exemplo, em perfis no LinkedIn/Goldenline), histórico de compras em linha (dados obtidos em resultado de parcerias com prestadores de serviços de pagamento na Internet, por exemplo, BlueMedia/PayU/Transfactions 24, etc.), a marca e as características do dispositivo/navegador utilizado, bem como dados sobre aplicações instaladas, a forma da rede social (imagens de conhecimento/amigos), a forma como o perfil é criado. O requerente deve também ponderar a utilização de dados de correio eletrónico (interesses, gráficos de comunicação, número de mensagens de correio eletrónico enviadas, etc.) e de outras informações disponíveis no perfil dos principais fornecedores de identidade na Internet, por exemplo, nas plataformas Google, Facebook, LinkedIn e Apple. Os modelos de risco desenvolvidos basear-se-ão em ferramentas avançadas da teoria dos grafos. Combinando estes dados com os dados tradicionais relativos ao risco de crédito (empregadores, postos de trabalho, localização, relatórios do Gabinete de Informação de Crédito, ou seja, o BIC) O requerente pretende construir um modelo inovador de risco de crédito para pessoas que ainda não têm BIC ou comportamental (ou seja, na maioria das vezes, os jovens só entram no mundo das finanças ou pessoas fora do sistema bancário) (Portuguese) | |||||||||||||||
| Property / summary: Número de referência do programa de ajuda: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). O projeto baseia-se no estudo, conceção e desenvolvimento de modelos alternativos de risco de crédito, utilizando os dados disponíveis aquando da candidatura a um empréstimo em canais digitais. Em particular, diz respeito à utilização de dados sobre as preferências do conteúdo publicitário dos consumidores e outros dados contidos em cookies (os chamados cookies), dados de posição profissional e progressão profissional (apresentados, por exemplo, em perfis no LinkedIn/Goldenline), histórico de compras em linha (dados obtidos em resultado de parcerias com prestadores de serviços de pagamento na Internet, por exemplo, BlueMedia/PayU/Transfactions 24, etc.), a marca e as características do dispositivo/navegador utilizado, bem como dados sobre aplicações instaladas, a forma da rede social (imagens de conhecimento/amigos), a forma como o perfil é criado. O requerente deve também ponderar a utilização de dados de correio eletrónico (interesses, gráficos de comunicação, número de mensagens de correio eletrónico enviadas, etc.) e de outras informações disponíveis no perfil dos principais fornecedores de identidade na Internet, por exemplo, nas plataformas Google, Facebook, LinkedIn e Apple. Os modelos de risco desenvolvidos basear-se-ão em ferramentas avançadas da teoria dos grafos. Combinando estes dados com os dados tradicionais relativos ao risco de crédito (empregadores, postos de trabalho, localização, relatórios do Gabinete de Informação de Crédito, ou seja, o BIC) O requerente pretende construir um modelo inovador de risco de crédito para pessoas que ainda não têm BIC ou comportamental (ou seja, na maioria das vezes, os jovens só entram no mundo das finanças ou pessoas fora do sistema bancário) (Portuguese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Número de referência do programa de ajuda: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). O projeto baseia-se no estudo, conceção e desenvolvimento de modelos alternativos de risco de crédito, utilizando os dados disponíveis aquando da candidatura a um empréstimo em canais digitais. Em particular, diz respeito à utilização de dados sobre as preferências do conteúdo publicitário dos consumidores e outros dados contidos em cookies (os chamados cookies), dados de posição profissional e progressão profissional (apresentados, por exemplo, em perfis no LinkedIn/Goldenline), histórico de compras em linha (dados obtidos em resultado de parcerias com prestadores de serviços de pagamento na Internet, por exemplo, BlueMedia/PayU/Transfactions 24, etc.), a marca e as características do dispositivo/navegador utilizado, bem como dados sobre aplicações instaladas, a forma da rede social (imagens de conhecimento/amigos), a forma como o perfil é criado. O requerente deve também ponderar a utilização de dados de correio eletrónico (interesses, gráficos de comunicação, número de mensagens de correio eletrónico enviadas, etc.) e de outras informações disponíveis no perfil dos principais fornecedores de identidade na Internet, por exemplo, nas plataformas Google, Facebook, LinkedIn e Apple. Os modelos de risco desenvolvidos basear-se-ão em ferramentas avançadas da teoria dos grafos. Combinando estes dados com os dados tradicionais relativos ao risco de crédito (empregadores, postos de trabalho, localização, relatórios do Gabinete de Informação de Crédito, ou seja, o BIC) O requerente pretende construir um modelo inovador de risco de crédito para pessoas que ainda não têm BIC ou comportamental (ou seja, na maioria das vezes, os jovens só entram no mundo das finanças ou pessoas fora do sistema bancário) (Portuguese) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_ohjelma: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. Hanke perustuu vaihtoehtoisten luottoriskimallien tutkimiseen, suunnitteluun ja rakentamiseen käyttäen saatavilla olevia tietoja lainan hakemisessa digitaalisissa kanavissa. Kyse on erityisesti tietojen käytöstä kulutetun mainonnan sisällön mieltymyksistä ja muista verkkoevästeisiin (ns. evästeet) sisältyvistä tiedoista, ammatillisesta asemasta ja etenemisestä (esitetty esimerkiksi LinkedIn/Goldenline-profiileissa), verkko-ostoshistoriasta (tiedot, jotka on saatu kumppanuudesta maksupalveluntarjoajien kanssa Internetissä, esim. Bluemedia/PayU/Siirrot 24, jne.), tiedot käytettävän laitteen/selaimen brändistä ja ominaisuuksista sekä asennetuista sovelluksista, sosiaalisen verkoston muodosta (ystävä/ystävä-kaaviot), profiilin luomisesta. Kantaja harkitsee myös sähköpostitietojen käyttöä (kiinnostukset, viestintäkaaviot, lähetettyjen sähköpostiviestien määrä jne.) ja muita tietoja, jotka ovat saatavilla tärkeimpien internet-identiteetin tarjoajien profiilissa, esimerkiksi Googlessa, Facebookissa, LinkedInissä ja Applen alustoilla. Kehitetyt riskimallit perustuvat graafisen teorian kehittyneisiin työkaluihin. Yhdistämällä nämä tiedot luottoriskiä koskeviin perinteisiin tietoihin (työnantajat, asemat, sijainti, luottotietotoimiston tai BIK:n raportit) hakija aikoo rakentaa innovatiivisen luottoriskimallin ihmisille, joilla ei vielä ole BIK:ta tai käyttäytymismalleja (eli useimmiten nuoret vain tulevat rahoitusmaailmaan tai ihmiset pankkijärjestelmän ulkopuolella). (Finnish) | |||||||||||||||
| Property / summary: Number_reference_aid_ohjelma: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. Hanke perustuu vaihtoehtoisten luottoriskimallien tutkimiseen, suunnitteluun ja rakentamiseen käyttäen saatavilla olevia tietoja lainan hakemisessa digitaalisissa kanavissa. Kyse on erityisesti tietojen käytöstä kulutetun mainonnan sisällön mieltymyksistä ja muista verkkoevästeisiin (ns. evästeet) sisältyvistä tiedoista, ammatillisesta asemasta ja etenemisestä (esitetty esimerkiksi LinkedIn/Goldenline-profiileissa), verkko-ostoshistoriasta (tiedot, jotka on saatu kumppanuudesta maksupalveluntarjoajien kanssa Internetissä, esim. Bluemedia/PayU/Siirrot 24, jne.), tiedot käytettävän laitteen/selaimen brändistä ja ominaisuuksista sekä asennetuista sovelluksista, sosiaalisen verkoston muodosta (ystävä/ystävä-kaaviot), profiilin luomisesta. Kantaja harkitsee myös sähköpostitietojen käyttöä (kiinnostukset, viestintäkaaviot, lähetettyjen sähköpostiviestien määrä jne.) ja muita tietoja, jotka ovat saatavilla tärkeimpien internet-identiteetin tarjoajien profiilissa, esimerkiksi Googlessa, Facebookissa, LinkedInissä ja Applen alustoilla. Kehitetyt riskimallit perustuvat graafisen teorian kehittyneisiin työkaluihin. Yhdistämällä nämä tiedot luottoriskiä koskeviin perinteisiin tietoihin (työnantajat, asemat, sijainti, luottotietotoimiston tai BIK:n raportit) hakija aikoo rakentaa innovatiivisen luottoriskimallin ihmisille, joilla ei vielä ole BIK:ta tai käyttäytymismalleja (eli useimmiten nuoret vain tulevat rahoitusmaailmaan tai ihmiset pankkijärjestelmän ulkopuolella). (Finnish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_ohjelma: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. Hanke perustuu vaihtoehtoisten luottoriskimallien tutkimiseen, suunnitteluun ja rakentamiseen käyttäen saatavilla olevia tietoja lainan hakemisessa digitaalisissa kanavissa. Kyse on erityisesti tietojen käytöstä kulutetun mainonnan sisällön mieltymyksistä ja muista verkkoevästeisiin (ns. evästeet) sisältyvistä tiedoista, ammatillisesta asemasta ja etenemisestä (esitetty esimerkiksi LinkedIn/Goldenline-profiileissa), verkko-ostoshistoriasta (tiedot, jotka on saatu kumppanuudesta maksupalveluntarjoajien kanssa Internetissä, esim. Bluemedia/PayU/Siirrot 24, jne.), tiedot käytettävän laitteen/selaimen brändistä ja ominaisuuksista sekä asennetuista sovelluksista, sosiaalisen verkoston muodosta (ystävä/ystävä-kaaviot), profiilin luomisesta. Kantaja harkitsee myös sähköpostitietojen käyttöä (kiinnostukset, viestintäkaaviot, lähetettyjen sähköpostiviestien määrä jne.) ja muita tietoja, jotka ovat saatavilla tärkeimpien internet-identiteetin tarjoajien profiilissa, esimerkiksi Googlessa, Facebookissa, LinkedInissä ja Applen alustoilla. Kehitetyt riskimallit perustuvat graafisen teorian kehittyneisiin työkaluihin. Yhdistämällä nämä tiedot luottoriskiä koskeviin perinteisiin tietoihin (työnantajat, asemat, sijainti, luottotietotoimiston tai BIK:n raportit) hakija aikoo rakentaa innovatiivisen luottoriskimallin ihmisille, joilla ei vielä ole BIK:ta tai käyttäytymismalleja (eli useimmiten nuoret vain tulevat rahoitusmaailmaan tai ihmiset pankkijärjestelmän ulkopuolella). (Finnish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_program: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe (ES) št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe To je vse. EU L 187/1 z dne 26.6.2014). Projekt temelji na raziskovanju, oblikovanju in oblikovanju alternativnih modelov kreditnega tveganja z uporabo podatkov, ki so na voljo ob prijavi za posojilo na digitalnih kanalih. Gre zlasti za uporabo podatkov o preferencah porabljenih oglaševalskih vsebin in drugih podatkov, ki jih vsebujejo spletni piškotki (t. i. piškotki), podatki o profesionalnem položaju in napredku (na primer v profilih LinkedIn/Goldenline), zgodovini spletnih nakupov (podatki, pridobljeni na podlagi partnerstev s ponudniki plačilnih storitev na internetu, npr. Bluemedia/PayU/Transfers 24, itd), podatke o blagovni znamki in značilnostih naprave/brskalnika, ki se uporablja, ter podatke o nameščenih aplikacijah, obliki socialnega omrežja (grafi prijatelj/prijatelj), kako ustvariti profil. Vložnik obravnava tudi uporabo e-poštnih podatkov (interesov, komunikacijskih grafov, števila poslanih e-poštnih sporočil itd.) in drugih informacij, ki so na voljo v profilu glavnih ponudnikov internetne identitete, npr. na platformah Google, Facebook, LinkedIn in Apple. Razviti modeli tveganja bodo temeljili na naprednih orodjih teorije grafov. Z združevanjem teh podatkov s tradicionalnimi podatki o kreditnem tveganju (delodajalci, pozicije, lokacija, poročila urada za kreditne informacije ali BIK) namerava prijavitelj zgraditi inovativen model kreditnega tveganja za ljudi, ki še nimajo BIK ali vedenjske (to je najpogosteje mladi, ki vstopajo v svet financ ali ljudi zunaj bančnega sistema). (Slovenian) | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe (ES) št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe To je vse. EU L 187/1 z dne 26.6.2014). Projekt temelji na raziskovanju, oblikovanju in oblikovanju alternativnih modelov kreditnega tveganja z uporabo podatkov, ki so na voljo ob prijavi za posojilo na digitalnih kanalih. Gre zlasti za uporabo podatkov o preferencah porabljenih oglaševalskih vsebin in drugih podatkov, ki jih vsebujejo spletni piškotki (t. i. piškotki), podatki o profesionalnem položaju in napredku (na primer v profilih LinkedIn/Goldenline), zgodovini spletnih nakupov (podatki, pridobljeni na podlagi partnerstev s ponudniki plačilnih storitev na internetu, npr. Bluemedia/PayU/Transfers 24, itd), podatke o blagovni znamki in značilnostih naprave/brskalnika, ki se uporablja, ter podatke o nameščenih aplikacijah, obliki socialnega omrežja (grafi prijatelj/prijatelj), kako ustvariti profil. Vložnik obravnava tudi uporabo e-poštnih podatkov (interesov, komunikacijskih grafov, števila poslanih e-poštnih sporočil itd.) in drugih informacij, ki so na voljo v profilu glavnih ponudnikov internetne identitete, npr. na platformah Google, Facebook, LinkedIn in Apple. Razviti