PayNearby如何通过Kirana商店实现财务包容性

毫无疑问，印度金融服务业在最近一段时间已经取得了长足的发展，但实际情况基本保持不变。

据报道，尽管今天该国5个成年人中有4个拥有银行帐户，但我们仍有78％的交易是现金交易。这表明银行帐户及其实际使用情况之间存在很大的差距。此外，该国48％的银行帐户在过去一年中没有任何交易活动。

“金融服务需要以一种可以方便，轻松地访问，信任和消费的方式提供给大众”，PayNearby创始人兼首席执行官Anand Kumar Bajaj，这是一种超本地化的金融技术网络，可让零售商在第一英里的地方提供服务面向大众的数字金融和非金融服务。

关

Bajaj向Moneycontrol.com讲述了他的公司如何通过“ Digital Pradhans”促进金融普惠。

相关新闻“ Flipkart稍后付款”现已在PhonePe上提供MoneyTap在B轮融资中筹集了50亿卢比Naspers首席执行官解释了为什么该公司希望支持印度初创公司

编辑摘录：

问：PayNearby旨在将附近的零售商店转变为Fintech Marts。告诉我们更多有关此的信息。

A：重要的是，我们要创建一个生态系统，为分布在广大地区，没有信贷服务，缺乏金融和技术素养并且易受零保护计划支持的生命风险的广大无银行账户和服务不足的人群提供服务。

当我们谈论供应方时，我们已经观察到零售业如何快速发展，而零售商却没有。目前，由所有者，其家人和2-3名同伙经常管理的中小型商店正面临来自电子商务和大型超市的激烈竞争。为了在当今的经济中保持重要地位并蓬勃发展，这些小企业主需要不断发展并保持最新状态。据观察，零售业为该国的就业率贡献了8％，据观察，零售业在其所在的社区和社区中有着根深蒂固的关系。重要的是要培育和利用这个社区，以将顶级银行服务带到金字塔底层。因此，PayNearby的诞生以及将附近的零售店转变为FinTech集市的理念，都是所有这些的最终结果。

问：您在实现这一愿景方面走了多远？

A：通过我们遍布69亿多位Digital Pradhans的泛印度网络，我们为16 722个PIN码的大约8000万客户提供服务，如今该国的月吞吐量为4,200千万。我们希望大幅增加这一数字，并确保每个印度人，无论身在何处，都可以使用所有基本的金融和非金融产品与服务。

我们还在该国的115个理想地区服务时，一直在进行细粒度的工作。在2018年初，NITI Ayog将这些地区确定为该国最落后的地区，需要进行转型变革。我们实现了价值卢比的金融包容性。仅在2019年6月，就通过35万万笔交易向这些地区的公民提供了77.5亿卢布。

该公司希望进军国际市场，并正在积极评估斯里兰卡，孟加拉国和其他南亚市场的未来扩展前景。

问：技术在协助这种转变中的作用有多重要？

A：在PayNearby，我们确保我们对技术采用非常敏捷的方法。利用自动化来简化流程并最大程度地减少人工工作至关重要。考虑到这一点，技术团队的全部重点是创建基于用户体验的产品，以帮助我们的零售商朋友更好地为他们的客户服务。我们使用高级分析，人工智能和机器学习为我们的零售商创建简单有效的微观体验。后端的自动化进一步帮助我们扩展和处理了数量。本质上，我们在执行的所有技术流程中都采用“自动化或消除”的口号。

在NPCI和我们的银行合作伙伴的数字铁路上建立的技术堆栈已与专有技术相结合，以提供强大的生态系统，从而实现规模和灵活性。无论是InsureTech，RegTech，机器学习还是AI，都全面实施了突破性举措，为我们的Digital Pradhans提供了无缝的入门和交易体验。

问：当您试图以数字化方式授权小型商店时，您面临的最大挑战是什么？这些挑战可能已适应传统的经营方式？

A：面临的主要挑战是，大多数小商店的所有者对技术都很害羞，需要适应技术。由于它们大多数是首次使用的适配器，因此UX需要非常友好并且易于理解。

根据我们在取消货币化期间和之后对地面的深入研究和了解，我们认识到零售业正在发展，零售商正在逐步追赶。现金不足和数字支付便利性的问题使许多消费者开始从在线或电子商务玩家那里订购商品，但这严重损害了吉打拉式流行商店的生意。在这种情况下，有两个主要因素。首先是通过在线平台为客户提供数字化服务的能力，从而为从移动应用下订单提供便利，并获得基于AI的建议，价格，报价和交付体验。其次是在当今瞬息万变的时代采用技术的心态。

当我们在研究过程中对零售商进行调查时，我们很高兴地看到他们如何证实这一事实，即当地的零售社区很聪明，并且看到了随着时间的推移而升级的价值。他们在那里做生意的事实使他们明白了我们为增强业务而提出的观点。我们收到的许多投入纯粹是我们早期的零售商合作伙伴提供的增值服务，他们已经积极地帮助各自社区发展。虽然我们是由我们构思和设计引擎核心部分的，但BuyNearby的可用性细微之处来自我们的零售商朋友。因此，最初面临的挑战已通过诸如客户的位置，少量订单的汇总，使用音译或基于图片的订单解决语言障碍等功能来解决。