Prism Data’nın 20 milyon dolarlık turu ve nakit akışı skoru

Prism Data, 19 Ekim 2026 tarihli Axios bültenine göre Story Ventures liderliğinde 20 milyon dolarlık Seri A yatırım aldı; FINTOP, Core VC, Obvious Ventures, 1st & Main Growth Partners ve Mana Ventures da tura katıldı. Şirket, banka hesaplarındaki işlemleri kredi riskinin değerlendirilmesinde kullanılabilir bilgiye dönüştüren ürünler geliştiriyor.

DevCuration’ın tur analizine göre Prism Data’nın 2023’te duyurduğu 5 milyon dolarlık çekirdek yatırımla birlikte toplam finansmanı 25 milyon doları aştı. Yeni sermaye, REFRACT adlı işlem sınıflandırma motoruna dayalı CashScore modellerinin geliştirilmesini, yapay zekâ altyapısına yatırımı ve bireysel kredi ile küçük işletme kredilerinde büyümeyi destekleyecek. Açıklanan tutar, kredi müşterilerine dağıtılacak bir fonu değil, şirketin aldığı finansmanı ifade ediyor.

Yeni sermaye hangi büyüme planına ayrılıyor?

Prism Data’nın planı, mevcut nakit akışı analitiğini daha fazla kredi kuruluşunun kullanabileceği ürünlere dönüştürmek. Şirket veri bilimi kapasitesine ve kendi yapay zekâ altyapısına yatırım yapmayı, REFRACT üzerine kurulacak yeni CashScore modellerini hazırlamayı hedefliyor. ABD ve Kanada’daki faaliyetlerini derinleştirmek kısa vadeli planın parçası; başka pazarlara açılmak ise açıklanmış bir takvimi olmayan daha uzun vadeli hedef.

Bu ayrım yatırımın neyi finanse ettiğini gösteriyor. Prism Data bankalara doğrudan kredi sağlamak için sermaye toplamıyor; kredi verenlerin elindeki hesap verisini işleyen teknolojiyi geliştiriyor ve dağıtımını genişletiyor. Dolayısıyla turun büyüklüğü, şirketin kullandırdığı kredi hacmi ya da yeni ürünlerinden elde edeceği gelir olarak okunamaz. Sermayenin ticari karşılığı, kurumların bu analitiği kendi başvuru süreçlerine ne ölçüde yerleştireceğine bağlı.

REFRACT banka işlemlerinde neyi ayırıyor?

Prism Data’nın Finextra’da yayımlanan şirket duyurusu, REFRACT’ın 30 milyardan fazla banka işleminden oluşan veri kümesiyle eğitildiğini, önceki modellere kıyasla işlem sınıflandırma doğruluğunda çift haneli yüzdesel artış sağladığını ve Prism çözümlerine yönelik API çağrılarının iki yılda 100 kattan fazla arttığını belirtiyor. Doğruluk karşılaştırması ile kullanım hacmi, şirketin açıkladığı farklı ölçümlerdir; kredi portföylerindeki temerrüt sonucunu tek başlarına göstermezler.

Bir hesaba gelen para, hareket dökümünde benzer görünse de farklı ekonomik anlamlar taşıyabilir. Düzenli bir ücret ödemesi, başka bir krediden gelen tutar, alışveriş iadesi ve kişinin kendi hesapları arasındaki aktarım aynı şekilde gelir sayılırsa geri ödeme gücü yanlış yorumlanır. REFRACT, yalnızca satıcı adına veya işlem açıklamasındaki anahtar sözcüklere dayanmak yerine bağlamdan yararlanarak bu hareketlerin amacını sınıflandırmak üzere tasarlandı.

Şirketin anlattığı ayrım, harcama tarafında da geçerli: bir satın alma ile hesaplar arası transfer, aynı ödeme platformundan geçmiş olsa bile farklı kategorilere girmeli. Üstelik işlem açıklamaları tutarlı bir biçimde yazılmıyor; satıcı adları değişebiliyor ve aynı kısa ifade farklı bağlamlarda başka bir işlemi anlatabiliyor. Sınıflandırmanın kredi zincirindeki değeri, ham kayıtlardaki bu belirsizliği sonraki hesaplamalara taşımamaya çalışmasında.