modeli tveganja bodo temeljili na naprednih orodjih teorije grafov. Z združevanjem teh podatkov s tradicionalnimi podatki o kreditnem tveganju (delodajalci, pozicije, lokacija, poročila urada za kreditne informacije ali BIK) namerava prijavitelj zgraditi inovativen model kreditnega tveganja za ljudi, ki še nimajo BIK ali vedenjske (to je najpogosteje mladi, ki vstopajo v svet financ ali ljudi zunaj bančnega sistema). (Slovenian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe (ES) št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe To je vse. EU L 187/1 z dne 26.6.2014). Projekt temelji na raziskovanju, oblikovanju in oblikovanju alternativnih modelov kreditnega tveganja z uporabo podatkov, ki so na voljo ob prijavi za posojilo na digitalnih kanalih. Gre zlasti za uporabo podatkov o preferencah porabljenih oglaševalskih vsebin in drugih podatkov, ki jih vsebujejo spletni piškotki (t. i. piškotki), podatki o profesionalnem položaju in napredku (na primer v profilih LinkedIn/Goldenline), zgodovini spletnih nakupov (podatki, pridobljeni na podlagi partnerstev s ponudniki plačilnih storitev na internetu, npr. Bluemedia/PayU/Transfers 24, itd), podatke o blagovni znamki in značilnostih naprave/brskalnika, ki se uporablja, ter podatke o nameščenih aplikacijah, obliki socialnega omrežja (grafi prijatelj/prijatelj), kako ustvariti profil. Vložnik obravnava tudi uporabo e-poštnih podatkov (interesov, komunikacijskih grafov, števila poslanih e-poštnih sporočil itd.) in drugih informacij, ki so na voljo v profilu glavnih ponudnikov internetne identitete, npr. na platformah Google, Facebook, LinkedIn in Apple. Razviti modeli tveganja bodo temeljili na naprednih orodjih teorije grafov. Z združevanjem teh podatkov s tradicionalnimi podatki o kreditnem tveganju (delodajalci, pozicije, lokacija, poročila urada za kreditne informacije ali BIK) namerava prijavitelj zgraditi inovativen model kreditnega tveganja za ljudi, ki še nimajo BIK ali vedenjske (to je najpogosteje mladi, ki vstopajo v svet financ ali ljudi zunaj bančnega sistema). (Slovenian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programme: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení (ES) č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). Projekt je založen na zkoumání, navrhování a vytváření alternativních modelů úvěrového rizika s využitím údajů dostupných při podávání žádostí o půjčku v digitálních kanálech. Jedná se zejména o používání údajů o preferencích spotřebovaného reklamního obsahu a dalších údajů obsažených v online souborech cookie (tzv. cookies), údajů o profesní pozici a vývoji (prezentovaných např. v profilech LinkedIn/Goldenline), historii nákupů online (údaje získané v důsledku partnerství s poskytovateli plateb na internetu, např. Bluemedia/PayU/Transfers 24, atd.), údaje o značce a funkcích používaného zařízení/prohlížeče a data o nainstalovaných aplikacích, tvaru sociální sítě (grafy přátel/přítelů), jak vytvořit profil. Žalobkyně se rovněž zabývá použitím e-mailových údajů (zájmy, komunikační grafy, počet odeslaných e-mailů atd.) a dalších informací dostupných v profilu hlavních poskytovatelů internetové identity, např. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budou založeny na pokročilých nástrojích teorie grafů. Kombinací těchto údajů s tradičními údaji o úvěrovém riziku (zaměstnavatelé, pozice, umístění, zprávy Ústředny pro informace o úvěrech nebo BIK) má žadatel v úmyslu vytvořit inovativní model úvěrového rizika pro lidi, kteří ještě nemají BIK nebo chování (nejčastěji mladí lidé, kteří právě vstoupí do světa financí nebo lidé mimo bankovní systém). (Czech) | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení (ES) č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). Projekt je založen na zkoumání, navrhování a vytváření alternativních modelů úvěrového rizika s využitím údajů dostupných při podávání žádostí o půjčku v digitálních kanálech. Jedná se zejména o používání údajů o preferencích spotřebovaného reklamního obsahu a dalších údajů obsažených v online souborech cookie (tzv. cookies), údajů o profesní pozici a vývoji (prezentovaných např. v profilech LinkedIn/Goldenline), historii nákupů online (údaje získané v důsledku partnerství s poskytovateli plateb na internetu, např. Bluemedia/PayU/Transfers 24, atd.), údaje o značce a funkcích používaného zařízení/prohlížeče a data o nainstalovaných aplikacích, tvaru sociální sítě (grafy přátel/přítelů), jak vytvořit profil. Žalobkyně se rovněž zabývá použitím e-mailových údajů (zájmy, komunikační grafy, počet odeslaných e-mailů atd.) a dalších informací dostupných v profilu hlavních poskytovatelů internetové identity, např. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budou založeny na pokročilých nástrojích teorie grafů. Kombinací těchto údajů s tradičními údaji o úvěrovém riziku (zaměstnavatelé, pozice, umístění, zprávy Ústředny pro informace o úvěrech nebo BIK) má žadatel v úmyslu vytvořit inovativní model úvěrového rizika pro lidi, kteří ještě nemají BIK nebo chování (nejčastěji mladí lidé, kteří právě vstoupí do světa financí nebo lidé mimo bankovní systém). (Czech) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení (ES) č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). Projekt je založen na zkoumání, navrhování a vytváření alternativních modelů úvěrového rizika s využitím údajů dostupných při podávání žádostí o půjčku v digitálních kanálech. Jedná se zejména o používání údajů o preferencích spotřebovaného reklamního obsahu a dalších údajů obsažených v online souborech cookie (tzv. cookies), údajů o profesní pozici a vývoji (prezentovaných např. v profilech LinkedIn/Goldenline), historii nákupů online (údaje získané v důsledku partnerství s poskytovateli plateb na internetu, např. Bluemedia/PayU/Transfers 24, atd.), údaje o značce a funkcích používaného zařízení/prohlížeče a data o nainstalovaných aplikacích, tvaru sociální sítě (grafy přátel/přítelů), jak vytvořit profil. Žalobkyně se rovněž zabývá použitím e-mailových údajů (zájmy, komunikační grafy, počet odeslaných e-mailů atd.) a dalších informací dostupných v profilu hlavních poskytovatelů internetové identity, např. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budou založeny na pokročilých nástrojích teorie grafů. Kombinací těchto údajů s tradičními údaji o úvěrovém riziku (zaměstnavatelé, pozice, umístění, zprávy Ústředny pro informace o úvěrech nebo BIK) má žadatel v úmyslu vytvořit inovativní model úvěrového rizika pro lidi, kteří ještě nemají BIK nebo chování (nejčastěji mladí lidé, kteří právě vstoupí do světa financí nebo lidé mimo bankovní systém). (Czech) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programme: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). Projektas grindžiamas alternatyvių kredito rizikos modelių tyrinėjimu, projektavimu ir kūrimu, naudojant duomenis, prieinamus kreipiantis dėl paskolos skaitmeniniuose kanaluose. Visų pirma kalbama apie duomenų apie suvartojamo reklaminio turinio ir kitų duomenų, esančių internetiniuose slapukuose (vadinamieji slapukai), naudojimą, duomenis apie profesinę padėtį ir pažangą (pateiktus, pavyzdžiui, „LinkedIn“/„Goldenline“ profiliuose), pirkimo internetu istoriją (duomenis, gautus bendradarbiaujant su mokėjimo paslaugų teikėjais internete, pvz., Bluemedia/PayU/Transfers 24, ir tt), duomenys apie naudojamą prietaiso/naršyklės prekės ženklą ir savybes, duomenys apie įdiegtas programas, socialinio tinklo formą (draugo/draugo grafikus), kaip sukurti profilį. Pareiškėjas taip pat mano, kad naudojami elektroninio pašto duomenys (interesai, komunikacijos grafikai, išsiųstų el. laiškų skaičius ir t. t.) ir kita informacija, kurią galima rasti pagrindinių interneto tapatybės teikėjų profilyje, pvz., Google, Facebook, LinkedIn ir Apple platformose. Sukurti rizikos modeliai bus grindžiami pažangiomis grafų teorijos priemonėmis. Derindamas šiuos duomenis su tradiciniais kredito rizikos duomenimis (darbdaviais, pareigomis, vieta, Kredito informacijos biuro ataskaitomis arba BIK), pareiškėjas ketina sukurti novatorišką kredito rizikos modelį žmonėms, kurie dar neturi BIK ar elgesio (t. y. dažniausiai jaunimas, tik patenka į finansų pasaulį arba žmonės, nepriklausantys bankų sistemai). (Lithuanian) | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). Projektas grindžiamas alternatyvių kredito rizikos modelių tyrinėjimu, projektavimu ir kūrimu, naudojant duomenis, prieinamus kreipiantis dėl paskolos skaitmeniniuose kanaluose. Visų pirma kalbama apie duomenų apie suvartojamo reklaminio turinio ir kitų duomenų, esančių internetiniuose slapukuose (vadinamieji slapukai), naudojimą, duomenis apie profesinę padėtį ir pažangą (pateiktus, pavyzdžiui, „LinkedIn“/„Goldenline“ profiliuose), pirkimo internetu istoriją (duomenis, gautus bendradarbiaujant su mokėjimo paslaugų teikėjais internete, pvz., Bluemedia/PayU/Transfers 24, ir tt), duomenys apie naudojamą prietaiso/naršyklės prekės ženklą ir savybes, duomenys apie įdiegtas programas, socialinio tinklo formą (draugo/draugo grafikus), kaip sukurti profilį. Pareiškėjas taip pat mano, kad naudojami elektroninio pašto duomenys (interesai, komunikacijos grafikai, išsiųstų el. laiškų skaičius ir t. t.) ir kita informacija, kurią galima rasti pagrindinių interneto tapatybės teikėjų profilyje, pvz., Google, Facebook, LinkedIn ir Apple platformose. Sukurti rizikos modeliai bus grindžiami pažangiomis grafų teorijos priemonėmis. Derindamas šiuos duomenis su tradiciniais kredito rizikos duomenimis (darbdaviais, pareigomis, vieta, Kredito informacijos biuro ataskaitomis arba BIK), pareiškėjas ketina sukurti novatorišką kredito rizikos modelį žmonėms, kurie dar neturi BIK ar elgesio (t. y. dažniausiai jaunimas, tik patenka į finansų pasaulį arba žmonės, nepriklausantys bankų sistemai). (Lithuanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programme: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). Projektas grindžiamas alternatyvių kredito rizikos modelių tyrinėjimu, projektavimu ir kūrimu, naudojant duomenis, prieinamus kreipiantis dėl paskolos skaitmeniniuose kanaluose. Visų pirma kalbama apie duomenų apie suvartojamo reklaminio turinio ir kitų duomenų, esančių internetiniuose slapukuose (vadinamieji slapukai), naudojimą, duomenis apie profesinę padėtį ir pažangą (pateiktus, pavyzdžiui, „LinkedIn“/„Goldenline“ profiliuose), pirkimo internetu istoriją (duomenis, gautus bendradarbiaujant su mokėjimo paslaugų teikėjais internete, pvz., Bluemedia/PayU/Transfers 24, ir tt), duomenys apie naudojamą prietaiso/naršyklės prekės ženklą ir savybes, duomenys apie įdiegtas programas, socialinio tinklo formą (draugo/draugo grafikus), kaip sukurti profilį. Pareiškėjas taip pat mano, kad naudojami elektroninio pašto duomenys (interesai, komunikacijos grafikai, išsiųstų el. laiškų skaičius ir t. t.) ir kita informacija, kurią galima rasti pagrindinių interneto tapatybės teikėjų profilyje, pvz., Google, Facebook, LinkedIn ir Apple platformose. Sukurti rizikos modeliai bus grindžiami pažangiomis grafų teorijos priemonėmis. Derindamas šiuos duomenis su tradiciniais kredito rizikos duomenimis (darbdaviais, pareigomis, vieta, Kredito informacijos biuro ataskaitomis arba BIK), pareiškėjas ketina sukurti novatorišką kredito rizikos modelį žmonėms, kurie dar neturi BIK ar elgesio (t. y. dažniausiai jaunimas, tik patenka į finansų pasaulį arba žmonės, nepriklausantys bankų sistemai). (Lithuanian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programma: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. Projekta pamatā ir alternatīvu kredītriska modeļu izpēte, izstrāde un izveide, izmantojot pieejamos datus, piesakoties aizdevumam digitālos kanālos. Jo īpaši runa ir par to, kā tiek izmantoti dati par patērētā reklāmas satura preferencēm un citi dati, kas ietverti tiešsaistes sīkdatnēs (tā sauktās sīkdatnes), dati par profesionālo stāvokli un attīstību (iesniegti, piemēram, LinkedIn/Goldenline profilos), tiešsaistes pirkumu vēsture (dati, kas iegūti, sadarbojoties ar maksājumu pakalpojumu sniedzējiem internetā, piemēram, Bluemedia/PayU/Transfers 24, utt.), dati par izmantotās ierīces/pārlūka zīmolu un funkcijām, kā arī dati par instalētajām lietojumprogrammām, sociālā tīkla formu (draugs/draugs diagrammas), kā izveidot profilu. Pieteikuma iesniedzējs arī apsver iespēju izmantot e-pasta datus (intereses, komunikācijas diagrammas, nosūtīto e-pasta ziņojumu skaitu utt.) un citu informāciju, kas pieejama galveno interneta identitātes nodrošinātāju profilā, piemēram, Google, Facebook, LinkedIn un Apple platformās. Izstrādāto riska modeļu pamatā būs progresīvi grafika teorijas rīki. Apvienojot šos datus ar tradicionālajiem datiem par kredītrisku (darba devēji, amati, atrašanās vieta, Kredītinformācijas biroja vai BIK