Поделиться
Без автоматизации кредитного скоринга банкам не обойтись
Кредитный скоринг в банковском секторе становится одной из ключевых технологий. Логично, что на рынке ИТ-приложений появились соответствующие решения. В статье были рассмотрены различные виды кредитного скоринга. Данный материал посвящен анализу поддерживающих его систем автоматизации.В большинстве банков используются различные виды скоринга: Application scoring для оценки кредитной заявки, скоринг поведения, или Behavioral scoring, для анализа действий заемщика и его платежеспособности, Сollection scoring для работы с просроченной задолженностью и Fraud scoring, нацеленный на оценку вероятности мошеннических действий со стороны заемщика.
Учитывая сложность применяемых в кредитном скоринге алгоритмов и большие объемы анализируемых данных, совершенно логично, что без поддержки данных методик со стороны ИТ не обойтись. Многие крупные банки разработали свои информационные системы для решения данных задач, а небольшие чаще используют таблицы MS Excel. В то же время есть финансовые организации, которые пользуются готовыми ИТ-решениями, существующими на рынке.
Помимо вышеперечисленных, есть такие технологии скоринга, которые позволяют анализировать эффективность направленных потребителю предложений (скоринг отклика, Response scoring) и оценивать вероятность, что потребитель уйдет к другому банку (скоринг потерь, Attrition scoring). На сегодня они не столько популярны в российских банках.
В данном случае речь идет скорее о методах работы с клиентской базой, характерных для CRM-решений. «Вопросы оценки эффективности того или иного обращения, мероприятий по удержанию клиентов, предоставлению того или иного сервиса обычно ставятся в этом сегменте решений. Поскольку часто ответы на вопросы сопряжены с моделированием, предполагается задействование комплекса информационных систем, хранящих, обрабатывающих (моделирующих) и представляющих данные. Именно масштабность и ресурсоемкость подобных решений является сдерживающим фактором к широкому их применению», – объясняет Юрий Дубровский, ведущий аналитик компании Cinimex.
Правила от Базеля
Система кредитного скоринга должна удовлетворять требованиям Базеля II, как то: качественно структурировать риски (семь категорий оценки для «хороших» заемщиков и одна для «плохих»), иметь возможность развития от экспертной до автоматизированной оценки по мере накопления статистических данных, контролировать и оценивать как комплексные показатели, так и данные по каждому заемщику, обладать единой системой документирования процесса построения скоринговых моделей, предоставлять возможность корректировки модели как по всему портфелю, так и по высокорисковым областям.В связи с требованиями соответствия Базелю II банки будут уделять внимание формализации и автоматизации процедур скоринга, выстраиванию соответствующих программных средств и сбору статистических данных для этих задач, уверен Юрий Дубровский. Однако большая часть данных и так собирается и анализируется, хотя и не всегда автоматизированно. «Скорее, внимание будет на правильное, в соответствии с требованиями Базеля, построение процедур обработки и формирования необходимых отчетных показателей, в том числе распределенных по ряду систем банка», – говорит эксперт. Это может вызвать дополнительный интерес к интеграции децентрализованных решений, к обработке значительных объемов исторических данных Big Data, что можно наблюдать в некоторых крупных банках.
Наиболее известные программные пакеты от зарубежных разработчиков: SAS Credit Scoring, K4Loans (KXEN), Experian Decision Analytics, EGAR Scoring, Scorto, а также решение от компании FICO, которая ранее называлась Fair, Isaac and Company и в 2013 г. вышла на российский рынок. Среди российских разработок в данной области можно выделить компании «Диасофт» и Basegroup Labs. Помимо них, на рынке существует множество небольших игроков.
Возможности ИТ-решений
Анализируя функционал и технологии специализированных систем кредитного скоринга, можно увидеть, что в них содержатся и средства обработки и хранения информации, и инструментарий формирования витрин данных, и широкий набор аналитических инструментов для построения и анализа моделей кредитного скоринга, а также система отчетности для оценки работоспособности скоринговых моделей и состояния кредитного портфеля. Именно в ИТ-решениях, автоматизирующих применение скоринговых моделей, активно используются все технологии углубленной аналитики, которые и позволяют давать прогнозы и принимать правильные решения.
Нужно отметить, что сегодня существует возможность передать кредитный скоринг на аутсорсинг, не развивая внутри банка соответствующую компетенцию. На российском рынке уже есть компании, оказывающие подобные услуги, например, «Объединенное кредитное бюро» (ОКБ), использующее ИТ-решение Experian Decision Analytics, или «Национальное бюро кредитных историй» (НБКИ), работающее на технологиях компании FICO. Можно заключить, что вариантов организации кредитного скоринга, начиная от легких решения и заканчивая полным аутсорсингом данной функции, в России представлено достаточное количество.
При аутсорсинге скоринга банку требуется доработать и поддерживать свою инфраструктуру обмена данными в форматах и по протоколам, предлагаемым аутсорсером. На особенностях такого подхода к организации скоринга акцентирует внимание Юрий Дубровский. «Для разных аутсорсеров форматы различны, поэтому, если банк работает с несколькими БКИ, поддерживать придется не один формат. Впрочем, иногда аутсорсер может оказывать услуги обработки множества форматов. Проблемой в данном подходе становится то, что накопление статистики происходит по большей части на стороне аутсорсера, и у банка в будущем могут возникнуть трудности, связанные с отсутствием этой статистики в собственном распоряжении», – предупреждает эксперт.
Для большинства банков кредитный скоринг является своего рода аналитическим ядром розничного бизнеса, что приводит к постоянному совершенствованию его алгоритмов и дает возможность внесения в них изменений в кратчайшие сроки и применения типизированных приемов.
В этом случае без серьезной автоматизации уже не обойтись, банки вынуждены двигаться в сторону централизации ИС розничного блока. Использование специализированных скоринговых систем может быть экономически выгодным.
В части аутсорсинга на российском рынке сейчас наблюдается гибридная модель: аутсорсер предоставляет дополнительную информацию, а основная уже собрана внутри банка. Это позволяет повысить качество решения. Ведь если розница является ключевым направлением, то, скорее всего, банк будет развивать экспертизу в области скоринга.
Андрей Коптелов
Короткая ссылка
