Скоринг: кто и как пишет на нас “характеристики”

Проследим эволюцию скоринговых систем —  от классики до инноваций

Верхушка скорингового «айсберга»

Скоринг (от англ. score, «счет») — это метод оценки платежеспособности заемщика с помощью специальных математических моделей. Он широко используется в банковской сфере и других кредитных организациях для принятия решений о выдаче займов. Это автоматизированный метод — то есть, человеческий фактор здесь исключен. На основе анализа массива данных о клиенте, алгоритм рассчитывает вероятность, что деньги вернут в срок.

При дальнем взгляде может показаться, что оценить благонадежность потенциального заемщика относительно просто. Заглянуть в кредитную историю, посмотреть на уровень и стабильность дохода, соотнести с возрастом, узнать, есть ли движимое/недвижимое имущество… Раньше в банках так и делали — если кредит берут впервые, смотрели на доход и имущество, если не впервые — на то, были ли просрочки по прежнему кредиту.

Однако так примитивно к этому вопросу давно уже не подходят, так как это по сути «чапаевский метод» оценки — все равно что на картошке.

Хотя, казалось бы, что тут сложного? Вот схема процесса кредитования в самом общем виде.

Но «под капотом» этой простой с виду модели можно обнаружить, например, такие «шестеренки»:

Пример математической модели расчета скоринга потенциальных клиентов кредитной организации.

Источник

Скоринговые «призраки»

Если у вас есть несколько лет свободного времени, то можете заняться подобными расчетами вручную. Но такие подвиги в наше время вряд ли оценят, так как вероятность кредитных рисков давно уже вычисляют с помощью искусственного интеллекта — нейросети выносят решения о выдаче или отказе, изучая профили десятков тысяч клиентов за секунды.

Технические средства и программное обеспечение, используемые для скоринга, могут различаться в зависимости от конкретной системы и ее целей. Однако на выходе все они выдают скоринговый балл — чем он выше, тем больше шансов получить одобрение на кредит.

С 2022 года Центробанк утвердил единую шкалу кредитного рейтинга. До этого разные кредитные бюро считали по-разному — где-то высший балл был 850 (как в Национальном бюро кредитных историй), где-то — 1200+ (как в Объединенном кредитном бюро). Теперь всех россиян оценивают по шкале от 1 до 999.

Подробнее о том, что такое кредитный профиль и как он заполняется, можно ознакомиться на примере отчета Объединенного кредитного бюро.

Источник

При этом разные организации применяют разные системы анализа и алгоритмы. Например, считается, что традиционный кредитный банковский скоринг, в котором используют оценочные карты и линейные модели, сегодня устарел. И дело даже не в том, что из-за этого банки выдают кредиты «не тем». Как раз ситуация ровно обратная — огромное количество потенциально добросовестных заемщиков отсеивается скоринговой системой уже на начальном этапе. Просто потому, что они не вписываются в шаблон.

Например, это могут быть:

• финансово состоятельные заемщики, которые вполне способны вносить платежи без задержек, но их кредитная история при этом подпорчена. Например, кто-то в пору юности брал кредит на первый автомобиль — и допустил по нему несколько просрочек.

• Сегодняшние молодые люди, у которых есть не только желание, но и возможности запустить, например, стартап. В подобных случаях очень часто отказывают, так как нет достаточной информации для оценки потенциального заемщика.

Все это приводит к тому, что кредитная организация теряет клиентов — и немало. Скоринговые системы постоянно совершенствуются, в том числе, и за этим — чтобы выявлять «кредитных призраков», которых традиционный скоринг просто не видит.

Есть и другие недостатки скоринговых банковских систем:

• если нет кредитной истории, ни один банк не сможет со 100% уверенностью определить будущее поведение заемщика, опираясь только на результаты скоринга,

• довольно часто банковская оценка не поддается изменениям — если скоринговая система выдала «непроходной балл», заявка автоматически переводится в отказ, исправить результат нельзя,

• наконец, если программа оценивает не клиента, а его ответы на вопросы, то подготовленный заемщик может обмануть систему, успешно пройдя анкетирование и получив положительное решение о выдаче ссуды.

Как улучшить скоринговый балл

Традиционно сложилось так, что после отказа в банке люди обращаются за кредитом в микрофинансовую организацию. Поэтому именно в МФО зачастую создают и внедряют альтернативные системы скоринга. Более того, в МФО могут изменить — улучшить — скоринговый балл. И, даже если он низкий, все равно выдать заем.

Все дело в том, что скоринговый балл не статичен, он постоянно меняется вместе с поступлением новых данных о заемщике. А из-за применения разных методик и градаций результат в разных банках и МФО может отличаться. Поэтому нередко одному и тому же клиенту, который обратился за деньгами, отказывают в одной финансовой организации, но одобряют в другой.