ziņojumi), Pieteikuma iesniedzējs plāno izveidot inovatīvu kredītriska modeli cilvēkiem, kuriem vēl nav BIK vai uzvedības (tas ir, visbiežāk jaunieši, kas ienāk finanšu pasaulē, vai cilvēki ārpus banku sistēmas). (Latvian) | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. Projekta pamatā ir alternatīvu kredītriska modeļu izpēte, izstrāde un izveide, izmantojot pieejamos datus, piesakoties aizdevumam digitālos kanālos. Jo īpaši runa ir par to, kā tiek izmantoti dati par patērētā reklāmas satura preferencēm un citi dati, kas ietverti tiešsaistes sīkdatnēs (tā sauktās sīkdatnes), dati par profesionālo stāvokli un attīstību (iesniegti, piemēram, LinkedIn/Goldenline profilos), tiešsaistes pirkumu vēsture (dati, kas iegūti, sadarbojoties ar maksājumu pakalpojumu sniedzējiem internetā, piemēram, Bluemedia/PayU/Transfers 24, utt.), dati par izmantotās ierīces/pārlūka zīmolu un funkcijām, kā arī dati par instalētajām lietojumprogrammām, sociālā tīkla formu (draugs/draugs diagrammas), kā izveidot profilu. Pieteikuma iesniedzējs arī apsver iespēju izmantot e-pasta datus (intereses, komunikācijas diagrammas, nosūtīto e-pasta ziņojumu skaitu utt.) un citu informāciju, kas pieejama galveno interneta identitātes nodrošinātāju profilā, piemēram, Google, Facebook, LinkedIn un Apple platformās. Izstrādāto riska modeļu pamatā būs progresīvi grafika teorijas rīki. Apvienojot šos datus ar tradicionālajiem datiem par kredītrisku (darba devēji, amati, atrašanās vieta, Kredītinformācijas biroja vai BIK ziņojumi), Pieteikuma iesniedzējs plāno izveidot inovatīvu kredītriska modeli cilvēkiem, kuriem vēl nav BIK vai uzvedības (tas ir, visbiežāk jaunieši, kas ienāk finanšu pasaulē, vai cilvēki ārpus banku sistēmas). (Latvian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programma: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. Projekta pamatā ir alternatīvu kredītriska modeļu izpēte, izstrāde un izveide, izmantojot pieejamos datus, piesakoties aizdevumam digitālos kanālos. Jo īpaši runa ir par to, kā tiek izmantoti dati par patērētā reklāmas satura preferencēm un citi dati, kas ietverti tiešsaistes sīkdatnēs (tā sauktās sīkdatnes), dati par profesionālo stāvokli un attīstību (iesniegti, piemēram, LinkedIn/Goldenline profilos), tiešsaistes pirkumu vēsture (dati, kas iegūti, sadarbojoties ar maksājumu pakalpojumu sniedzējiem internetā, piemēram, Bluemedia/PayU/Transfers 24, utt.), dati par izmantotās ierīces/pārlūka zīmolu un funkcijām, kā arī dati par instalētajām lietojumprogrammām, sociālā tīkla formu (draugs/draugs diagrammas), kā izveidot profilu. Pieteikuma iesniedzējs arī apsver iespēju izmantot e-pasta datus (intereses, komunikācijas diagrammas, nosūtīto e-pasta ziņojumu skaitu utt.) un citu informāciju, kas pieejama galveno interneta identitātes nodrošinātāju profilā, piemēram, Google, Facebook, LinkedIn un Apple platformās. Izstrādāto riska modeļu pamatā būs progresīvi grafika teorijas rīki. Apvienojot šos datus ar tradicionālajiem datiem par kredītrisku (darba devēji, amati, atrašanās vieta, Kredītinformācijas biroja vai BIK ziņojumi), Pieteikuma iesniedzējs plāno izveidot inovatīvu kredītriska modeli cilvēkiem, kuriem vēl nav BIK vai uzvedības (tas ir, visbiežāk jaunieši, kas ienāk finanšu pasaulē, vai cilvēki ārpus banku sistēmas). (Latvian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_програма: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). Проектът се основава на проучване, проектиране и изграждане на алтернативни модели за кредитен риск, като се използват наличните данни при кандидатстване за заем в цифрови канали. По-специално става въпрос за използването на данни за предпочитанията на консумираното рекламно съдържание и други данни, съдържащи се в онлайн бисквитките (т.нар. „бисквитки“), данни за професионалната позиция и напредъка (представени например в профилите на LinkedIn/Goldenline), историята на онлайн покупките (данни, получени в резултат на партньорства с доставчици на плащания в интернет, напр. Bluemedia/PayU/Transfers 24 и т.н.), данни за марката и характеристиките на използваното устройство/браузър, както и данни за инсталираните приложения, формата на социалната мрежа (графики на приятели/приятели), как да създадете профил. Заявителят също така разглежда използването на данни за електронна поща (интереси, графики за комуникация, брой изпратени имейли и т.н.) и друга информация, налична в профила на основните доставчици на интернет самоличност, например в платформите на Google, Facebook, LinkedIn и Apple. Разработените модели на риска ще се основават на усъвършенствани инструменти на теорията на графиката. Комбинирайки тези данни с традиционните данни за кредитния риск (работодатели, позиции, местоположение, доклади на Бюрото за кредитна информация или BIK) Заявителят възнамерява да изгради иновативен модел за кредитен риск за хора, които все още нямат BIK или поведенчески (т.е. най-често млади хора, просто навлизат в света на финансите или хора извън банковата система). (Bulgarian) | |||||||||||||||
| Property / summary: Number_reference_aid_програма: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). Проектът се основава на проучване, проектиране и изграждане на алтернативни модели за кредитен риск, като се използват наличните данни при кандидатстване за заем в цифрови канали. По-специално става въпрос за използването на данни за предпочитанията на консумираното рекламно съдържание и други данни, съдържащи се в онлайн бисквитките (т.нар. „бисквитки“), данни за професионалната позиция и напредъка (представени например в профилите на LinkedIn/Goldenline), историята на онлайн покупките (данни, получени в резултат на партньорства с доставчици на плащания в интернет, напр. Bluemedia/PayU/Transfers 24 и т.н.), данни за марката и характеристиките на използваното устройство/браузър, както и данни за инсталираните приложения, формата на социалната мрежа (графики на приятели/приятели), как да създадете профил. Заявителят също така разглежда използването на данни за електронна поща (интереси, графики за комуникация, брой изпратени имейли и т.н.) и друга информация, налична в профила на основните доставчици на интернет самоличност, например в платформите на Google, Facebook, LinkedIn и Apple. Разработените модели на риска ще се основават на усъвършенствани инструменти на теорията на графиката. Комбинирайки тези данни с традиционните данни за кредитния риск (работодатели, позиции, местоположение, доклади на Бюрото за кредитна информация или BIK) Заявителят възнамерява да изгради иновативен модел за кредитен риск за хора, които все още нямат BIK или поведенчески (т.е. най-често млади хора, просто навлизат в света на финансите или хора извън банковата система). (Bulgarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_програма: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). Проектът се основава на проучване, проектиране и изграждане на алтернативни модели за кредитен риск, като се използват наличните данни при кандидатстване за заем в цифрови канали. По-специално става въпрос за използването на данни за предпочитанията на консумираното рекламно съдържание и други данни, съдържащи се в онлайн бисквитките (т.нар. „бисквитки“), данни за професионалната позиция и напредъка (представени например в профилите на LinkedIn/Goldenline), историята на онлайн покупките (данни, получени в резултат на партньорства с доставчици на плащания в интернет, напр. Bluemedia/PayU/Transfers 24 и т.н.), данни за марката и характеристиките на използваното устройство/браузър, както и данни за инсталираните приложения, формата на социалната мрежа (графики на приятели/приятели), как да създадете профил. Заявителят също така разглежда използването на данни за електронна поща (интереси, графики за комуникация, брой изпратени имейли и т.н.) и друга информация, налична в профила на основните доставчици на интернет самоличност, например в платформите на Google, Facebook, LinkedIn и Apple. Разработените модели на риска ще се основават на усъвършенствани инструменти на теорията на графиката. Комбинирайки тези данни с традиционните данни за кредитния риск (работодатели, позиции, местоположение, доклади на Бюрото за кредитна информация или BIK) Заявителят възнамерява да изгради иновативен модел за кредитен риск за хора, които все още нямат BIK или поведенчески (т.е. най-често млади хора, просто навлизат в света на финансите или хора извън банковата система). (Bulgarian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_program: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). A projekt alternatív hitelkockázati modellek feltárásán, tervezésén és kiépítésén alapul, a digitális csatornákon történő hiteligénylés során rendelkezésre álló adatok felhasználásával. Különösen a felhasznált hirdetési tartalom preferenciáira vonatkozó adatok és az online cookie-kban található egyéb adatok (úgynevezett cookie-k), a szakmai pozícióra és a progresszióra vonatkozó adatok (például a LinkedIn/Goldenline profilokban), az online vásárlási előzmények (az internetes fizetési szolgáltatókkal való partnerségek eredményeként szerzett adatok, pl. Bluemedia/PayU/Transfers 24, stb.), a használt eszköz/böngésző márkájára és jellemzőire vonatkozó adatok, a telepített alkalmazások adatai, a közösségi hálózat formája (barát/barát grafikonok), profil létrehozása. A kérelmező mérlegeli továbbá az e-mail adatok (érdeklődések, kommunikációs grafikonok, elküldött e-mailek száma stb.) használatát, valamint a fő internetszolgáltatók profiljában – például a Google, a Facebook, a LinkedIn és az Apple platformokon – rendelkezésre álló egyéb információkat. A kidolgozott kockázati modellek a gráfelmélet fejlett eszközein alapulnak. Ezeket az adatokat ötvözve a hagyományos hitelkockázati adatokkal (munkáltatók, pozíciók, helyszín, a Hitelinformációs Iroda jelentései vagy BIK) a kérelmező innovatív hitelkockázati modellt kíván kiépíteni azok számára, akik még nem rendelkeznek BIK-vel vagy viselkedési (azaz leggyakrabban a fiatalok, csak belépnek a pénzügyek világába vagy a bankrendszeren kívüli emberek). (Hungarian) | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). A projekt alternatív hitelkockázati modellek feltárásán, tervezésén és kiépítésén alapul, a digitális csatornákon történő hiteligénylés során rendelkezésre álló adatok felhasználásával. Különösen a felhasznált hirdetési tartalom preferenciáira vonatkozó adatok és az online cookie-kban található egyéb adatok (úgynevezett cookie-k), a szakmai pozícióra és a progresszióra vonatkozó adatok (például a LinkedIn/Goldenline profilokban), az online vásárlási előzmények (az internetes fizetési szolgáltatókkal való partnerségek eredményeként szerzett adatok, pl. Bluemedia/PayU/Transfers 24, stb.), a használt eszköz/böngésző márkájára és jellemzőire vonatkozó adatok, a telepített alkalmazások adatai, a közösségi hálózat formája (barát/barát grafikonok), profil létrehozása. A kérelmező mérlegeli továbbá az e-mail adatok (érdeklődések, kommunikációs grafikonok, elküldött e-mailek száma stb.) használatát, valamint a fő internetszolgáltatók profiljában – például a Google, a Facebook, a LinkedIn és az Apple platformokon – rendelkezésre álló egyéb információkat. A kidolgozott kockázati modellek a gráfelmélet fejlett eszközein alapulnak. Ezeket az adatokat ötvözve a hagyományos hitelkockázati adatokkal (munkáltatók, pozíciók, helyszín, a Hitelinformációs Iroda jelentései vagy BIK) a kérelmező innovatív hitelkockázati modellt kíván kiépíteni azok számára, akik még nem rendelkeznek BIK-vel vagy viselkedési (azaz leggyakrabban a fiatalok, csak belépnek a pénzügyek világába vagy a bankrendszeren kívüli emberek). (Hungarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). A projekt alternatív hitelkockázati modellek feltárásán, tervezésén és kiépítésén alapul, a digitális csatornákon történő hiteligénylés során rendelkezésre álló adatok felhasználásával. Különösen a felhasznált hirdetési tartalom preferenciáira vonatkozó adatok és az online cookie-kban található egyéb adatok (úgynevezett cookie-k), a szakmai pozícióra és a progresszióra vonatkozó adatok (például a LinkedIn/Goldenline profilokban), az online vásárlási előzmények (az internetes fizetési szolgáltatókkal való partnerségek eredményeként szerzett adatok, pl. Bluemedia/PayU/Transfers 24, stb.), a használt eszköz/böngésző márkájára és jellemzőire vonatkozó adatok, a telepített alkalmazások adatai, a közösségi hálózat formája (barát/barát grafikonok), profil létrehozása. A kérelmező mérlegeli továbbá az e-mail adatok (érdeklődések, kommunikációs grafikonok, elküldött e-mailek száma stb.) használatát, valamint a fő internetszolgáltatók profiljában – például a Google, a Facebook, a LinkedIn és az Apple platformokon – rendelkezésre álló egyéb információkat. A kidolgozott kockázati modellek a