REFRACT’ın tüketici ve ticari işlemler için ayrı modeller kullandığı belirtiliyor. Motor, farklı açık bankacılık veri toplayıcılarından gelen kayıtların yanı sıra finans kuruluşlarının kendi mevduat hesabı verileri ve PDF hesap dökümleriyle çalışacak şekilde tanımlanıyor. Bu kaynak çeşitliliği, bir kredi verenin veriyi hangi kanaldan aldığı ile işlemin ekonomik anlamını saptama işini birbirinden ayırıyor; her kaynakta aynı doğruluğun bağımsız biçimde ölçüldüğü anlamına gelmiyor.

Sınıflandırma kredi skoruna nasıl dönüşüyor?

REFRACT, kredi başvurusunu onaylayan sistem değil; skorlamadan önce işlemleri anlamlandıran katman. Kredi verenin kendi hesabından veya veri toplayıcı aracılığıyla elde ettiği kayıtlar önce sınıflandırılıyor. Ardından gelir düzeni, harcama örüntüsü, bakiye değişimi ve ödeme yükümlülükleri gibi özellikler çıkarılıyor. CashScore bu tür nakit akışı verilerini kredi riskine ilişkin bir çıktıya dönüştürüyor; başvuru hakkında hangi kararı vereceğini ve hangi koşulları sunacağını kredi veren kurum belirliyor.

Bu sıralama, yeni motor ile yeni skor modeli arasındaki farkı da açıklıyor. REFRACT işlem verisinin niteliğini iyileştirmeyi amaçlıyor; şirketin yatırım kapsamında geliştireceğini söylediği yeni CashScore modelleri ise bu sınıflandırılmış bilgiyi kullanacak. Motorun tanıtılması, gelecekteki modellerin bütün kredi kuruluşlarında devreye alındığı anlamına gelmiyor. Mevcut CashScore ürünleri ile duyurulan yeni nesil modellerin durumunu ayrı tutmak gerekiyor.

Hesap hareketleri, geleneksel kredi geçmişinde gecikmeyle görülebilecek bazı değişimleri daha erken gösterebilir: düzenli gelirin kesilmesi, birikimin azalması veya yeni ödeme yükümlülükleri gibi. Bunun kredi kararına katkısı, verinin doğru kişiye ve döneme ait olmasına, işlemlerin isabetli sınıflandırılmasına ve kredi verenin bu çıktıları kendi politikasıyla nasıl birleştirdiğine bağlı. Banka hareketlerinden üretilen bir skor, mevcut kredi kayıtlarının her başvuruda yerini otomatik olarak almıyor; kurum için ek bir risk göstergesi sunuyor.

Kullanım artışı kredi performansı hakkında ne söylüyor?

Prism Data’ya gelen API çağrılarındaki büyüme, ürünlerinin daha yoğun kullanıldığına ilişkin bir şirket ölçümü. Bir çağrı tek başına ücretli bir müşteriyi, onaylanmış bir krediyi veya tahsil edilmiş geliri temsil etmez. Aynı şekilde daha çok işlem sınıflandırılması, kredi verenlerin daha az temerrüt yaşadığı sonucunu vermez. Bunlar, kullanımın sonraki aşamasında ayrı verilerle ölçülmesi gereken ticari ve kredi sonuçlarıdır.

İşlem etiketlerindeki doğruluk artışı da kendi sınırları içinde değerlendirilmeli. Örneğin ödünç alınmış parayı gelirden ayırmak, başvuru sahibinin ödeme kapasitesine ilişkin girdiyi iyileştirebilir. Ancak kredi zararındaki olası değişim, bu girdiyi kullanan skor modeline, başvuru sahiplerinin özelliklerine, kurumun kabul politikasına ve kredilerin sonraki ödeme performansına bağlıdır. Şirketin açıkladığı sınıflandırma karşılaştırması, bu zincirin yalnızca başlangıç aşamasına ilişkin bir sonuç sunuyor.

Yeni modeller kurumların süreçlerine girdikçe belirleyici veri, REFRACT’ın daha doğru etiketlediği hareketlerin gerçek kredi kararlarında nasıl kullanıldığı olacak. Aynı başvuru grubunda onaylar, fiyatlama ve geri ödeme sonuçları birlikte görüldüğünde, teknik iyileşmenin kredi veren için ekonomik karşılığı daha açık biçimde anlaşılabilecek.

Ayrıca okuyun: