RUS

Горячая линия +7 (495) 268-09-63

Аналитика

Обзор решений автоматизированного скоринга и андеррайтинга заемщиков

15.10.2014

В более ранних публикациях мы раскрыли основной функционал комплексных IT- решений при автоматизации бизнеса кредитной организации. Однако рассуждая  об арсенале функциональности, мы в первую очередь задаем вопрос о том, что же это в конечном итоге даст для бизнеса кредитора. Полезность для потребителя  продуктов класса СППР[1], определяется возможностью качественно, быстро и не дорого принимать правильные управленческие решения. Если мы говорим о микрофинансовой организации или банке, то данные решения предполагают поддержку менеджмента при выработке кредитных решений и управлению портфелями ссуд.

 

Поэтому, попробуем оценить то, каким образом и как качественно реализован функционал поддержки принятия решения в наиболее известных для потребителей продуктах. 

 

Критерием выборки для исследования являлось наличие в продуктах алгоритмов принятия кредитного решения и наличие сопутствующих этому моделей. Исходя из возможности получения данных о функционале систем и публичности сторонних разработок, мы рассмотрели:

 

 

Разработчик

Решения

Scorto Corporation

Scorto™ Estimator, Scorto ™ Loan Decision, Scorto™ Supervisor,  Scorto™ Strategy Maven, Scorto™Behavia, Scorto™Model Maestro, Turnkey Lender [2]

Experian Decision Analytics

Объединённый Кредитное Бюро, Национальный хантер, Триггеры, PowerCurve, Reputation Manager 360, Tallyman EasyStart, Hunter Out Of Box

EGAR Technology

EGAR ApplicationScoring, EGAR Behavior & Collection Scoring, EGAR MacroScoring, отдельные решения в АБС EGAR E4 Banking

FICO

FICO® Score, FICO® BRMS, FICO® Blaze Advisor, FICO® Xpress Optimization Suite, FICO®  Application Fraud score:НБКИ

CRIF Decision Solutions

Функционал продукта CRIF CreditFlow, StrategyOne

Бэкап ИТ

РАБИС

Kreditech

Сервис  Zaimo.ru

 

Отсутствие в данном перечне прочих разработок определяется лишь особенностями позиционирования разработчиками своих продуктов, как подходящих и относящихся к данному классу решений, либо особенностями проведения ими маркетинговой компании.

 

Сравнение производилось на основании разработанной Агентством системы оценки потребительских свойств и используемых технологий. Рисунок ниже дает представления о положении того или иного решения в настоящий момент. Зная дату начала того, или иного проекта, можно сделать предположение о скорости их развития.

 

Scoring Benchmarking

 

При оценке перед нами стояла не простая задача. Необходимо было оценить множество свойств и используемых подходов, реализованных в том или ином решении. Надеемся, что наш опыт будет полезен и при самостоятельных оценках и выборе подходящего по качеству решения. Итак...

 

Возможность обучения моделей определяется набором поступающих данных и способностью их качественной обработки. Работу с поступающими от заемщика данными мы оценивали с позиции готовности  обработки следующих видов информации:

При этом делался акцент на том, где разработчик берет данные. То есть учитывался опыт внедрения систем в работающем кредитном бизнесе, количество и география данных для обучения моделей,  возможности их обновления.

 

Data Rating

 

Безусловно, что готовность принимать и обрабатывать различные виды данных предопределяет и адаптивность решений к кредитным продуктам. Мы изучили готовность работы решений со следующими классами кредитных продуктов:

Adaptation Rating

 

С позиции качества верификации данных о заемщике и их дополнения из внешних источников, возможности обучения моделей на внешних данных, мы выделили наличие интеграции со следующими источниками данных:

Качество моделей определяется арсеналом реализованных в них бизнес – правил и процедур проверки, наличием всевозможных триггеров. Мы  выделили следующие типы правил и процедур:

При рассмотрении типов используемых стоп- листов, мы рассматривали возможность интеграции со следующими их видами:

Отдельно позиционируемый разработчиком ETL [3]- модуль мы рассматривали как важный функционал, его наличие является существенным фактором при выборе. Поскольку извлекать данные могут многие, но качественную их очистку производят единицы.

Ранее мы говорили, о важности инструментария поддержки решений в вопросе управления рисками портфелей кредитора. Поэтому, наличие отдельно позиционируемого ALM [4]- модуля так же рассматривался как существенный плюс.