gráfelmélet fejlett eszközein alapulnak. Ezeket az adatokat ötvözve a hagyományos hitelkockázati adatokkal (munkáltatók, pozíciók, helyszín, a Hitelinformációs Iroda jelentései vagy BIK) a kérelmező innovatív hitelkockázati modellt kíván kiépíteni azok számára, akik még nem rendelkeznek BIK-vel vagy viselkedési (azaz leggyakrabban a fiatalok, csak belépnek a pénzügyek világába vagy a bankrendszeren kívüli emberek). (Hungarian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Uimhir_reference_aid_clár: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán (CE) Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). Tá an tionscadal bunaithe ar shamhlacha malartacha riosca creidmheasa a iniúchadh, a dhearadh agus a thógáil trí úsáid a bhaint as sonraí atá ar fáil agus iarratas á dhéanamh ar iasacht i mbealaí digiteacha. Go háirithe, baineann sé le húsáid sonraí ar na roghanna a bhaineann le hábhar fógraíochta tomhaltais agus sonraí eile atá i bhfianáin ar líne (fianáin mar a thugtar orthu), sonraí maidir le seasamh gairmiúil agus dul chun cinn (a chuirtear i láthair, mar shampla, i LinkedIn/próifílíGoldenline), stair cheannaigh ar líne (sonraí a fhaightear mar thoradh ar chomhpháirtíochtaí le soláthraithe íocaíochta ar an Idirlíon, m.sh. BlueMedia/PayU/Transfers 24, etc.), sonraí faoi bhranda agus gnéithe an fheiste/bhrabhsálaí atá á n-úsáid, agus sonraí faoi iarratais suiteáilte, cruth an líonra shóisialta (graif chara/cairde), conas próifíl a chruthú. Breithníonn an t-iarratasóir freisin úsáid sonraí ríomhphoist (leasanna, graif chumarsáide, líon na ríomhphost a seoladh, etc.) agus faisnéis eile atá ar fáil i bpróifíl na bpríomhsholáthraithe aitheantais idirlín, e.g. ar Google, Facebook, LinkedIn agus Apple. Beidh na samhlacha riosca forbartha bunaithe ar uirlisí chun cinn de theoiric graf. Ag cur na sonraí seo le sonraí traidisiúnta maidir le riosca creidmheasa (fostóirí, poist, suíomh, tuarascálacha an Bhiúró um Fhaisnéis Creidmheasa, nó BIK) tá sé ar intinn ag an Iarratasóir samhail riosca creidmheasa nuálach a thógáil do dhaoine nach bhfuil BIK nó iompraíocht acu fós (is é sin, daoine óga is minice, díreach ag dul isteach i saol an airgeadais nó daoine lasmuigh den chóras baincéireachta). (Irish) | |||||||||||||||
| Property / summary: Uimhir_reference_aid_clár: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán (CE) Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). Tá an tionscadal bunaithe ar shamhlacha malartacha riosca creidmheasa a iniúchadh, a dhearadh agus a thógáil trí úsáid a bhaint as sonraí atá ar fáil agus iarratas á dhéanamh ar iasacht i mbealaí digiteacha. Go háirithe, baineann sé le húsáid sonraí ar na roghanna a bhaineann le hábhar fógraíochta tomhaltais agus sonraí eile atá i bhfianáin ar líne (fianáin mar a thugtar orthu), sonraí maidir le seasamh gairmiúil agus dul chun cinn (a chuirtear i láthair, mar shampla, i LinkedIn/próifílíGoldenline), stair cheannaigh ar líne (sonraí a fhaightear mar thoradh ar chomhpháirtíochtaí le soláthraithe íocaíochta ar an Idirlíon, m.sh. BlueMedia/PayU/Transfers 24, etc.), sonraí faoi bhranda agus gnéithe an fheiste/bhrabhsálaí atá á n-úsáid, agus sonraí faoi iarratais suiteáilte, cruth an líonra shóisialta (graif chara/cairde), conas próifíl a chruthú. Breithníonn an t-iarratasóir freisin úsáid sonraí ríomhphoist (leasanna, graif chumarsáide, líon na ríomhphost a seoladh, etc.) agus faisnéis eile atá ar fáil i bpróifíl na bpríomhsholáthraithe aitheantais idirlín, e.g. ar Google, Facebook, LinkedIn agus Apple. Beidh na samhlacha riosca forbartha bunaithe ar uirlisí chun cinn de theoiric graf. Ag cur na sonraí seo le sonraí traidisiúnta maidir le riosca creidmheasa (fostóirí, poist, suíomh, tuarascálacha an Bhiúró um Fhaisnéis Creidmheasa, nó BIK) tá sé ar intinn ag an Iarratasóir samhail riosca creidmheasa nuálach a thógáil do dhaoine nach bhfuil BIK nó iompraíocht acu fós (is é sin, daoine óga is minice, díreach ag dul isteach i saol an airgeadais nó daoine lasmuigh den chóras baincéireachta). (Irish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Uimhir_reference_aid_clár: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán (CE) Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). Tá an tionscadal bunaithe ar shamhlacha malartacha riosca creidmheasa a iniúchadh, a dhearadh agus a thógáil trí úsáid a bhaint as sonraí atá ar fáil agus iarratas á dhéanamh ar iasacht i mbealaí digiteacha. Go háirithe, baineann sé le húsáid sonraí ar na roghanna a bhaineann le hábhar fógraíochta tomhaltais agus sonraí eile atá i bhfianáin ar líne (fianáin mar a thugtar orthu), sonraí maidir le seasamh gairmiúil agus dul chun cinn (a chuirtear i láthair, mar shampla, i LinkedIn/próifílíGoldenline), stair cheannaigh ar líne (sonraí a fhaightear mar thoradh ar chomhpháirtíochtaí le soláthraithe íocaíochta ar an Idirlíon, m.sh. BlueMedia/PayU/Transfers 24, etc.), sonraí faoi bhranda agus gnéithe an fheiste/bhrabhsálaí atá á n-úsáid, agus sonraí faoi iarratais suiteáilte, cruth an líonra shóisialta (graif chara/cairde), conas próifíl a chruthú. Breithníonn an t-iarratasóir freisin úsáid sonraí ríomhphoist (leasanna, graif chumarsáide, líon na ríomhphost a seoladh, etc.) agus faisnéis eile atá ar fáil i bpróifíl na bpríomhsholáthraithe aitheantais idirlín, e.g. ar Google, Facebook, LinkedIn agus Apple. Beidh na samhlacha riosca forbartha bunaithe ar uirlisí chun cinn de theoiric graf. Ag cur na sonraí seo le sonraí traidisiúnta maidir le riosca creidmheasa (fostóirí, poist, suíomh, tuarascálacha an Bhiúró um Fhaisnéis Creidmheasa, nó BIK) tá sé ar intinn ag an Iarratasóir samhail riosca creidmheasa nuálach a thógáil do dhaoine nach bhfuil BIK nó iompraíocht acu fós (is é sin, daoine óga is minice, díreach ag dul isteach i saol an airgeadais nó daoine lasmuigh den chóras baincéireachta). (Irish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_program: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). Projektet bygger på att utforska, utforma och bygga alternativa kreditriskmodeller med hjälp av tillgängliga data när man ansöker om ett lån i digitala kanaler. I synnerhet handlar det om användningen av data om preferenserna för konsumerat reklaminnehåll och andra data som finns i online-cookies (s.k. cookies), uppgifter om yrkesmässig position och progression (till exempel i LinkedIn/Goldenline-profiler), online köphistorik (data som erhållits genom partnerskap med betalningsleverantörer på Internet, t.ex. Bluemedia/PayU/Transfers 24, etc.), data om varumärket och funktionerna hos enheten/webbläsaren som används, och data om installerade program, formen på det sociala nätverket (vän/vän grafer), hur man skapar en profil. Sökanden har även beaktat användningen av e-postuppgifter (intressen, kommunikationsdiagram, antal e-postmeddelanden som skickats osv.) och annan information som finns tillgänglig i profilen för de viktigaste leverantörerna av internetidentitet, t.ex. på plattformarna Google, Facebook, LinkedIn och Apple. De utvecklade riskmodellerna kommer att baseras på avancerade verktyg för grafteori. Genom att kombinera dessa uppgifter med traditionella uppgifter om kreditrisk (arbetsgivare, befattningar, plats, rapporter från kreditinformationsbyrån eller BIK) har sökanden för avsikt att bygga en innovativ kreditriskmodell för personer som ännu inte har BIK eller beteende (det vill säga oftast ungdomar, som bara kommer in i finansvärlden eller personer utanför banksystemet). (Swedish) | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). Projektet bygger på att utforska, utforma och bygga alternativa kreditriskmodeller med hjälp av tillgängliga data när man ansöker om ett lån i digitala kanaler. I synnerhet handlar det om användningen av data om preferenserna för konsumerat reklaminnehåll och andra data som finns i online-cookies (s.k. cookies), uppgifter om yrkesmässig position och progression (till exempel i LinkedIn/Goldenline-profiler), online köphistorik (data som erhållits genom partnerskap med betalningsleverantörer på Internet, t.ex. Bluemedia/PayU/Transfers 24, etc.), data om varumärket och funktionerna hos enheten/webbläsaren som används, och data om installerade program, formen på det sociala nätverket (vän/vän grafer), hur man skapar en profil. Sökanden har även beaktat användningen av e-postuppgifter (intressen, kommunikationsdiagram, antal e-postmeddelanden som skickats osv.) och annan information som finns tillgänglig i profilen för de viktigaste leverantörerna av internetidentitet, t.ex. på plattformarna Google, Facebook, LinkedIn och Apple. De utvecklade riskmodellerna kommer att baseras på avancerade verktyg för grafteori. Genom att kombinera dessa uppgifter med traditionella uppgifter om kreditrisk (arbetsgivare, befattningar, plats, rapporter från kreditinformationsbyrån eller BIK) har sökanden för avsikt att bygga en innovativ kreditriskmodell för personer som ännu inte har BIK eller beteende (det vill säga oftast ungdomar, som bara kommer in i finansvärlden eller personer utanför banksystemet). (Swedish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_program: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). Projektet bygger på att utforska, utforma och bygga alternativa kreditriskmodeller med hjälp av tillgängliga data när man ansöker om ett lån i digitala kanaler. I synnerhet handlar det om användningen av data om preferenserna för konsumerat reklaminnehåll och andra data som finns i online-cookies (s.k. cookies), uppgifter om yrkesmässig position och progression (till exempel i LinkedIn/Goldenline-profiler), online köphistorik (data som erhållits genom partnerskap med betalningsleverantörer på Internet, t.ex. Bluemedia/PayU/Transfers 24, etc.), data om varumärket och funktionerna hos enheten/webbläsaren som används, och data om installerade program, formen på det sociala nätverket (vän/vän grafer), hur man skapar en profil. Sökanden har även beaktat användningen av e-postuppgifter (intressen, kommunikationsdiagram, antal e-postmeddelanden som skickats osv.) och annan information som finns tillgänglig i profilen för de viktigaste leverantörerna av internetidentitet, t.ex. på plattformarna Google, Facebook, LinkedIn och Apple. De utvecklade riskmodellerna kommer att baseras på avancerade verktyg för grafteori. Genom att kombinera dessa uppgifter med traditionella uppgifter om kreditrisk (arbetsgivare, befattningar, plats, rapporter från kreditinformationsbyrån eller BIK) har sökanden för avsikt att bygga en innovativ kreditriskmodell för personer som ännu inte har BIK eller beteende (det vill säga oftast ungdomar, som bara kommer in i finansvärlden eller personer utanför banksystemet). (Swedish) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Number_reference_aid_programm: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). Projekt põhineb alternatiivsete krediidiriski mudelite uurimisel, projekteerimisel ja ehitamisel, kasutades digitaalsetes kanalites laenu taotlemisel kättesaadavaid andmeid. Eelkõige puudutab see tarbitud reklaamisisu eelistuste andmete kasutamist ja muid veebiküpsistes sisalduvaid andmeid (nn küpsised), ametialase positsiooni ja progresseerumise andmeid (esitatud näiteks LinkedIni/Goldenline’i profiilides), internetiostude ajalugu (andmed, mis on saadud interneti makseteenuste pakkujatega sõlmitud partnerluse tulemusena, nt. Bluemedia/PayU/Transfers 24, jne.), andmed kasutatava seadme/brauseri kaubamärgi ja omaduste kohta ning andmed installitud rakenduste kohta, sotsiaalvõrgustiku kuju (sõbra/sõbra graafikud), kuidas profiili luua. Taotleja kaalub ka e-posti andmete (huvid, kommunikatsioonigraafikud, saadetud e-kirjade arv jne) ja muu peamiste internetiidentiteedi pakkujate profiilis kättesaadava teabe kasutamist, nt Google’i, Facebooki, LinkedIni ja Apple’i platvormidel. Väljatöötatud riskimudelid põhinevad graafikuteooria täiustatud vahenditel. Kombineerides neid andmeid traditsiooniliste krediidiriski andmetega (tööandjad, positsioonid, asukoht, krediidiinfo büroo või BIKi aruanded), kavatseb taotleja luua uuendusliku krediidiriski mudeli inimestele, kellel ei ole veel BIKi või käitumuslikku (st enamasti noored, kes sisenevad lihtsalt rahandusmaailma või väljaspool pangandussüsteemi). (Estonian) | |||||||||||||||