Так, если скоринг покажет, что есть доход, достаточный для обслуживания долга, то МФО скорее одобрит заявку и без кредитной истории. В этом случае скоринговая модель составляется с учетом анкеты и дополнительных сведений из государственных баз данных, соцсетей и других источников. Например, если человек подписан на паблики, связанные с чем-то незаконным, или лайкает/делает репосты соответствующего контента, система это заметит.

Также скоринговые системы могут фиксировать активность потенциального клиента уже на сайте МФО: время, которое он потратил на изучение проекта договора, использовал ли он при этом онлайн-калькулятор, а также другие действия. Так, поспешное поведение может указывать на необдуманность принятого решения — а это уже подозрительно. По этим и другим косвенным признакам выявляется истинная мотивация клиента: например, что он намерен обмануть организацию и выплачивать долг не собирается. 

Также микрофинансовые организации стремятся внедрять свои собственные уникальные решения для скоринга.

— Мы одними из первых среди МФО начали задействовать чат-боты — в нашей компании “МигКредит” их используют не только для скоринга, но и для оптимизации рутинной работы. Это очень помогает, так как через платформу DenumTech за месяц проходит более 3000 клиентских документов. А поскольку все они изучаются в автоматическом режиме, удается высвободить до 1700 человеко-часов. В планах у нас увеличить объемы проверок в три раза. За счет гибкости нашей облачной системы, которая легко интегрируется по API, мы можем предложить быстрые и практически не ограниченные по масштабированию решения для скоринга. При этом нам удается выстроить все процессы между МФО, банками и другими участниками рынка бесшовно — благодаря защищенным каналам связи, — рассказывает директор по развитию бизнеса DenumTech Владимир СОРОКИН.

Скоринг для банков, маркетплейсов, страховщиков

Мобильные операторы тоже научились проводить скоринг — в ход идут уникальные данные абонентской активности. Банк делает запрос оператору связи и с помощью специальной скоринговой системы в реальном времени получает оценку клиента, основанную на определенной модели. Она может включать разные данные: возраст и пол абонента, затраты на связь, модель телефона, разговоры в роуминге, своевременность оплаты.

Например, в t2 разработали модель прогнозирования риска банкротства заемщика. Специалисты компании добились предсказания вероятности, что заемщик решит попытаться обанкротиться в следующие три года с момента скоринга (подробнее о том, как работают такие алгоритмы, можно прочесть здесь).

Также в компании построили модель для оценки рисков в рамках таких направлений, как KYC (ЗСК, «знай своего клиента») и AML («anti money laundering»). Система позволяет определить, насколько организация или ИП могут оказаться в так называемой «желтой» или «красной» зоне по критериям, установленным Центробанком. Эти зоны связаны с рисками возможного отмывания денег или недобросовестным поведением на рынке (подробнее).

В целом особые признаки, доступные только телеком-операторам, такие как балансы, лайфтайм, признаки по контактам абонентов между собой и абонентами других операторов, дают преимущество при использовании не только банкам, но и маркетплейсам, а также страховым компаниям.

— Для банков модель может помочь уменьшить кредитные риски при принятии решения о кредитовании, улучшить обслуживание клиентов через предоставление персонализированных предложений и услуг. Маркетплейсы могут оценить своих клиентов при предоставлении BNPL-продуктов, а также проверить своих продавцов, самозанятых и ИП. А для страховых компаний открывается возможность исключать случаи мошенничества проблемных клиентов, — говорит Булат ЮСУПОВ, бизнес-аналитик команды t2 Fintech.

Поведенческий скоринг и метод ассоциаций

Существуют также скоринговые системы, оценивающие заемщиков не только на этапе рассмотрения заявки, но и на других стадиях — например, когда возникают сложности с выплатой долга. В таких случаях применяется behavioral-scoring (поведенческий скоринг) — метод анализа поведения заемщика на протяжении всего срока сотрудничества с банком. Он позволяет принять решение о пролонгации договора, повышении или понижении кредитного лимита.

Поведенческий скоринг может дополнять «психоскоринг», работающий как детектор лжи. Используя метод ассоциаций и специальные тесты, психолог определяет уровень ответственности и другие личностные характеристики заемщика, которые могут влиять на его способность (или волю) вовремя выплачивать ссуду.

Есть еще fraud-scoring (от англ. fraud, мошенничество в сфере IT). Алгоритмы обращают внимание на определенные стоп-факторы, по которым выявляется нетипичное поведение злоумышленников и их незаконные намерения (или поведение их жертв в случае применения преступниками социальной инженерии).

Современные скоринговые системы не только скрупулезны, но и все более прозрачны. Во многих кредитных организациях сегодня дают возможность клиентам ознакомиться с критериями оценки кредитоспособности и даже оспорить результаты скоринга, если заемщик считает их несправедливыми.

Но, разумеется, контраргументация должна быть обоснованной — «чапаевская аналитика» тут точно мимо.

Источник