Телеком-скоринг: что о клиенте расскажет мобильный оператор
По словам Big Data Product Manager компании Киевстар Игоря Луценко, данные телекоммуникационных операторов могут значительно улучшить точность и качество оценки рисков заемщика.
«Абонент оставляет цифровой след в базе мобильного оператора, который прекрасно описывает его поведение. На основе этих данных мы можем достаточно точно прогнозировать какое-то будущее этого абонента. Нужно знать только номер телефона», — подчеркнул эксперт.
Основные данные, которые собирают операторы связи и которые участвуют в скоринговых моделях, следующие:
- Характеристики устройства: модель, мощность процессора, разрешение экрана, операционная система
и т. д. - Срок жизни абонента, то есть когда была активирована SIM-карта и сколько ею пользуются.
«Если за 5 минут до того, как человек обратился за кредитом, это, вероятно, не ОК. Если SIM-карта у абонента 5 или больше лет, это с более надежной стороны его характеризует», — пояснил Игорь Луценко. - Характер использования телеком-услуг. То, куда звонит или пишет сообщение абонент, и от кого получает ответы, тоже определенным образом его характеризует.
- Мобильность. Речь идет о передвижении абонента, а заодно — и образе его жизни.
- Характер использования кредитных товаров. Киевстар дает возможность по окончании средств на счете получить определенную сумму, так сказать, в кредит. В этом плане интересно, не только, как часто абонент пользуется такой услугой, но и его платежная дисциплина.
- Использование интернет-трафика.
«Абоненты ходят на разные сайты, пользуются разными приложениями, используют разные сервисы. Это также дает им определенные характеристики», — отметил Игорь Луценко. - Круг общения. Сведения о людях, с которыми чаще всего общается абонент, тоже дополняет его характеристику и о многом свидетельствует.
Адаптивный скоринг: как он работает
Основатель компании RiskTools и БКИ Online Денис Зикеев советует финансовым компаниям для оценки платежеспособности клиентов обратить внимание на адаптивный скоринг (автоматическая балльная система оценки заемщика — ред.). Он особенно действенен в нескольких случаях, а именно:
- во время мятежей в социальном пространстве (война, пандемия
и т. п. ), - при запуске новых продуктов,
- при выходе на новые рынки,
- для адаптации к регуляторным изменениям.
Классический скоринг в этих случаях не всегда применим, поскольку он требует обучения на большом количестве данных, а их в меняющихся условиях может и не быть.
«Также классический скоринг требует достаточно зрелого портфеля, на котором проводится обучение. Кроме того, для классического скоринга нужны стабильно-длительные условия для оценки результатов модели, а также длительный срок ее построения», — рассказал Денис Зикеев.
Читайте также: Что может дать рынку кредитования новый толчок
Адаптивный скоринг состоит из трехуровневой архитектуры: классические скоринги, модели самообучения, модели калибровки.
Такое построение позволяет отслеживать изменения в текущем портфеле и сразу корректировать его качество. Благодаря работе моделей самообучения ощутимо падает уровень неопределенности. К тому же, их может быть несколько, и они будут анализировать разные сегменты данных.
Модели же третьего уровня — калибровка — анализируют результаты моделей автообучения и превращают их в окончательное решение по выдаче кредита.
«Это самобалансировочная система, позволяющая пройти путь от полной неопределенности к условиям, при которых можно построить классический скоринг с максимальным профитом для компании или с минимальными убытками», — рассказал Денис Зикеев.