| Property / summary: Number_reference_aid_programm: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). Projekt põhineb alternatiivsete krediidiriski mudelite uurimisel, projekteerimisel ja ehitamisel, kasutades digitaalsetes kanalites laenu taotlemisel kättesaadavaid andmeid. Eelkõige puudutab see tarbitud reklaamisisu eelistuste andmete kasutamist ja muid veebiküpsistes sisalduvaid andmeid (nn küpsised), ametialase positsiooni ja progresseerumise andmeid (esitatud näiteks LinkedIni/Goldenline’i profiilides), internetiostude ajalugu (andmed, mis on saadud interneti makseteenuste pakkujatega sõlmitud partnerluse tulemusena, nt. Bluemedia/PayU/Transfers 24, jne.), andmed kasutatava seadme/brauseri kaubamärgi ja omaduste kohta ning andmed installitud rakenduste kohta, sotsiaalvõrgustiku kuju (sõbra/sõbra graafikud), kuidas profiili luua. Taotleja kaalub ka e-posti andmete (huvid, kommunikatsioonigraafikud, saadetud e-kirjade arv jne) ja muu peamiste internetiidentiteedi pakkujate profiilis kättesaadava teabe kasutamist, nt Google’i, Facebooki, LinkedIni ja Apple’i platvormidel. Väljatöötatud riskimudelid põhinevad graafikuteooria täiustatud vahenditel. Kombineerides neid andmeid traditsiooniliste krediidiriski andmetega (tööandjad, positsioonid, asukoht, krediidiinfo büroo või BIKi aruanded), kavatseb taotleja luua uuendusliku krediidiriski mudeli inimestele, kellel ei ole veel BIKi või käitumuslikku (st enamasti noored, kes sisenevad lihtsalt rahandusmaailma või väljaspool pangandussüsteemi). (Estonian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Number_reference_aid_programm: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). Projekt põhineb alternatiivsete krediidiriski mudelite uurimisel, projekteerimisel ja ehitamisel, kasutades digitaalsetes kanalites laenu taotlemisel kättesaadavaid andmeid. Eelkõige puudutab see tarbitud reklaamisisu eelistuste andmete kasutamist ja muid veebiküpsistes sisalduvaid andmeid (nn küpsised), ametialase positsiooni ja progresseerumise andmeid (esitatud näiteks LinkedIni/Goldenline’i profiilides), internetiostude ajalugu (andmed, mis on saadud interneti makseteenuste pakkujatega sõlmitud partnerluse tulemusena, nt. Bluemedia/PayU/Transfers 24, jne.), andmed kasutatava seadme/brauseri kaubamärgi ja omaduste kohta ning andmed installitud rakenduste kohta, sotsiaalvõrgustiku kuju (sõbra/sõbra graafikud), kuidas profiili luua. Taotleja kaalub ka e-posti andmete (huvid, kommunikatsioonigraafikud, saadetud e-kirjade arv jne) ja muu peamiste internetiidentiteedi pakkujate profiilis kättesaadava teabe kasutamist, nt Google’i, Facebooki, LinkedIni ja Apple’i platvormidel. Väljatöötatud riskimudelid põhinevad graafikuteooria täiustatud vahenditel. Kombineerides neid andmeid traditsiooniliste krediidiriski andmetega (tööandjad, positsioonid, asukoht, krediidiinfo büroo või BIKi aruanded), kavatseb taotleja luua uuendusliku krediidiriski mudeli inimestele, kellel ei ole veel BIKi või käitumuslikku (st enamasti noored, kes sisenevad lihtsalt rahandusmaailma või väljaspool pangandussüsteemi). (Estonian) / qualifier | |||||||||||||||
point in time: 25 July 2022
| |||||||||||||||
| Property / intervention field | |||||||||||||||
| Property / intervention field: Research and innovation processes in SMEs (including voucher schemes, process, design, service and social innovation) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / coordinate location | |||||||||||||||
52°14'1.3"N, 21°4'17.0"E
| |||||||||||||||
| Property / coordinate location: 52°14'1.3"N, 21°4'17.0"E / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / coordinate location: 52°14'1.3"N, 21°4'17.0"E / qualifier | |||||||||||||||
| Property / financed by | |||||||||||||||
| Property / financed by: European Union / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / programme | |||||||||||||||
| Property / programme: Smart growth - PL - ERDF / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / fund | |||||||||||||||
| Property / fund: European Regional Development Fund / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / contained in NUTS | |||||||||||||||
| Property / contained in NUTS: Miasto Warszawa / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / contained in NUTS: Miasto Warszawa / qualifier | |||||||||||||||
| Property / location (string) | |||||||||||||||
WOJ.: MAZOWIECKIE, POW.: Warszawa | |||||||||||||||
| Property / location (string): WOJ.: MAZOWIECKIE, POW.: Warszawa / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / priority axis | |||||||||||||||
| Property / priority axis: SUPPORT FOR R & D WORK BY ENTERPRISES / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / co-financing rate | |||||||||||||||
77.16 percent
| |||||||||||||||
| Property / co-financing rate: 77.16 percent / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / beneficiary | |||||||||||||||
| Property / beneficiary: ALLEGRO PAY SP. Z O.O. / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / beneficiary name (string) | |||||||||||||||
ALLEGRO PAY SP. Z O.O. | |||||||||||||||
| Property / beneficiary name (string): ALLEGRO PAY SP. Z O.O. / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / thematic objective | |||||||||||||||
| Property / thematic objective: Research and innovation / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / end time | |||||||||||||||
31 October 2020
| |||||||||||||||
| Property / end time: 31 October 2020 / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / date of last update | |||||||||||||||
24 May 2023
| |||||||||||||||
| Property / date of last update: 24 May 2023 / rank | |||||||||||||||
Normal rank | |||||||||||||||
Latest revision as of 15:18, 13 October 2024
Project Q77705 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | CREDIT RISK MODELLING BASED ON DATA AVAILABLE IN DIGITAL CHANNELS USING ADVANCED SOCIAL NETWORKING THEORIES. |
Project Q77705 in Poland |
Statements
7,326,910.69 zloty
0 references
9,496,287.94 zloty
0 references
77.16 percent
0 references
1 September 2017
0 references
31 October 2020
0 references
ALLEGRO PAY SP. Z O.O.
0 references
Numer_referencyjny_programu_pomocowego: SA.41471(2015/X) Przeznaczenie_pomocy_publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznające niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w stosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z 26.06.2014). Projekt opiera się na zbadaniu, zaprojektowaniu i zbudowaniu alternatywnych modeli ryzyka kredytowego przy użyciu danych dostępnych w przypadku składania wniosku o pożyczkę w kanałach cyfrowych. W szczególności, chodzi o wykorzystanie danych o preferencjach konsumowanych treści reklamowych i innych danych zawartych w ciastkach internetowych (tzw. cookies), danych o pozycji zawodowej i progresji zawodowej (prezentowanych np., w profilach w LinkedIn/ Goldenline), historii zakupowej online (dane pozyskane w wyniku partnerstw z dostawcami płatności w Internecie np. Bluemedia/PayU/Przelewy 24, etc.), danych o marce i cechach urządzenia/przeglądarki, która jest używana, oraz danych o zainstalowanych aplikacjach, kształcie sieci społecznościowej (grafie znajomości/przyjaciół), sposobie tworzenia profilu. Wnioskodawca rozważa również wykorzystanie danych z maili (zainteresowania, graf komunikacji, liczba wysyłanych maili, etc.) i innych informacji dostępnych w profilu głównych dostawców tożsamości internetowej np. na platformach Google, Facebook, LinkedIn i Apple. Opracowywane modele ryzyka opierały się będą o zaawansowane narzędzia teorii grafów. Łącząc te dane z tradycyjnymi danymi na temat ryzyka kredytowego (pracodawcy, stanowiska, lokalizacja, raporty Biura Informacji Kredytowej, czyli BIK) Wnioskodawca zamierza zbudować innowacyjny model ryzyka kredytowego dla ludzi, którzy nie posiadają jeszcze u BIK lub u behawioralnego (a więc najczęściej młodych ludzi, dopiero wchodzących w świat finansów lub ludzi znajdujących się poza systemem bankow (Polish)
0 references
Reference number of the aid programme: SA.41471(2015/X) Purpose of public aid: Article 25 of EC Regulation No 651/2014 of 17 June 2014 declaring certain types of aid compatible with the internal market in the application of Articles 107 and 108 of the Treaty (OJ L. I'm sorry. EU L 187/1 of 26.06.2014). The project is based on the study, design and development of alternative credit risk models using the data available when applying for a loan in digital channels. In particular, it concerns the use of data on the preferences of consumer advertising content and other data contained in cookies (so-called cookies), professional position data and professional progression (presented e.g. in profiles in LinkedIn/Goldenline), online purchasing history (data obtained as a result of partnerships with payment providers on the Internet, e.g. BlueMedia/PayU/Transfactions 24, etc.), the brand and features of the device/browser that is used, and data about installed applications, the social network shape (knowledge/friends pictures), the way the profile is created. The applicant shall also consider using email data (interests, communication graphs, number of emails sent, etc.) and other information available in the profile of major internet identity providers, e.g. on Google, Facebook, LinkedIn and Apple platforms. The developed risk models will be based on advanced tools of graph theory. Combining this data with traditional credit risk data (employers, posts, location, reports of the Credit Information Office, i.e. BIC) The applicant intends to build an innovative model of credit risk for people who do not yet have in BICs or behavioural (i.e. most often young people only entering the world of finance or people outside the banking system) (English)
14 October 2020
0.2352777210567678
0 references
Number_reference_aid_programme: SA.41471(2015/X) Objet de l’aide publique: Article 25 du règlement (CE) no 651/2014 du 17 juin 2014 déclarant certaines catégories d’aides compatibles avec le marché intérieur dans l’application des articles 107 et 108 du traité C’est tout. UE L 187/1 du 26.6.2014). Le projet est basé sur l’exploration, la conception et la construction de modèles de risque de crédit alternatifs à l’aide des données disponibles lors de la demande de prêt sur les canaux numériques. Il s’agit notamment de l’utilisation de données sur les préférences des contenus publicitaires consommés et d’autres données contenues dans les cookies en ligne (appelés cookies), de données sur la position professionnelle et la progression (présentées, par exemple, dans les profils LinkedIn/Goldenline), de l’historique des achats en ligne (données obtenues à la suite de partenariats avec des fournisseurs de paiement sur Internet, p.ex. Bluemedia/PayU/Transfers 24, etc.), les données sur la marque et les caractéristiques de l’appareil/navigateur qui est utilisé, et les données sur les applications installées, la forme du réseau social (graphiques amis/amis), comment créer un profil. La requérante envisage également l’utilisation de données de courrier électronique (intérêts, graphiques de communication, nombre d’e-mails envoyés, etc.) et d’autres informations disponibles dans le profil des principaux fournisseurs d’identité internet, par exemple sur les plateformes Google, Facebook, LinkedIn et Apple. Les modèles de risque développés seront basés sur des outils avancés de la théorie des graphes. En combinant ces données avec les données traditionnelles sur le risque de crédit (employeurs, positions, localisation, rapports du Bureau d’information sur le crédit ou BIK), la requérante a l’intention de construire un modèle innovant de risque de crédit pour les personnes qui n’ont pas encore de BIK ou de comportement (c’est-à-dire, le plus souvent, des jeunes, qui entrent simplement dans le monde de la finance ou en dehors du système bancaire). (French)
30 November 2021
0 references
Number_reference_aid_Programm: SA.41471(2015/X) Zweck der öffentlichen Beihilfe: Artikel 25 der Verordnung (EG) Nr. 651/2014 vom 17. Juni 2014 zur Feststellung der Vereinbarkeit bestimmter Gruppen von Beihilfen mit dem Binnenmarkt in Anwendung der Artikel 107 und 108 AEUV Das war’s. EU L 187/1 vom 26.6.2014). Das Projekt basiert auf der Erforschung, Konzeption und Entwicklung alternativer Kreditrisikomodelle unter Verwendung von Daten, die bei der Beantragung eines Kredits in digitalen Kanälen verfügbar sind. Es geht insbesondere um die Verwendung von Daten über die Präferenzen verbrauchter Werbeinhalte und anderer Daten, die in Online-Cookies enthalten sind (so genannte Cookies), Daten zur beruflichen Position und zum Fortschritt (z. B. in LinkedIn/Goldenline-Profilen), Online-Kaufverlauf (Daten, die durch Partnerschaften mit Zahlungsanbietern im Internet gewonnen werden, z. Bluemedia/PayU/Transfers 24, etc.), Daten über die Marke und Merkmale des verwendeten Geräts/Browsers und Daten über installierte Anwendungen, die Form des sozialen Netzwerks (Freund/Freund-Grafiken), wie man ein Profil erstellt. Die Klägerin berücksichtigt auch die Verwendung von E-Mail-Daten (Interessen, Kommunikationsgrafiken, Anzahl der gesendeten E-Mails usw.) und anderer Informationen, die im Profil der wichtigsten Internetidentitätsanbieter verfügbar sind, z. B. auf den Plattformen Google, Facebook, LinkedIn und Apple. Die entwickelten Risikomodelle werden auf fortgeschrittenen Werkzeugen der Graphentheorie basieren. Durch die Kombination dieser Daten mit traditionellen Daten zum Kreditrisiko (Arbeitgeber, Positionen, Standort, Berichte des Kreditinformationsbüros oder BIK) will der Antragsteller ein innovatives Kreditrisikomodell für Menschen entwickeln, die noch keine BIK oder Verhaltensweise haben (d. h. meist junge Menschen, die nur in die Finanzwelt oder Menschen außerhalb des Bankensystems eintreten). (German)
