Аналитика

Альтернативная оценка заемщика: как имя и дата рождения помогут оценить предрасположенность к кредитованию и неуплате долгов.

 

Мы уже делились своими исследованиями и успехами в области нестандартного подхода к оценке заемщиков. Год назад мы попытались по-новому взглянуть на процесс андеррайтинга заемщиков при ограниченном наборе данных. И создали модель по  семантическому анализу профилей заёмщиков в социальных сетях для выработки решения о кредитовании. Это позволило «Скористе» улучшить качество принятия решений без каких либо существенных для кредитора затрат.

Не так давно эксперты аналитического агентства «Скориста», получив примерно полмиллиона кредитных заявок с указанием базовых данных - ФИО и дата рождения, попробовали сделать на их основании модель, чтобы оценить предрасположенность заемщиков к кредитованию [1].

Какую методику мы применили для построения этих факторов?

 

 

Для начала мы решили попробовать использование кабаллистической нумерологии. Каждой букве присваивается соответствующая цифра, далее они складываются до простого числа, дополнительно можно сложить колонки каждого шага. В итоге получаются данные, которые и войдут для построения в модель.

 

 

 

 

 

 

При этой модели мы получили простые цифры и никаких зависимостей на предрасположенность к кредитованию или просрочке у заёмщиков не обнаружили.

А вот вторая модель – «квадрат Пифагора» оказалась гораздо интереснее, поскольку она дает более широкий диапазон данных и показывает в некоторый степени характер человека.

За основу здесь берется дата рождения человека и с помощью определенных правил из этих цифр выводятся рабочие цифры, которые далее заполняются в соответствующие ячейки квадрата.

 

Какие закономерности  нам удалось обнаружить?

Каждая ячейка в квадрате Пифагора отвечает за определенное человеческое качество. Давайте посмотрим на них по порядку:

1. Характер, волевые качества. Чем больше единиц в первом квадрате, тем сильнее характер. Такие люди реже берут кредиты и допускают просрочку.

2. Энергетика. Темпераментные люди больше привержены кредитованию и допускают просрочку чаще.

3. Познание. Это очень любопытный квадрат. Люди, у которых здесь количество троек больше четырех, чаще пользуются кредитами и составляют свой финансовый план таким образом, чтобы получить максимальную выгоду от кредита.

4. Здоровье. Чем больше четверок, тем количество кредитов меньше.

5. Логика, интуиция. Здесь отражается склонность к мошенничеству, умение выстраивать какие-то неординарные схемы. Выясняется, что те, у кого здесь выходит более трех пятерок, берут кредиты, но не выплачивают их. При этом такие люди умудряются не иметь об этом записи в ФССП. Для нас это стало откровением.

6. Труд - также интересный квадрат, показывающий способность человека зарабатывать деньги, и что для него в приоритете. При количестве более трех шестерок наблюдается увеличение суммы кредита.

7. Везение, удача. Здесь зависимость простая. Чем больше семерок, тем чаще им одобряют кредит.

8. Чувство долга. Здесь выявилась другая зависимость. При развитом чувстве долга - кредитов больше, сумма меньше и высокий процент просрочки. При не развитом чувстве долга, сумма кредита больше. 

9. Ум, память. Мы можем увидеть, как человек пользуется деньгами в принципе. При высоких показателях ума, потребность в кредитах у него понижается.

 

 

Есть секретные методы, как быстро построить и считать информацию из квадрата Пифагора. Нижняя строка (цифры 3,6,9) - это основа человека, которая может показать нам,  насколько он был защищен своими родителями, то есть его социальный статус.

Чем больше цифр в колонке посередине, тем выше у людей потребность в финансовой независимости. Они будут стремиться к ней всеми способами, чтобы обеспечить семью. А чем больше цифр во второй строке, тем большее значение имеет для человека семья.

 

Мы построили две модели: предрасположенность к кредитованию и предрасположенность к просрочке

 

   

Этой информации оказалось достаточно, чтобы предсказать конверсию. То есть мы взяли тех, у кого в кредитной истории есть более 10-15 кредитов. Их было не очень много - около 10%. И мы считаем, что такие клиенты не будут возвращать, а скорее набирать новые кредиты и за их счет возвращать текущие займы. Что касается приверженности к к просрочкам, здесь следующая зависимость: чем выше балл, тем выше предрасположенность.

Эксперимент по использованию этой модели мы провели для лидогенераторов, что помогло увеличить им конверсию в полтора раза. Тем, кого мы отобрали, МФО выдали займы и увеличили выдачу почти в полтора раза - от 1,2 до 3.

 

 

 

В результате кредитного решения от «Скористы» на карточке заемщика отображается весь массив данных, которые мы о нем узнаём: оценка добросовестности и благонадежности, платежеспособности и мошеннического фактора, наличие исков и правонарушений. В ней также теперь присутствует альтернативная оценка заемщика, где формируются баллы не только на основании профилей в соцсетей, но и на базе модели “квадрат Пифагора”, что позволяет МФО обогащать данные.

 

______________________________

[1] - Доклад на 3-й практической конференции «Кредитный скоринг. Новые технологии, передовые модели, кейсы лидеров», Москва, сент. 2014 г.

(http://www.reglament.net/event/scoring).

 

 

Мария Вейхман, Управляющий проектом

Роман Клочков, Директор по развитию