 

Отдельные баллы качества мы присваивали при наличии такого решения как возможность осуществления поведенческой сегментации и возможность организации внутрикорпоративного антифрода. Таким образом, мы изучили возможность применения рассмотренных решений при оценке персонала кредитора и организации системы за предотвращением внутрикорпоративного мошенничества.

Безусловно, что качество принимаемых решений и возможность адаптации моделей зависит и от наличия инструментария аналитиков. В этой связи, при рассмотрении решений, мы оценивали:

Modeling Rating

 

Рассматривая используемый математический аппарат, мы учитывали наличие в арсенале  следующих математических методов:

При этом, оценивая возможность работы с тем или иным арсеналом средств, так же рассматривалась возможность:

Technology

 

С позиции влияния на процесс управления кредитным портфелем, мы оценивали  возможность охвата различных его стадий. В частности, мы оценивали потенциал систем при проведении  следующих процедур:

Помимо этого оценивалась возможность формирования скоринговой карты как таковой, расчету совокупного скорингового балла, групп риска, внутренних кредитных рейтингов, адаптивности решений к стандартам управления рисками, например Basel III+.

Так же оценивалась возможность структурирования на этапы процедуры андеррайтинга, прерывание/пересмотр результатов процедуры и принятия окончательного  решения  риск - офицером самостоятельно.

 

За рамками сравнения мы оставили вопрос о стоимости решений и сроках их внедрения. К примеру, SaaS «Скориста» и или сервис от Kreditech, может быть отнесены к классу Plug & Work, т.е. потребитель услуг андеррайтинга начинает работу после подключения к системе. В то время как «Turnkey Lender» требует настройки моделей, либо покупки их у компании Scorto, а функционал EGAR Technology вообще поставляется лишь в составе автоматизированного банковского комплекса. Таким образом мы постарались акцентировать внимание именно на потребительских свойствах того или иного решения. 

Подводя итоги исследования, мы пришли к выводу, что новички рынка, в течении  относительно короткого периода, могут догнать, а некоторые по потребительским свойствам это уже сделали, таких сторожил рынка как Experian, с его рыночной капитализацией 15 млрд. долларов США. Безусловно, что капитализация обуславливается и инфраструктурными моментами. Однако и стоимость самих алгоритмов играет не последнюю роль.

Как следствие, опираясь  на результаты исследования и наши планы, мы можем рассуждать об увеличении капитализации SaaS «Скориста»  минимум до 57,6 млн. USD уже к середине 2015 г.

 

Кеy-words:

Скориста, Scorista, Scorto, SaaS, ОКБ, PowerCurve, Tallyman, Hunter, EGAR, FICO, НБКИ, CRIF, РАБИС, ApplicationScoring, Скоринг, Андеррайтинг, Zaimo, СППР, Collection, Behavioral, Fraud, ERP, МФО, кредитный риск, микрофинансы, МФО, кредитование, экспресс-кредит, семантический анализ, оценка кредитоспособности, скоринговые системы, модель оценки дефолта, решения для МФО

 



[1] Система поддержки принятия управленческих решений

[2] Оценивался отдельно, как комплексное решение для кредитных организаций

[3] Extract, Transform, Load (ETL) — дословно «извлечение, преобразование, загрузка» — один из основных процессов в управлении хранилищами данных, который включает в себя: извлечение данных из внешних источников; их трансформация и очистка.

[4] Asset Liability Management system (AML - System) – Система управления активами и пассивами

[5] Тест, проводимый с целью оценки достигнутых результатов относительно нормы.

[6] BPMS (Business Process Management Sistem) - класс программного обеспечения для управления бизнес-процессами и административными регламентами.

[7] Прескоринг (предварительный скоринг ) — предварительная оценка вероятности того, что клиент исполнит обязательства по запрашиваемому кредиту. Может проводиться на основании анкетных данных.

[8] Application scoring (скоринг заявителя) – в отличие от прескоринга, более полная оценка вероятности того, что клиент рассчитается по кредитным обязательствам.

[9] Behavioral scoring (поведенческий скоринг) – определение уровня риска невозврата по существующим должникам на основе имеющихся данных о поведении заемщиков.

[10] Collection scoring (скоринг для работы с просроченной задолженностью) – определяют, когда и какие именно меры должны быть приняты в отношении неплательщиков.

[11] Fraud-scoring – вид скоринга, статистическая оценка вероятности мошеннических действий со стороны потенциального заемщика.

[12] При Attrition и Response скоринге оценивают реакцию клиента на направленные ему предложения и возможность отказа от исполнения обязательств.

 

Титенский Роман, директор по рискам, кандидат экономических наук