7 December 2021
0 references
Number_reference_aid_programma: SA.41471(2015/X) Doel van de overheidssteun: Artikel 25 van Verordening (EG) nr. 651/2014 van 17 juni 2014 waarbij bepaalde categorieën steun op grond van de artikelen 107 en 108 van het Verdrag met de interne markt verenigbaar worden verklaard Dat is het. EU L 187/1 van 26.6.2014). Het project is gebaseerd op het verkennen, ontwerpen en bouwen van alternatieve kredietrisicomodellen met behulp van beschikbare gegevens bij het aanvragen van een lening in digitale kanalen. Het gaat met name om het gebruik van gegevens over de voorkeuren van verbruikte reclame-inhoud en andere gegevens in online cookies (zogenaamde cookies), gegevens over professionele positie en progressie (bijvoorbeeld in LinkedIn/Goldenline-profielen), online aankoopgeschiedenis (gegevens verkregen als gevolg van partnerschappen met betalingsproviders op internet, bijv. Bluemedia/PayU/Transfers 24, etc.), gegevens over het merk en de kenmerken van het apparaat/browser dat wordt gebruikt, en gegevens over geïnstalleerde toepassingen, de vorm van het sociale netwerk (vriend/vriendengrafieken), hoe een profiel te maken. Verzoekster houdt ook rekening met het gebruik van e-mailgegevens (interesses, communicatiegrafieken, aantal verzonden e-mails, enz.) en andere informatie die beschikbaar is in het profiel van de belangrijkste internetidentiteitsproviders, bijvoorbeeld op Google, Facebook, LinkedIn en Apple-platforms. De ontwikkelde risicomodellen zullen gebaseerd zijn op geavanceerde instrumenten van de grafiektheorie. Door deze gegevens te combineren met traditionele gegevens over kredietrisico (werkgevers, posities, locatie, rapporten van het Credit Information Bureau of BIK) wil de aanvrager een innovatief kredietrisicomodel ontwikkelen voor mensen die nog geen BIK of gedrag hebben (dat wil zeggen, meestal jongeren, gewoon de wereld van financiën of mensen buiten het banksysteem betreden). (Dutch)
16 December 2021
0 references
Number_reference_aid_programma: SA.41471(2015/X) Finalità degli aiuti pubblici: Articolo 25 del regolamento (CE) n. 651/2014, del 17 giugno 2014, che dichiara talune categorie di aiuti compatibili con il mercato interno nell'applicazione degli articoli 107 e 108 del trattato È tutto qui. UE L 187/1 del 26.6.2014). Il progetto si basa sull'esplorazione, la progettazione e la costruzione di modelli alternativi di rischio di credito utilizzando i dati disponibili quando si richiede un prestito nei canali digitali. In particolare, si tratta dell'utilizzo dei dati sulle preferenze dei contenuti pubblicitari consumati e di altri dati contenuti nei cookie online (c.d. cookie), dati sulla posizione professionale e sulla progressione (presentati, ad esempio, nei profili LinkedIn/Goldenline), cronologia degli acquisti online (dati ottenuti a seguito di partnership con i fornitori di pagamento su Internet, ad es. Bluemedia/PayU/Transfers 24, ecc.), dati sul marchio e sulle caratteristiche del dispositivo/browser che viene utilizzato, e dati sulle applicazioni installate, la forma del social network (grafi amici/amici), come creare un profilo. La ricorrente considera inoltre l'uso di dati di posta elettronica (interessi, grafici di comunicazione, numero di e-mail inviate, ecc.) e di altre informazioni disponibili nel profilo dei principali fornitori di identità Internet, ad esempio sulle piattaforme Google, Facebook, LinkedIn e Apple. I modelli di rischio sviluppati saranno basati su strumenti avanzati di teoria dei grafi. Combinando questi dati con i dati tradizionali sul rischio di credito (datori di lavoro, posizioni, ubicazione, rapporti del Credit Information Bureau, o BIK) il richiedente intende costruire un modello di rischio di credito innovativo per le persone che non hanno ancora BIK o comportamenti (cioè, più spesso giovani, solo entrare nel mondo della finanza o persone al di fuori del sistema bancario). (Italian)
15 January 2022
0 references
Number_reference_aid_programa: SA.41471(2015/X) Objetivo de la ayuda pública: Artículo 25 del Reglamento (CE) n.º 651/2014, de 17 de junio de 2014, por el que se declaran determinadas categorías de ayudas compatibles con el mercado interior en la aplicación de los artículos 107 y 108 del Tratado Eso es todo. EU L 187/1 de 26.6.2014). El proyecto se basa en explorar, diseñar y construir modelos alternativos de riesgo de crédito utilizando los datos disponibles al solicitar un préstamo en canales digitales. En particular, se trata del uso de datos sobre las preferencias de contenido publicitario consumido y otros datos contenidos en las cookies en línea (las llamadas cookies), datos sobre la posición profesional y la progresión (presentados, por ejemplo, en los perfiles de LinkedIn/Goldenline), historial de compras en línea (datos obtenidos como resultado de asociaciones con proveedores de pago en Internet, p. ej. Bluemedia/PayU/Transfers 24, etc.), datos sobre la marca y características del dispositivo/navegador que se está utilizando, y datos sobre aplicaciones instaladas, la forma de la red social (graficas de amigos/amigos), cómo crear un perfil. La demandante también considera el uso de datos de correo electrónico (intereses, gráficos de comunicación, número de correos electrónicos enviados, etc.) y otra información disponible en el perfil de los principales proveedores de identidad de Internet, por ejemplo, en las plataformas Google, Facebook, LinkedIn y Apple. Los modelos de riesgo desarrollados se basarán en herramientas avanzadas de teoría de gráficos. Combinando estos datos con los datos tradicionales sobre el riesgo de crédito (empleadores, posiciones, ubicación, informes de la Oficina de Información de Crédito, o BIK) el solicitante tiene la intención de construir un modelo de riesgo crediticio innovador para las personas que aún no tienen BIK o comportamiento (es decir, la mayoría de las veces jóvenes, simplemente entrando en el mundo de las finanzas o personas fuera del sistema bancario). (Spanish)
19 January 2022
0 references
Nummer_reference_aid_program: SA.41471(2015/X) Formål med offentlig støtte: Artikel 25 i forordning (EF) nr. 651/2014 af 17. juni 2014 om visse former for støttes forenelighed med det indre marked i henhold til traktatens artikel 107 og 108 Det er det. EU L 187/1 af 26.6.2014). Projektet er baseret på at udforske, designe og opbygge alternative kreditrisikomodeller ved hjælp af data, der er tilgængelige, når du ansøger om et lån i digitale kanaler. Det drejer sig især om brugen af data om præferencerne for forbrugt reklameindhold og andre data i online-cookies (såkaldte cookies), oplysninger om faglig stilling og progression (præsenteret f.eks. i LinkedIn/Goldenline-profiler), onlinekøbshistorik (data indhentet som følge af partnerskaber med betalingsudbydere på internettet, f.eks. Bluemedia/PayU/Transfers 24, etc.), data om mærket og funktionerne på den enhed/browser, der bruges, og data om installerede applikationer, formen på det sociale netværk (ven/vennegrafer), hvordan man opretter en profil. Ansøgeren mener også, at der anvendes e-mail-data (interesser, kommunikationsgrafer, antal sendte e-mails osv.) og andre oplysninger, der er tilgængelige i profilen for de vigtigste internetidentitetsudbydere, f.eks. på Google, Facebook, LinkedIn og Apple-platforme. De udviklede risikomodeller vil være baseret på avancerede grafteoriværktøjer. Ved at kombinere disse data med traditionelle data om kreditrisiko (arbejdsgivere, positioner, placering, rapporter fra kreditoplysningsbureauet eller BIK) har ansøgeren til hensigt at opbygge en innovativ kreditrisikomodel for folk, der endnu ikke har BIK eller adfærdsmæssige (det vil sige, oftest unge, bare ind i finansverdenen eller mennesker uden for banksystemet). (Danish)
25 July 2022
0 references
Number_reference_aid_πρόγραμμα: SA.41471(2015/X) Σκοπός της κρατικής ενίσχυσης: Άρθρο 25 του κανονισμού (ΕΚ) αριθ. 651/2014, της 17ης Ιουνίου 2014, για την κήρυξη ορισμένων κατηγοριών ενισχύσεων ως συμβατών με την εσωτερική αγορά κατ’ εφαρμογή των άρθρων 107 και 108 της Συνθήκης Αυτό είναι όλο. ΕΕ L 187/1 της 26.6.2014). Το έργο βασίζεται στη διερεύνηση, το σχεδιασμό και τη δημιουργία εναλλακτικών μοντέλων πιστωτικού κινδύνου με τη χρήση δεδομένων που είναι διαθέσιμα κατά την υποβολή αίτησης για δάνειο σε ψηφιακά κανάλια. Ειδικότερα, αφορά τη χρήση δεδομένων σχετικά με τις προτιμήσεις του διαφημιστικού περιεχομένου που καταναλώνεται και άλλων δεδομένων που περιέχονται στα διαδικτυακά cookies (τα λεγόμενα cookies), τα δεδομένα σχετικά με την επαγγελματική θέση και την εξέλιξη (που παρουσιάζονται, για παράδειγμα, στα προφίλ LinkedIn/Goldenline), το διαδικτυακό ιστορικό αγορών (δεδομένα που λαμβάνονται ως αποτέλεσμα συνεργασιών με παρόχους πληρωμών στο διαδίκτυο, π.χ. Bluemedia/PayU/Transfers 24, κ.λπ.), δεδομένα σχετικά με το εμπορικό σήμα και τα χαρακτηριστικά της συσκευής/browser που χρησιμοποιείται, καθώς και δεδομένα σχετικά με τις εγκατεστημένες εφαρμογές, το σχήμα του κοινωνικού δικτύου (γραφήματα φίλων/φίλων), τον τρόπο δημιουργίας προφίλ. Η προσφεύγουσα εξετάζει επίσης τη χρήση δεδομένων ηλεκτρονικού ταχυδρομείου (ενδιαφέροντα, γραφήματα επικοινωνίας, αριθμός μηνυμάτων ηλεκτρονικού ταχυδρομείου, κ.λπ.) και άλλων πληροφοριών που είναι διαθέσιμες στο προφίλ των κύριων παρόχων διαδικτυακής ταυτότητας, π.χ. στις πλατφόρμες Google, Facebook, LinkedIn και Apple. Τα αναπτυγμένα μοντέλα κινδύνου θα βασίζονται σε προηγμένα εργαλεία της θεωρίας γραφημάτων. Συνδυάζοντας αυτά τα δεδομένα με παραδοσιακά δεδομένα σχετικά με τον πιστωτικό κίνδυνο (εργοδότες, θέσεις, τοποθεσία, εκθέσεις του Γραφείου Πιστωτικών Πληροφοριών ή BIK) ο αιτών σκοπεύει να δημιουργήσει ένα καινοτόμο μοντέλο πιστωτικού κινδύνου για άτομα που δεν έχουν ακόμη BIK ή συμπεριφορά (δηλαδή, τις περισσότερες φορές, οι νέοι εισέρχονται στον κόσμο των οικονομικών ή των ανθρώπων εκτός του τραπεζικού συστήματος). (Greek)
25 July 2022
0 references
Number_reference_aid_programme: SA.41471(2015/X) Svrha državne potpore: Članak 25. Uredbe (EZ) br. 651/2014 od 17. lipnja 2014. o ocjenjivanju određenih kategorija potpora spojivima s unutarnjim tržištem u primjeni članaka 107. i 108. Ugovora To je sve. EU L 187/1 od 26.6.2014.). Projekt se temelji na istraživanju, dizajniranju i izgradnji alternativnih modela kreditnog rizika koji koriste podatke dostupne pri podnošenju zahtjeva za kredit u digitalnim kanalima. Konkretno, riječ je o korištenju podataka o preferencijama konzumiranog oglašivačkog sadržaja i drugih podataka sadržanih u mrežnim kolačićima (takozvani kolačići), podataka o profesionalnom položaju i napretku (predstavljenih, primjerice, u LinkedInu/Goldenline profilima), povijesti kupnje na internetu (podaci dobiveni kao rezultat partnerstva s pružateljima platnih usluga na internetu, npr. Bluemedia/PayU/Transfers 24, itd.), podatke o robnoj marki i značajkama uređaja/preglednika koji se koristi te podatke o instaliranim aplikacijama, obliku društvene mreže (slike prijatelja/prijatelja), kako stvoriti profil. Podnositelj zahtjeva razmatra i upotrebu podataka e-pošte (interesi, komunikacijski grafikoni, broj poslanih poruka e-pošte itd.) i druge informacije dostupne na profilu glavnih pružatelja internetskih identiteta, npr. na platformama Google, Facebook, LinkedIn i Apple. Razvijeni modeli rizika temeljit će se na naprednim alatima teorije grafa. Kombinirajući ove podatke s tradicionalnim podacima o kreditnom riziku (poslodavci, pozicije, lokacija, izvješća Zavoda za informacije o kreditima, ili BIK) Podnositelj zahtjeva namjerava izgraditi inovativni model kreditnog rizika za osobe koje još nemaju BIK ili ponašanje (to jest, najčešće mladi ljudi, samo ulaze u svijet financija ili ljudi izvan bankarskog sustava). (Croatian)
25 July 2022
0 references
