Скоринг: как он работает в краудлендинге и как может работать у вас

Ольга Лисина

Инна Касьянова, генеральный директор fair finance, рассказывает, как устроена скоринговая модель краудлендинговой P2B-платформы и как применение скоринга в других сферах может сделать жизнь удобнее, а бизнес — эффективнее.

Скоринг: как он работает в краудлендинге и как может работать у вас

Инна Касьянова

Скоринг — это совокупность математического и статистического методов оценки риска заемщика. Как средство управления рисками он стал развиваться, когда банки накопили достаточное количество данных о клиентах и дефолтах. Это стало основанием для того, чтобы сформулировать гипотезу о способности или неспособности заемщика обслуживать долг. 

В результате такой проверки каждому соискателю кредита присваивается индивидуальная оценка кредитного риска — вероятность дефолта, — от которой формируется индивидуальное предложение. 

Сегодня скоринг использует подавляющее большинство банков во всем мире. Существуют сотни скоринговых моделей, как западных, так и отечественных. Чаще всего в скоринге используют западную программу, ставшую чем-то вроде международного стандарта, — FICO Score. 

Но важно отметить, что часто скоринговые системы работают не в чистом виде, а в «приправленном» собственными разработками и усовершенствованиями, с учетом фокуса деятельности кредитной организации и накопившегося опыт. Это во многом способствует повышению коэффициента точности и, как следствие, уменьшению уровня дефолта.

Подписывайтесь на канал Rusbase в «Яндекс.Дзен», чтобы ничего не пропустить

P2B-кредитование

В России скоринговые системы получили широкое распространение в розничном бизнесе при кредитовании физических лиц. На мой взгляд, при построении кредитного конвейера в рознице скоринг — это оптимальная модель оценки риска при принятии решения. 

Что касается юридических лиц, то, к сожалению, создание универсальной скоринговой модели, способной учесть весь спектр специфических особенностей сегмента малого и среднего бизнеса, — весьма сложная задача. По этой причине банки разрабатывают нишевые кредитные продукты, которые базируются на определенном массиве данных. 

Например, при выдаче овердрафта анализируются обороты по расчетному счету компании и, исходя из этих результатов, определяются условия по овердрафту. Или, как в нашем случае, заемщиками выступают компании малого бизнеса, занятые в исполнении госзаказа, и значимым критерием оценки риска является опыт исполнения аналогичных госконтрактов.

Мы также в тестовом режиме применяем инструмент интервьюирования наших заемщиков. Сложный сценарий опроса и анализа полученных ответов позволяет составить дополнительное компетентное мнение о возможности выдачи качественного займа.

Как выглядит скоринговая модель крауд-площадки

Скоринг — это модель с определенным набором данных и сложными процессами их обработки. Решение о выдаче денег базируется как на данных, предоставленных клиентом, так и на аналитике данных из иных источников, таких как кредитная история компании и ее собственников. 

Есть ряд причин, так называемых стоп-факторов, которые уже на этапе прескоринга или даже заполнения заявки станут поводом для отказа — и клиент получит сообщение об этом. Например, опыт ведения бизнеса менее одного года. В этом случае платформа в момент заполнения заявки предложит клиенту обратиться с заявкой на получение займа после определенного периода. 

Также, например, мы не финансируем нерезидентов, компании с государственным участием и ряд отраслей экономики с повышенным уровнем риска. И об этом платформа также уведомит заемщика. 

На элементарном примере рассмотрим, как работает скоринг, когда заемщик предоставляет ИНН компании и номер госконтракта.

ИНН дает возможность получить информацию об учредителях компании и генеральном директоре, по которым, в первую очередь, анализируются данные арбитражных судов, службы судебных приставов, а также данные по стоп-листам, которые находятся в открытых и закрытых источниках. 

При получении согласия на проверку собственников организации платформа делает запрос в БКИ (бюро кредитных историй). Далее платформа обращается к сайту госзакупок и проверяет набор критериев на соответствие требованиям скоринга, как заемщика, так и госзаказчика.  

В результате такой автопроверки формируется отчет, с которым далее уже работает андеррайтер. В задачи андеррайтера входит ручная уточняющая проверка первоисточников по некоторым аспектам. На базе данной информации формируется сценарий и проводится видео-интервью. В итоге каждый заемщик получает риск-рейтинг. По совокупности факторов у андеррайтера есть право вето. 

Рейтинг — это оценка вероятности дефолта заемщика от A до D, где высокий рейтинг (A) подразумевает низкую ставку, так как это безопасная сделка, а низкий (D) — повышенную. 

Клиенты с рейтингом С или D, как высокорискованные, не попадают на табло заявок, которое доступно инвестору, в целях повышения качества портфеля в интересах наших инвесторов. 

Скоринг будущего

Данные — это основа скоринга, база, на которой строится вся его работа. Конечно, Россия сегодня активно развивается в этом направлении. Скоринг-системы позволяют извлекать необходимую информацию с различных ресурсов: СПАРК, БКИ, сайта госзакупок и других релевантных источников, позволяющих определить деловую  репутацию и бизнес-активность. 

Одним из источников, который активно используется в розничном кредитовании, являются базы данных сотовых операторов.

Они строят свои скоринговые системы на основании поведенческих характеристик человека: где чаще всего бывает, в какие магазины ходит, как часто и сколько тратит. Эти данные помогают банкам оптимизировать и совершенствовать собственные процедуры. 

То же касается данных геолокации, соцсетей и интернет-провайдеров: информация о том, на каких сайтах чаще всего бывает пользователь, где проводит больше времени, какие издания читает. Эта информация лежит в основе поведенческого скоринга, на базе которого также можно принимать решения. 

Сложно предсказать, что именно поможет правильно сформировать мнение системы. И на сегодняшний день невозможно сделать так, чтобы одна и та же модель работала хорошо при разных рыночных условиях. Потому очень много усилий брошено на внедрение Machine Learning — способности программы самостоятельно адаптироваться и переобучаться на обновляющихся данных. 

По возможности все данные сегодня активно переводятся в цифру: трудовые книжки, медицинские карты и т.д. С одной стороны, можно испугаться всемирной слежки, с другой — именно эти данные делают нашу жизнь удобнее, понятнее и проще. И речь идет не только о кредитах, но и о продуктах из любой другой категории. 

Жизнь в мире, в котором все необходимое появляется одним кликом в мобильном телефон, вовремя и на удобных условиях, — это не глава из фантастического романа, а реальность, которую формирует скоринг. 

Как получить максимум

    Скоринг — это прогноз, и он используется не только в кредитовании. Сегодня скоринговые модели широко применяются в здравоохранении, автостраховании, при найме на работу или аренде жилья, для предоставления услуг связи и даже в службах знакомств. 
    Все большую популярность обретает репутационный скоринг, который, помимо традиционных показателей финансового благополучия, дает возможность составить психологический и морально-этический портрет.
    По аналогии с тем, как кредитный скоринг предлагает клиентам подходящую им ставку и условия оплаты, так и продавец любого другого продукта или услуги может подготовить идеальное предложение. Что-то подобное сегодня существует в виде контекстной рекламы и это, стоит признаться, удобно.

Источник: rb.ru

Добавить комментарий