Як скоринг допомагає фінансовим компаніям оцінювати надійність клієнтів?

Скоринг (від англ. «scoring» — підрахунок балів) — це методика оцінки фінансового ризику. Вона дозволяє за певною бальною системою проаналізувати набір ознак, які характеризують клієнта (позичальника), і визначити, чи варто надавати йому фінансові послуги (кредитування, страхування тощо).

Скоринг не є новим явищем для сучасного бізнесу. Поштовхом до його створення стала Друга світова війна. Саме тоді більшість кредитних спеціалістів (переважно вони були чоловіками) пішли на фронт, а банківські установи шукали, ким можна замінити цих фахівців та як швидко навчити нових співробітників азам кредитування.

Для цього кожному кредитному спеціалісту перед тим, як йти на фронт, компанія пропонувала написати певну інструкцію. Вона містила інформацію про те, як правильно приймати рішення при ухваленні або відмові щодо кредитування клієнта. Цим документом користувалися у роботі нові наймані працівники. Він допомагав їм розібратися у темі надання кредиту. Тож, такий досвід і став основою майбутніх систем експрес-оцінки позичальників.

Воєнне вторгнення рф до України у лютому 2022 року призвело до збитків фінансових компаній від кредитного ризику та частки NPL (Non-performing loan, від англ. «прострочений кредит»). Так, станом на 1 липня 2022 року, частка NPL у кредитному портфелі компаній сягнула 35,5%, хоча ще в березні показник був 31,5%. Саме тоді НБУ спростив умови для роботи банків в умовах війни:

• можливість надавати послуги кредитування, навіть якщо банки зазнаватимуть збитків;
• застосовувати «кредитні канікули» без урахування прострочки за кредитом під час оцінювання кредитного ризику;
• здійснювати реструктуризацію кредитів тощо.

Ці заходи допомагають підтримувати економіку України. Своєю чергою, своєчасна та правильна оцінка кредитного та фінансового ризику — запорука подальшої стійкості банківських та страхових підприємств.

Коли банк ухвалює рішення щодо погодження чи відмови у кредитних коштах, він використовує зазвичай свою аналітику — кредитний скоринг. Щоб створити максимально об’єктивний портрет позичальника, аналізуються, наприклад, його стать, вік, сімейний стан, наявність майна, кредитна історія тощо. Кожен з пунктів має певний бал. Чим він вищий, тим більш благонадійним вважається позичальник.

В основі кредитного скорингу лежить припущення, що клієнти зі схожими критеріями, найімовірніше поводять себе однаково. Тобто, якщо у базі банку є чорний список клієнтів за певними критеріями, які вчасно не сплачували кошти, система буде аналізувати нових, враховуючи ці критерії. Наприклад, є ненадійний клієнт, який вчасно не погасив кредит. На час оформлення кредиту позичальник мав такі дані: відсутність власного житла, особистого авто, офіційного місця роботи, кредитної історії. Тому, коли скорингова система банку буде аналізувати нових клієнтів за такими саме параметрами та фіксувати збіги, то «вважатиме», що нова подібна аудиторія теж швидше за все не погасить кредит вчасно. Цю інформацію врахує спеціаліст з кредитування перед ухваленням рішення.

Зазначимо, скорингова модель складається з великої кількості позицій, які постійно доповнюються, змінюються та адаптуються до сучасних умов. Під час аналізу клієнта на схильність до шахрайства або банкрутства фінансова організація встановлює певний поріг. Це мінімально допустиме значення загального скорингового балу, при якому позичальнику видають кредит. Залежно від політики компанії та ситуації на ринку поріг може змінюватися.

У кожної фінансової компанії скорингова модель індивідуальна та конфіденційна. Корпоративна таємниця зберігається, тому що шахраї, дізнавшись перелік критеріїв зі скорингової моделі, можуть фальсифікувати відповідні документи для отримання кредиту. Іноді такі дані можуть «зливатися» зловмисникам працівниками банку. Щоб цьому запобігти необхідно забезпечувати захист скорингової моделі, періодично перевіряти працівників банку, систематично оновлювати параметри у скорингових моделях.

За оцінюванням фахівців, у типовій скоринговій моделі присутні від 10 до 30 параметрів. Зокрема майже 10 з них використовуються для споживчого кредитування, а близько 30 — для автокредитування або іпотеки. Наприклад, оцінка кредитного скорингу може створюватися за такими базовими критеріями: сімейний стан, наявність особистого авто, частота зміни роботи, трудовий стаж, як довго проживає за останнім зареєстрованим місцем тощо.

Для того, щоб фінансова компанія могла доповнити свою скорингову модель перевірки й мати можливість аналізувати ще більшу кількість параметрів, застосовують додаткові інструменти, одним з яких є аналітика великих даних (Big Data). Цей інструмент підходить для перевірки клієнта, якщо у нього відсутня кредитна історія або потрібні додаткові метрики для оцінки, щоб ухвалити рішення про надання кредиту.

Фінансовим скорингом від Київстар компанії можуть скористатися, інтегрувавши систему через API. Оцінка позичальника відбуватиметься наступним чином:

• Перший етап — клієнт звертається до вашої компанії за кредитом або страховкою.
• Другий етап — ваш працівник за API надсилає запит на формування скорингового балу.
• Далі система скорингу автоматично аналізує телеком-інформацію за мобільним номером цього клієнта та надає відповідний скоринговий бал.
• Потім скоринговий бал по API передається в банк чи страхову компанію, від яких надійшов цей запит.
• Останній крок — відповідно до цього балу банк чи страхова компанія ухвалюють рішення про надання кредиту або страховки позичальнику.

Скоринговий бал формується за допомогою аналізу Big Data (укр. великі дані) від Київстар: здійснюється аналіз майже тисячі поведінкових маркерів із застосуванням алгоритмів machine learning. Автоматично без втручання людини аналізується телеком-поведінка майбутнього позичальника. У підсумку складається загальна сума балів. Те, як клієнт користується мобільним зв’язком, може вказати на його фінансову благонадійність.

• Прискорює аналіз заявок на отримання кредиту чи страхового поліса.
• Допомагає з великою точністю відрізняти надійних клієнтів від шахраїв і неплатоспроможної аудиторії.
• Зменшує втрати через неповернення кредитів та дозволяє більш якісно і швидко оцінити ризики банку, позбавивши його можливих збитків.
• Дозволяє побудувати ефективну систему прийняття рішень при кредитуванні чи страхуванні та централізовано продумувати фінансову політику.

Big Data-скоринг від Київстар може стати допоміжним інструментом під час страхування чи кредитування. Замовити консультацію фахівця та дізнатися більше про інструмент можна на сайті.