Number_reference_aid_program: SA.41471(2015/X) Scopul ajutorului public: Articolul 25 din Regulamentul (CE) nr. 651/2014 din 17 iunie 2014 de declarare a anumitor categorii de ajutoare compatibile cu piața internă în aplicarea articolelor 107 și 108 din tratat Asta e tot. UE L 187/1 din 26.6.2014). Proiectul se bazează pe explorarea, proiectarea și construirea unor modele alternative de risc de credit, utilizând datele disponibile atunci când se solicită un împrumut pe canale digitale. În special, este vorba despre utilizarea datelor privind preferințele conținutului publicitar consumat și a altor date conținute în cookie-urile online (așa-numitele cookie-uri), date privind poziția profesională și evoluția (prezentate, de exemplu, în profilurile LinkedIn/Goldenline), istoricul achizițiilor online (date obținute ca urmare a parteneriatelor cu furnizorii de plăți pe internet, de ex. Bluemedia/PayU/Transferuri 24, etc.), date despre marca și caracteristicile dispozitivului/browser-ului care este utilizat, precum și date despre aplicațiile instalate, forma rețelei sociale (grafuri prieten/prieten), cum se creează un profil. Solicitantul ia în considerare, de asemenea, utilizarea datelor de e-mail (interese, grafice de comunicare, numărul de e-mailuri trimise etc.) și a altor informații disponibile în profilul principalilor furnizori de identitate de internet, de exemplu pe platformele Google, Facebook, LinkedIn și Apple. Modelele de risc dezvoltate se vor baza pe instrumente avansate ale teoriei grafurilor. Combinând aceste date cu date tradiționale privind riscul de credit (angajatori, poziții, locație, rapoarte ale Biroului de Informații de Credit, sau BIK), Solicitantul intenționează să construiască un model inovator de risc de credit pentru persoanele care nu au încă BIK sau comportamental (adică, cel mai adesea tineri, intră doar în lumea finanțelor sau persoane din afara sistemului bancar). (Romanian)
25 July 2022
0 references
Number_reference_aid_program: SA.41471(2015/X) Účel verejnej pomoci: Článok 25 nariadenia (ES) č. 651/2014 zo 17. júna 2014 o vyhlásení určitých kategórií pomoci za zlučiteľné s vnútorným trhom pri uplatňovaní článkov 107 a 108 zmluvy To je všetko. EÚ L 187/1 z 26.6.2014). Projekt je založený na skúmaní, navrhovaní a budovaní alternatívnych modelov úverového rizika s využitím údajov dostupných pri podávaní žiadosti o úver v digitálnych kanáloch. Ide najmä o používanie údajov o preferenciách spotrebovaného reklamného obsahu a ďalších údajov obsiahnutých v online súboroch cookie (tzv. cookies), údaje o profesionálnej pozícii a postupe (prezentované napríklad v profiloch LinkedIn/Goldenline), históriu online nákupov (údaje získané v dôsledku partnerstiev s poskytovateľmi platieb na internete, napr. Bluemedia/PayU/Transfers 24, atď.), údaje o značke a funkciách zariadenia/prehliadača, ktoré sa používajú, a údaje o nainštalovaných aplikáciách, tvare sociálnej siete (grafy priateľov/priateľov), ako vytvoriť profil. Žiadateľ berie do úvahy aj používanie e-mailových údajov (záujmy, komunikačné grafy, počet odoslaných e-mailov atď.) a ďalšie informácie dostupné v profile hlavných poskytovateľov internetových identít, napr. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budú založené na pokročilých nástrojoch grafickej teórie. Kombináciou týchto údajov s tradičnými údajmi o kreditnom riziku (zamestnávateľmi, pozíciami, umiestnením, správami úverového informačného úradu alebo BIK) má žiadateľ v úmysle vybudovať inovatívny model úverového rizika pre ľudí, ktorí ešte nemajú BIK alebo správanie (t. j. najčastejšie mladí ľudia len vstupujú do sveta financií alebo ľudí mimo bankového systému). (Slovak)
25 July 2022
0 references
Number_reference_aid_programm: SA.41471(2015/X) Skop ta’ għajnuna pubblika: L-Artikolu 25 tar-Regolament (KE) Nru 651/2014 tas-17 ta’ Ġunju 2014 li jiddikjara ċerti kategoriji ta’ għajnuna bħala kompatibbli mas-suq intern skont l-Artikoli 107 u 108 tat-Trattat Li huwa. UE L 187/1 tas-26.6.2014). Il-proġett huwa bbażat fuq l-esplorazzjoni, it-tfassil u l-bini ta’ mudelli alternattivi ta’ riskju ta’ kreditu bl-użu ta’ data disponibbli meta ssir applikazzjoni għal self f’kanali diġitali. B’mod partikolari, huwa dwar l-użu ta’ data dwar il-preferenzi ta’ kontenut ta’ reklamar ikkunsmat u data oħra li tinsab fil-cookies online (l-hekk imsejħa cookies), data dwar il-pożizzjoni professjonali u l-progressjoni (ippreżentata, pereżempju, fil-profili ta’ LinkedIn/Goldenline), l-istorja tax-xiri online (data miksuba bħala riżultat ta’ sħubijiet ma’ fornituri ta’ pagament fuq l-Internet, eż. Bluemedia/PayU/Trasferimenti 24, eċċ), data dwar il-marka u l-karatteristiċi tal-apparat/browser li qed jintuża, u data dwar l-applikazzjonijiet installati, il-forma tan-netwerk soċjali (ħbieb/graffs ħbieb), kif toħloq profil. L-applikant jikkunsidra wkoll l-użu ta’ data tal-posta elettronika (interessi, graffs ta’ komunikazzjoni, numru ta’ posta elettronika mibgħuta, eċċ.) u informazzjoni oħra disponibbli fil-profil tal-fornituri ewlenin tal-identità tal-internet, eż. fuq il-pjattaformi Google, Facebook, LinkedIn u Apple. Il-mudelli ta’ riskju żviluppati se jkunu bbażati fuq għodod avvanzati tat-teorija tal-graffs. Il-kombinazzjoni ta’ din id-data ma’ data tradizzjonali dwar ir-riskju ta’ kreditu (min iħaddem, pożizzjonijiet, post, rapporti tal-Uffiċċju tal-Informazzjoni dwar il-Kreditu, jew BIK) l-Applikant biħsiebu jibni mudell innovattiv ta’ riskju ta’ kreditu għal persuni li għad m’għandhomx BIK jew imġiba (jiġifieri, ħafna drabi ż-żgħażagħ, li jidħlu biss fid-dinja tal-finanzi jew persuni barra mis-sistema bankarja). (Maltese)
25 July 2022
0 references
Número de referência do programa de ajuda: SA.41471(2015/X) Objetivo do auxílio público: Artigo 25.o do Regulamento (CE) n.o 651/2014, de 17 de junho de 2014, que declara certos tipos de auxílio compatíveis com o mercado interno, em aplicação dos artigos 107.o e 108.o do Tratado (JO L EU L 187/1 de 26.6.2014). O projeto baseia-se no estudo, conceção e desenvolvimento de modelos alternativos de risco de crédito, utilizando os dados disponíveis aquando da candidatura a um empréstimo em canais digitais. Em particular, diz respeito à utilização de dados sobre as preferências do conteúdo publicitário dos consumidores e outros dados contidos em cookies (os chamados cookies), dados de posição profissional e progressão profissional (apresentados, por exemplo, em perfis no LinkedIn/Goldenline), histórico de compras em linha (dados obtidos em resultado de parcerias com prestadores de serviços de pagamento na Internet, por exemplo, BlueMedia/PayU/Transfactions 24, etc.), a marca e as características do dispositivo/navegador utilizado, bem como dados sobre aplicações instaladas, a forma da rede social (imagens de conhecimento/amigos), a forma como o perfil é criado. O requerente deve também ponderar a utilização de dados de correio eletrónico (interesses, gráficos de comunicação, número de mensagens de correio eletrónico enviadas, etc.) e de outras informações disponíveis no perfil dos principais fornecedores de identidade na Internet, por exemplo, nas plataformas Google, Facebook, LinkedIn e Apple. Os modelos de risco desenvolvidos basear-se-ão em ferramentas avançadas da teoria dos grafos. Combinando estes dados com os dados tradicionais relativos ao risco de crédito (empregadores, postos de trabalho, localização, relatórios do Gabinete de Informação de Crédito, ou seja, o BIC) O requerente pretende construir um modelo inovador de risco de crédito para pessoas que ainda não têm BIC ou comportamental (ou seja, na maioria das vezes, os jovens só entram no mundo das finanças ou pessoas fora do sistema bancário) (Portuguese)
25 July 2022
0 references
Number_reference_aid_ohjelma: SA.41471(2015/X) Julkisen tuen tarkoitus: Tiettyjen tukimuotojen toteamisesta sisämarkkinoille soveltuviksi perussopimuksen 107 ja 108 artiklan mukaisesti 17 päivänä kesäkuuta 2014 annetun asetuksen (EY) N:o 651/2014 25 artikla Se on siinä. EU L 187/1, 26.6.2014. Hanke perustuu vaihtoehtoisten luottoriskimallien tutkimiseen, suunnitteluun ja rakentamiseen käyttäen saatavilla olevia tietoja lainan hakemisessa digitaalisissa kanavissa. Kyse on erityisesti tietojen käytöstä kulutetun mainonnan sisällön mieltymyksistä ja muista verkkoevästeisiin (ns. evästeet) sisältyvistä tiedoista, ammatillisesta asemasta ja etenemisestä (esitetty esimerkiksi LinkedIn/Goldenline-profiileissa), verkko-ostoshistoriasta (tiedot, jotka on saatu kumppanuudesta maksupalveluntarjoajien kanssa Internetissä, esim. Bluemedia/PayU/Siirrot 24, jne.), tiedot käytettävän laitteen/selaimen brändistä ja ominaisuuksista sekä asennetuista sovelluksista, sosiaalisen verkoston muodosta (ystävä/ystävä-kaaviot), profiilin luomisesta. Kantaja harkitsee myös sähköpostitietojen käyttöä (kiinnostukset, viestintäkaaviot, lähetettyjen sähköpostiviestien määrä jne.) ja muita tietoja, jotka ovat saatavilla tärkeimpien internet-identiteetin tarjoajien profiilissa, esimerkiksi Googlessa, Facebookissa, LinkedInissä ja Applen alustoilla. Kehitetyt riskimallit perustuvat graafisen teorian kehittyneisiin työkaluihin. Yhdistämällä nämä tiedot luottoriskiä koskeviin perinteisiin tietoihin (työnantajat, asemat, sijainti, luottotietotoimiston tai BIK:n raportit) hakija aikoo rakentaa innovatiivisen luottoriskimallin ihmisille, joilla ei vielä ole BIK:ta tai käyttäytymismalleja (eli useimmiten nuoret vain tulevat rahoitusmaailmaan tai ihmiset pankkijärjestelmän ulkopuolella). (Finnish)
25 July 2022
0 references
Number_reference_aid_program: SA.41471(2015/X) Namen državne pomoči: Člen 25 Uredbe (ES) št. 651/2014 z dne 17. junija 2014 o razglasitvi nekaterih vrst pomoči za združljive z notranjim trgom pri uporabi členov 107 in 108 Pogodbe To je vse. EU L 187/1 z dne 26.6.2014). Projekt temelji na raziskovanju, oblikovanju in oblikovanju alternativnih modelov kreditnega tveganja z uporabo podatkov, ki so na voljo ob prijavi za posojilo na digitalnih kanalih. Gre zlasti za uporabo podatkov o preferencah porabljenih oglaševalskih vsebin in drugih podatkov, ki jih vsebujejo spletni piškotki (t. i. piškotki), podatki o profesionalnem položaju in napredku (na primer v profilih LinkedIn/Goldenline), zgodovini spletnih nakupov (podatki, pridobljeni na podlagi partnerstev s ponudniki plačilnih storitev na internetu, npr. Bluemedia/PayU/Transfers 24, itd), podatke o blagovni znamki in značilnostih naprave/brskalnika, ki se uporablja, ter podatke o nameščenih aplikacijah, obliki socialnega omrežja (grafi prijatelj/prijatelj), kako ustvariti profil. Vložnik obravnava tudi uporabo e-poštnih podatkov (interesov, komunikacijskih grafov, števila poslanih e-poštnih sporočil itd.) in drugih informacij, ki so na voljo v profilu glavnih ponudnikov internetne identitete, npr. na platformah Google, Facebook, LinkedIn in Apple. Razviti modeli tveganja bodo temeljili na naprednih orodjih teorije grafov. Z združevanjem teh podatkov s tradicionalnimi podatki o kreditnem tveganju (delodajalci, pozicije, lokacija, poročila urada za kreditne informacije ali BIK) namerava prijavitelj zgraditi inovativen model kreditnega tveganja za ljudi, ki še nimajo BIK ali vedenjske (to je najpogosteje mladi, ki vstopajo v svet financ ali ljudi zunaj bančnega sistema). (Slovenian)
25 July 2022
0 references
Number_reference_aid_programme: SA.41471(2015/X) Účel veřejné podpory: Článek 25 nařízení (ES) č. 651/2014 ze dne 17. června 2014, kterým se v souladu s články 107 a 108 Smlouvy prohlašují určité kategorie podpory za slučitelné s vnitřním trhem To je všechno. EU L 187/1 ze dne 26.6.2014). Projekt je založen na zkoumání, navrhování a vytváření alternativních modelů úvěrového rizika s využitím údajů dostupných při podávání žádostí o půjčku v digitálních kanálech. Jedná se zejména o používání údajů o preferencích spotřebovaného reklamního obsahu a dalších údajů obsažených v online souborech cookie (tzv. cookies), údajů o profesní pozici a vývoji (prezentovaných např. v profilech LinkedIn/Goldenline), historii nákupů online (údaje získané v důsledku partnerství s poskytovateli plateb na internetu, např. Bluemedia/PayU/Transfers 24, atd.), údaje o značce a funkcích používaného zařízení/prohlížeče a data o nainstalovaných aplikacích, tvaru sociální sítě (grafy přátel/přítelů), jak vytvořit profil. Žalobkyně se rovněž zabývá použitím e-mailových údajů (zájmy, komunikační grafy, počet odeslaných e-mailů atd.) a dalších informací dostupných v profilu hlavních poskytovatelů internetové identity, např. na platformách Google, Facebook, LinkedIn a Apple. Vyvinuté rizikové modely budou založeny na pokročilých nástrojích teorie grafů. Kombinací těchto údajů s tradičními údaji o úvěrovém riziku (zaměstnavatelé, pozice, umístění, zprávy Ústředny pro informace o úvěrech nebo BIK) má žadatel v úmyslu vytvořit inovativní model úvěrového rizika pro lidi, kteří ještě nemají BIK nebo chování (nejčastěji mladí lidé, kteří právě vstoupí do světa financí nebo lidé mimo bankovní systém). (Czech)
25 July 2022
0 references
