Як працює телеком-скоринг та яку користь приносить фінустановам?
20 липня 2023 6 хвилин читання

Як працює телеком-скоринг та яку користь приносить фінустановам?

Огляди рішень#Телеком-скоринг#Бізнес#Аналіз#Антифрод#ФінансовийСкоринг

Про що:

Кожна фінустанова має скорингову систему, яка оцінює платоспроможність потенційних позичальників. Як правило, така система базується на декількох джерелах даних. Наприклад, банківські операції, анкета клієнта, правопорушення, дані бюро кредитних історій. Проте чим більше даних у скорингових моделях, тим вище їхня якість. І аби суттєво покращити точність оцінки ризиків, варто використовувати ще й телеком-скоринг. Як працює телеком-скоринг та яку користь приносить фінустановам — розповідає Ігор Луценко, Big Data Product Manager компанії Київстар.

Зміст

Що таке телеком-скоринг і для чого він бізнесу

Які дані може аналізувати оператор для телеком-скорингу?

Як допомагає машинне навчання?

Які завдання розв’язує аналіз телеком-даних?

Додаткові антифрод-інструменти

Що таке телеком-скоринг і для чого він бізнесу

Скоринг (від англ. «scoring» — підрахунок балів) — це методика оцінки фінансового ризику. Вона дає змогу за певною бальною системою проаналізувати набір ознак, які характеризують клієнта.

Розповімо на прикладі. Кожен телефон залишає цифровий слід у телеком-мережі. Такі дані постійно накопичуються в операторів. Вони можуть бути не лише архівом, а й працювати на користь бізнесу. По-перше, оператор може аналізувати їх, аби покращувати свій бізнес та створювати персоналізовані пропозиції для своїх абонентів. По-друге, завдяки аналітичним моделям на основі Big Data можна покращувати ефективність роботи інших компаній.

Як це працює? Скажімо, телефон «доїхав» до кордону і вимкнувся на два тижні — він більше не в мережі оператора. Завдяки такій телеком-поведінці можна зробити висновки, що абонент зараз у роумінгу, але він не користується роумінгом від Київстар. А додавши історичні дані, можна зробити висновок, що така телеком-поведінка абонента регулярна. Тобто, імовірніше, поїздки пов’язані із роботою. Оператор це може використати для створення персональної пропозиції щодо зв’язку у роумінгу. Абонент отримає зручний тариф, а оператор збільшить дохід.

Важливо, що для такого аналізу не використовуються жодні персональні дані користувачів — дані, які аналізуються, виключно неперсоніфіковані та узагальнені.

Багато бізнесів застосовують також можливості телекому для ідентифікації своїх клієнтів на певних ресурсах або для підтвердження окремих дій. Саме у такий спосіб, наприклад, здійснюються банківські операції клієнтів. Як саме це працює?

  • Під час реєстрації нового клієнта: фінустанова зберігає контактні дані клієнта та верифікує мобільний номер.
  • При повторних зверненнях клієнта: для підтвердження особи клієнта фінустанови використовують ідентифікацію за номером телефону.

Проте це не всі можливості, які завдяки мобільному номеру клієнта можуть мати фінансові установи для ефективної роботи бізнесу. Наприклад, аналіз даних телеком-оператора може покращити роботу з клієнтами, які потребують позики, та убезпечити компанію від ризиків неповернення кредитів боржниками. Це можна робити завдяки телеком-скорингу.

Дані та аналітика темна

Дані та аналітика

Фінансовий скоринг

Рішення на базі Big Data, щоб перевіряти надійність клієнтів та запобігати втратам при видачі кредиту чи страхуванні.

Спробувати

Телеком-скоринг дозволяє:

  • Запобігати виникненню заборгованості та проводити глибоку оцінку ризиків при видачі кредитів.
  • Пришвидшувати аналіз заявок на отримання позичальником кредиту.
  • Працювати з наявною базою боржників — розділяти напрямки роботи з боржниками та пріоритезувати їх.
  • Правильно комунікувати з боржниками — обирати найбільш вдалий час і формат для комунікації.

Читайте також: Як скоринг допомагає фінансовим компаніям оцінювати надійність клієнтів?

Які дані може аналізувати оператор для телеком-скорингу?

Таких даних багато, проте ось основні:

  • Характеристики пристрою абонента: наприклад, тип операційної системи або модель телефону.
  • Строк «життя» абонента: як довго він є клієнтом телеком-оператора.
  • Характер використання телеком-послуг: голосових дзвінків, повідомлень, підключення до інтернету. Аналізується співвідношення вхідних і вихідних дзвінків, кількість повідомлень від фінустанов тощо.
  • Мобільність: до яких базових станцій підключається абонент — у межах конкретних районів, міст або країн.
  • Витрати на телеком-послуги: як абонент сплачує за зв’язок — з певною регулярністю, не платить взагалі, більшість часу має нульовий баланс тощо.
  • Використання інтернет-трафіку: чи користується взагалі послугами інтернету та чи відвідує певні ресурси.

Як допомагає машинне навчання?

У телеком-операторів є тисячі даних про абонентів. Ефективно їх оцінювати та покращувати прогнози щодо ризиків допомагає використання алгоритмів на основі машинного навчання (від. англ. machine learning). Як це працює? Ми віддаємо алгоритму телеком-дані певного абонента та додаємо до аналізу приклади різних інших людей, щоб навчитися відрізняти їх один від одного. І алгоритми знаходять між ними кореляції.