Number_reference_aid_programme: SA.41471(2015/X) Viešosios pagalbos paskirtis: 2014 m. birželio 17 d. Reglamento (EB) Nr. 651/2014, kuriuo tam tikrų kategorijų pagalba skelbiama suderinama su vidaus rinka taikant Sutarties 107 ir 108 straipsnius, 25 straipsnis Štai ir viskas. EU L 187/1, 2014 6 26). Projektas grindžiamas alternatyvių kredito rizikos modelių tyrinėjimu, projektavimu ir kūrimu, naudojant duomenis, prieinamus kreipiantis dėl paskolos skaitmeniniuose kanaluose. Visų pirma kalbama apie duomenų apie suvartojamo reklaminio turinio ir kitų duomenų, esančių internetiniuose slapukuose (vadinamieji slapukai), naudojimą, duomenis apie profesinę padėtį ir pažangą (pateiktus, pavyzdžiui, „LinkedIn“/„Goldenline“ profiliuose), pirkimo internetu istoriją (duomenis, gautus bendradarbiaujant su mokėjimo paslaugų teikėjais internete, pvz., Bluemedia/PayU/Transfers 24, ir tt), duomenys apie naudojamą prietaiso/naršyklės prekės ženklą ir savybes, duomenys apie įdiegtas programas, socialinio tinklo formą (draugo/draugo grafikus), kaip sukurti profilį. Pareiškėjas taip pat mano, kad naudojami elektroninio pašto duomenys (interesai, komunikacijos grafikai, išsiųstų el. laiškų skaičius ir t. t.) ir kita informacija, kurią galima rasti pagrindinių interneto tapatybės teikėjų profilyje, pvz., Google, Facebook, LinkedIn ir Apple platformose. Sukurti rizikos modeliai bus grindžiami pažangiomis grafų teorijos priemonėmis. Derindamas šiuos duomenis su tradiciniais kredito rizikos duomenimis (darbdaviais, pareigomis, vieta, Kredito informacijos biuro ataskaitomis arba BIK), pareiškėjas ketina sukurti novatorišką kredito rizikos modelį žmonėms, kurie dar neturi BIK ar elgesio (t. y. dažniausiai jaunimas, tik patenka į finansų pasaulį arba žmonės, nepriklausantys bankų sistemai). (Lithuanian)
25 July 2022
0 references
Number_reference_aid_programma: SA.41471(2015/X) Publiskā atbalsta mērķis: 25. pants 2014. gada 17. jūnija Regulā (EK) Nr. 651/2014, ar ko noteiktas atbalsta kategorijas atzīst par saderīgām ar iekšējo tirgu, piemērojot Līguma 107. un 108. pantu Tas ir viss. EU L 187/1, 26.6.2014. Projekta pamatā ir alternatīvu kredītriska modeļu izpēte, izstrāde un izveide, izmantojot pieejamos datus, piesakoties aizdevumam digitālos kanālos. Jo īpaši runa ir par to, kā tiek izmantoti dati par patērētā reklāmas satura preferencēm un citi dati, kas ietverti tiešsaistes sīkdatnēs (tā sauktās sīkdatnes), dati par profesionālo stāvokli un attīstību (iesniegti, piemēram, LinkedIn/Goldenline profilos), tiešsaistes pirkumu vēsture (dati, kas iegūti, sadarbojoties ar maksājumu pakalpojumu sniedzējiem internetā, piemēram, Bluemedia/PayU/Transfers 24, utt.), dati par izmantotās ierīces/pārlūka zīmolu un funkcijām, kā arī dati par instalētajām lietojumprogrammām, sociālā tīkla formu (draugs/draugs diagrammas), kā izveidot profilu. Pieteikuma iesniedzējs arī apsver iespēju izmantot e-pasta datus (intereses, komunikācijas diagrammas, nosūtīto e-pasta ziņojumu skaitu utt.) un citu informāciju, kas pieejama galveno interneta identitātes nodrošinātāju profilā, piemēram, Google, Facebook, LinkedIn un Apple platformās. Izstrādāto riska modeļu pamatā būs progresīvi grafika teorijas rīki. Apvienojot šos datus ar tradicionālajiem datiem par kredītrisku (darba devēji, amati, atrašanās vieta, Kredītinformācijas biroja vai BIK ziņojumi), Pieteikuma iesniedzējs plāno izveidot inovatīvu kredītriska modeli cilvēkiem, kuriem vēl nav BIK vai uzvedības (tas ir, visbiežāk jaunieši, kas ienāk finanšu pasaulē, vai cilvēki ārpus banku sistēmas). (Latvian)
25 July 2022
0 references
Number_reference_aid_програма: SA.41471(2015/X) Цел на публичната помощ: Член 25 от Регламент (ЕО) № 651/2014 от 17 юни 2014 г. за обявяване на някои категории помощи за съвместими с вътрешния пазар в приложение на членове 107 и 108 от Договора Това е всичко. EU L 187/1 от 26.6.2014 г.). Проектът се основава на проучване, проектиране и изграждане на алтернативни модели за кредитен риск, като се използват наличните данни при кандидатстване за заем в цифрови канали. По-специално става въпрос за използването на данни за предпочитанията на консумираното рекламно съдържание и други данни, съдържащи се в онлайн бисквитките (т.нар. „бисквитки“), данни за професионалната позиция и напредъка (представени например в профилите на LinkedIn/Goldenline), историята на онлайн покупките (данни, получени в резултат на партньорства с доставчици на плащания в интернет, напр. Bluemedia/PayU/Transfers 24 и т.н.), данни за марката и характеристиките на използваното устройство/браузър, както и данни за инсталираните приложения, формата на социалната мрежа (графики на приятели/приятели), как да създадете профил. Заявителят също така разглежда използването на данни за електронна поща (интереси, графики за комуникация, брой изпратени имейли и т.н.) и друга информация, налична в профила на основните доставчици на интернет самоличност, например в платформите на Google, Facebook, LinkedIn и Apple. Разработените модели на риска ще се основават на усъвършенствани инструменти на теорията на графиката. Комбинирайки тези данни с традиционните данни за кредитния риск (работодатели, позиции, местоположение, доклади на Бюрото за кредитна информация или BIK) Заявителят възнамерява да изгради иновативен модел за кредитен риск за хора, които все още нямат BIK или поведенчески (т.е. най-често млади хора, просто навлизат в света на финансите или хора извън банковата система). (Bulgarian)
25 July 2022
0 references
Number_reference_aid_program: SA.41471(2015/X) Az állami támogatás célja: A Szerződés 107. és 108. cikkének alkalmazásában bizonyos támogatási kategóriáknak a belső piaccal összeegyeztethetőnek nyilvánításáról szóló, 2014. június 17-i 651/2014/EK rendelet 25. cikke Ez az. – Ez az. EU L 187/1, 2014.6.26.). A projekt alternatív hitelkockázati modellek feltárásán, tervezésén és kiépítésén alapul, a digitális csatornákon történő hiteligénylés során rendelkezésre álló adatok felhasználásával. Különösen a felhasznált hirdetési tartalom preferenciáira vonatkozó adatok és az online cookie-kban található egyéb adatok (úgynevezett cookie-k), a szakmai pozícióra és a progresszióra vonatkozó adatok (például a LinkedIn/Goldenline profilokban), az online vásárlási előzmények (az internetes fizetési szolgáltatókkal való partnerségek eredményeként szerzett adatok, pl. Bluemedia/PayU/Transfers 24, stb.), a használt eszköz/böngésző márkájára és jellemzőire vonatkozó adatok, a telepített alkalmazások adatai, a közösségi hálózat formája (barát/barát grafikonok), profil létrehozása. A kérelmező mérlegeli továbbá az e-mail adatok (érdeklődések, kommunikációs grafikonok, elküldött e-mailek száma stb.) használatát, valamint a fő internetszolgáltatók profiljában – például a Google, a Facebook, a LinkedIn és az Apple platformokon – rendelkezésre álló egyéb információkat. A kidolgozott kockázati modellek a gráfelmélet fejlett eszközein alapulnak. Ezeket az adatokat ötvözve a hagyományos hitelkockázati adatokkal (munkáltatók, pozíciók, helyszín, a Hitelinformációs Iroda jelentései vagy BIK) a kérelmező innovatív hitelkockázati modellt kíván kiépíteni azok számára, akik még nem rendelkeznek BIK-vel vagy viselkedési (azaz leggyakrabban a fiatalok, csak belépnek a pénzügyek világába vagy a bankrendszeren kívüli emberek). (Hungarian)
25 July 2022
0 references
Uimhir_reference_aid_clár: SA.41471(2015/X) Cuspóir na cabhrach poiblí: Airteagal 25 de Rialachán (CE) Uimh. 651/2014 an 17 Meitheamh 2014 ina ndearbhaítear go bhfuil catagóirí áirithe cabhrach comhoiriúnach leis an margadh inmheánach i gcur i bhfeidhm Airteagail 107 agus 108 den Chonradh Sin é. AE L 187/1 an 26.6.2014). Tá an tionscadal bunaithe ar shamhlacha malartacha riosca creidmheasa a iniúchadh, a dhearadh agus a thógáil trí úsáid a bhaint as sonraí atá ar fáil agus iarratas á dhéanamh ar iasacht i mbealaí digiteacha. Go háirithe, baineann sé le húsáid sonraí ar na roghanna a bhaineann le hábhar fógraíochta tomhaltais agus sonraí eile atá i bhfianáin ar líne (fianáin mar a thugtar orthu), sonraí maidir le seasamh gairmiúil agus dul chun cinn (a chuirtear i láthair, mar shampla, i LinkedIn/próifílíGoldenline), stair cheannaigh ar líne (sonraí a fhaightear mar thoradh ar chomhpháirtíochtaí le soláthraithe íocaíochta ar an Idirlíon, m.sh. BlueMedia/PayU/Transfers 24, etc.), sonraí faoi bhranda agus gnéithe an fheiste/bhrabhsálaí atá á n-úsáid, agus sonraí faoi iarratais suiteáilte, cruth an líonra shóisialta (graif chara/cairde), conas próifíl a chruthú. Breithníonn an t-iarratasóir freisin úsáid sonraí ríomhphoist (leasanna, graif chumarsáide, líon na ríomhphost a seoladh, etc.) agus faisnéis eile atá ar fáil i bpróifíl na bpríomhsholáthraithe aitheantais idirlín, e.g. ar Google, Facebook, LinkedIn agus Apple. Beidh na samhlacha riosca forbartha bunaithe ar uirlisí chun cinn de theoiric graf. Ag cur na sonraí seo le sonraí traidisiúnta maidir le riosca creidmheasa (fostóirí, poist, suíomh, tuarascálacha an Bhiúró um Fhaisnéis Creidmheasa, nó BIK) tá sé ar intinn ag an Iarratasóir samhail riosca creidmheasa nuálach a thógáil do dhaoine nach bhfuil BIK nó iompraíocht acu fós (is é sin, daoine óga is minice, díreach ag dul isteach i saol an airgeadais nó daoine lasmuigh den chóras baincéireachta). (Irish)
25 July 2022
0 references
Number_reference_aid_program: SA.41471(2015/X) Syfte med offentligt stöd: Artikel 25 i förordning (EG) nr 651/2014 av den 17 juni 2014 genom vilken vissa kategorier av stöd förklaras förenliga med den inre marknaden vid tillämpningen av artiklarna 107 och 108 i fördraget Det är allt. EU L 187/1 av den 26 juni 26.6.2014). Projektet bygger på att utforska, utforma och bygga alternativa kreditriskmodeller med hjälp av tillgängliga data när man ansöker om ett lån i digitala kanaler. I synnerhet handlar det om användningen av data om preferenserna för konsumerat reklaminnehåll och andra data som finns i online-cookies (s.k. cookies), uppgifter om yrkesmässig position och progression (till exempel i LinkedIn/Goldenline-profiler), online köphistorik (data som erhållits genom partnerskap med betalningsleverantörer på Internet, t.ex. Bluemedia/PayU/Transfers 24, etc.), data om varumärket och funktionerna hos enheten/webbläsaren som används, och data om installerade program, formen på det sociala nätverket (vän/vän grafer), hur man skapar en profil. Sökanden har även beaktat användningen av e-postuppgifter (intressen, kommunikationsdiagram, antal e-postmeddelanden som skickats osv.) och annan information som finns tillgänglig i profilen för de viktigaste leverantörerna av internetidentitet, t.ex. på plattformarna Google, Facebook, LinkedIn och Apple. De utvecklade riskmodellerna kommer att baseras på avancerade verktyg för grafteori. Genom att kombinera dessa uppgifter med traditionella uppgifter om kreditrisk (arbetsgivare, befattningar, plats, rapporter från kreditinformationsbyrån eller BIK) har sökanden för avsikt att bygga en innovativ kreditriskmodell för personer som ännu inte har BIK eller beteende (det vill säga oftast ungdomar, som bara kommer in i finansvärlden eller personer utanför banksystemet). (Swedish)
25 July 2022
0 references
Number_reference_aid_programm: SA.41471(2015/X) Riigiabi eesmärk: Euroopa Liidu toimimise lepingu artiklite 107 ja 108 kohaldamise kohta 17. juuni 2014. aasta määruse (EL) nr 651/2014 (millega teatavat liiki abi tunnistatakse siseturuga kokkusobivaks) artikkel 25 See on kõik. EL L 187/1, 26.6.2014). Projekt põhineb alternatiivsete krediidiriski mudelite uurimisel, projekteerimisel ja ehitamisel, kasutades digitaalsetes kanalites laenu taotlemisel kättesaadavaid andmeid. Eelkõige puudutab see tarbitud reklaamisisu eelistuste andmete kasutamist ja muid veebiküpsistes sisalduvaid andmeid (nn küpsised), ametialase positsiooni ja progresseerumise andmeid (esitatud näiteks LinkedIni/Goldenline’i profiilides), internetiostude ajalugu (andmed, mis on saadud interneti makseteenuste pakkujatega sõlmitud partnerluse tulemusena, nt. Bluemedia/PayU/Transfers 24, jne.), andmed kasutatava seadme/brauseri kaubamärgi ja omaduste kohta ning andmed installitud rakenduste kohta, sotsiaalvõrgustiku kuju (sõbra/sõbra graafikud), kuidas profiili luua. Taotleja kaalub ka e-posti andmete (huvid, kommunikatsioonigraafikud, saadetud e-kirjade arv jne) ja muu peamiste internetiidentiteedi pakkujate profiilis kättesaadava teabe kasutamist, nt Google’i, Facebooki, LinkedIni ja Apple’i platvormidel. Väljatöötatud riskimudelid põhinevad graafikuteooria täiustatud vahenditel. Kombineerides neid andmeid traditsiooniliste krediidiriski andmetega (tööandjad, positsioonid, asukoht, krediidiinfo büroo või BIKi aruanded), kavatseb taotleja luua uuendusliku krediidiriski mudeli inimestele, kellel ei ole veel BIKi või käitumuslikku (st enamasti noored, kes sisenevad lihtsalt rahandusmaailma või väljaspool pangandussüsteemi). (Estonian)
25 July 2022
0 references
WOJ.: MAZOWIECKIE, POW.: Warszawa
0 references
24 May 2023
0 references
Identifiers
POIR.01.01.01-00-0124/17
0 references