Наприклад, можемо дати два приклади абонентів: тих, які брали кредити й повернули їх, та тих, які брали кредити, але не повернули. Аналізуючи дані, можна знайти важливі критерії для оцінки вірогідності дефолту позичальників.

В результаті ми отримуємо робочий алгоритм, який можемо застосовувати до людей, яких ми ще не аналізували, але які підпадають під ті самі характеристики. В іншому варіанті аналізу це можуть бути приклади людей, які погасили кредит і тих, хто має борг. Тоді алгоритм буде шукати, з якою ймовірністю людина, яку ми даємо для аналізу, погасить свою заборгованість.

Які завдання розв’язує аналіз телеком-даних?

1. Оцінка ризиків:

  • Прогноз дефолту — обширний і точний аналіз можливості невиплати боргу.
  • Розрахунок суми кредиту — наскільки клієнт платоспроможний.
  • Пошук шахраїв — перевірка позичальника на етапі знайомства, щоб визначити потенційних шахраїв.

Треба враховувати, що не завжди за грошима приходить той клієнт, чиї дані ми перевіряємо. Наприклад, номер телефону може належати надійному позичальнику, але сім-карта може бути вкрадена. 2. Робота з базою боржників:

  • Оцінка портфеля боржників фінустановою Передбачає оцінку базових характеристик: яка кількість номерів у портфелі, у скількох з них змінився власник з моменту підписання угоди тощо.
  • Пріоритезація бази З певними боржниками комунікації варто вести вже виключно юридичними каналами. Проте з іншими варто розмовляти, аби в процесі спілкування можна було знайти можливості для повернення боргів. Таке ранжування, яке можна зробити завдяки аналізу телеком-даних з огляду на актуальний стан клієнтів, дозволяє ефективно працювати з тими, в кого залишається найвища ймовірність повернути заборгованість.

3. Комунікація:

  • Вибір оптимального часу для комунікації Варто враховувати тригери — події, на які може вказувати певна телеком-поведінка абонента. Скажімо, абонент повернувся в рідне місто, де є установа банку, і це може бути приводом для продуктивного поновлення комунікації.
  • Автоматизація процесу дозвону Може бути налаштована пряма взаємодія з IT-системами фінустанови, щоб автоматизувати процес вчасної комунікації. Наприклад, можна налаштувати тригером для автоматичного дзвінка подію, при якій телефон боржника вмикається після того, як довгий час був вимкнений.

Додаткові антифрод-інструменти

Убезпечувати фінустанови від ризиків шахрайств чи накопичення проблемної заборгованості допомагає послуга «Антифрод» — це інструменти, з якими працює Київстар:

  • SIM-Check — перевірка, чи відновлювалася карта останнім часом.
  • LifeTime Check — перевірка дати активації SIM-карти.
  • SIM Count — перевірка кількості SIM-карт у пристрої абонента за певний період часу.
  • Roaming Check — перевірка даних про те, чи перебуває абонент в Україні.

Тож, перевіряйте надійність клієнтів та запобігайте потенційних втрат завдяки розумним інструментам на базі Big Data від Київстар. Замовити консультацію можна на нашому сайті.

Дані та аналітика темна

Дані та аналітика

Антифрод від Київстар

Набір інструментів, що допомагають оцінити підозрілість фінансових операцій та реєстрацій на сайті за допомогою аналізу SIM-карти клієнта.

Огляди рішень#Телеком-скоринг#Бізнес#Аналіз#Антифрод#ФінансовийСкоринг

Зміст

Що таке телеком-скоринг і для чого він бізнесу

Які дані може аналізувати оператор для телеком-скорингу?

Як допомагає машинне навчання?

Які завдання розв’язує аналіз телеком-даних?

Додаткові антифрод-інструменти

Додайте коментар

Усі коментарі публікуються після модерації. Будь ласка, пишіть українською, без спаму та нецензурних слів.

Схожі статті

#ІнтернетРечей#Бізнес#IOT#M2M#SIM-карта#IOTISKYIVSTAR
#Кібербезпека#Cybersecurity#AntiDDoS#Антифрод#BigData#Захист#DDoS-атака#Кібератака
#AntiDDoS#Cybersecurity#Кібербезпека#Кібератака#NextGenerationFirewall#EmailSecurity#Фішинг
#ADWISOR#BigData#MicrosoftAzure#IOT#ATC#ОфісТамДеВи#ФінансовийСкоринг#Star.Docs#ЕДО#ЕлектроннийДокументообіг#Бізнес
#BigData#Антифрод#Телеком-скоринг
#ФінансовийСкоринг#Київстар#BigData#БігДата#Компанії#Бізнес-аналітика#Антифрод
Як залучити клієнтів на кредитування8 травня 2020 3 хвилини читання

Як залучити клієнтів на кредитування

#BigData#Look-alike#ПортретКлієнта#Скоринг#ТаргетованіРозсилки#БігДата#ФінансовийСкоринг#Клієнт
#BigData#Технології#Телеком#БігДата#Інновації#Антифрод#Скоринг#Бізнес-аналітика

Підпишіться на щомісячну розсилку найцікавіших новин та отримайте промокод на Київстар ТБПідпишіться на розсилку