Як лідери ринку використовують big data і новітні технічні розробки для зниження кредитних ризиків, «Мінфіну» розповів СЕО Artellence Володимир Лозовий.
Як це працює зараз
Як правило, банки і кредитні компанії мають обмежену кількість інформації про своїх клієнтів, і тільки деякі з цих даних можуть допомогти визначити ймовірність неповернення кредиту. В першу чергу мова йде про кредитну історію людини: банк або інша кредитна організація дивиться на кількість попередніх кредитів і успішність їх виплати. Але кредитна історія не завжди дає повну картину: хороша кредитна історія не означає, що людина і в цей раз віддасть кредит — у нього може статися фінансова криза або серйозно змінитися особисті обставини. Що вже говорити про тих, чия кредитна історія практично відсутня — тобто про тих, хто брав 1-2 кредита або не брав їх взагалі (а це близько 10-20% всіх клієнтів)? В такому випадку банки часто виявляються безсилими і змушені давати кредити фактично «наосліп». Якщо тільки вони не використовують технології big data.
Чи є альтернатива?
Аналіз кредитної історії та транзакційних даних — метод, перевірений часом, і відмовлятися від нього не варто. Але часто його можна істотно доповнити завдяки більш глибокому розумінню психології клієнта — а також безлічі інших параметрів, пов'язаних з його особистістю, поведінкою, вподобаннями й інтересами. Візьмемо, наприклад, двох нових клієнтів, які хочуть взяти кредити. Їх кредитні історії незаймані, а платіжні картки практично не використовуються. Дані мобільних операторів не дають цінних инсайтів — і компанії залишається тільки сподіватися на долю і сумлінність нового клієнта. Але що, якщо цю сумлінність можна верифікувати за допомогою даних з відкритих джерел?
Саме цим і займається штучний інтелект: він аналізує масу даних про людину, щоб зрозуміти, хто вона така, яка поведінка їй притаманна, та чи схильний він ризикувати — і масу інших параметрів. Таким чином, після аналізу профілів двох нових клієнтів ми отримуємо готову відповідь: один з них — спокійний і відповідальний менеджер зі стабільною роботою і сім'єю, а другий — любитель азартних ігор з високим рівнем емоційності. Питання «кому давати кредит?» відпав за лічені секунди.
Що дає big data
За допомогою вхідних даних і проаналізованої інформації з відкритих джерел, побудована на основі big data модель дозволяє значно доповнити і вдосконалити вже працюючу систему. У режимі реального часу штучний інтелект може проаналізувати профіль потенційного клієнта і видати кредитний рейтинг людини разом з набором додаткових полів. По суті, всього за 10 секунд банк або МФО може прийняти рішення — видавати чи не видавати кредит клієнту.
Подібна система відмінно працює і для тих, у кого є велика кредитна історія, і для нових клієнтів. У першому випадку вона істотно доповнює вже готове рішення: інтеграція big data технологій в готову систему робить приріст в 5-15 п.п. Gini, а це істотна різниця при будь-яких показниках. Якщо ж клієнт вперше бере кредит, модель дозволяє передбачити ймовірність повернення і приймати рішення виходячи з безлічі показників замість того, щоб грати в інтуїцію. І все це працює в режимі реального часу.
Як це робиться
За допомогою алгоритмів штучного інтелекту вивчаються дані з відкритих джерел. Це допомагає оцінити сотню параметрів потенційного клієнта, включаючи його дружелюбність, любов до азартних ігор, рівень ліні і освіту. У хід йдуть практично всі публічні аспекти онлайн поведінки — лайки, реакції на новини або певні пости, улюблені додатки, і навіть словниковий запас. Вся зібрана інформація чиститься, структурується і обробляється для того, щоб навчити моделі, які в подальшому прогнозують ту саму сумлінність людини — зможе (та чи захоче) він віддати взятий кредит.
Завдяки всьому цьому можна дізнатися важливі аспекти особистості людини — наприклад, його основні інтереси, його загальну активність, рівень інтелекту або любов до екстриму. Чи показує все це кредитна історія? Не думаємо. Аналіз профілю клієнта дозволяє з максимальною точністю передбачити не тільки ймовірність повернення кредитних коштів, а й те, чи схильна людина їх не повертати в принципі — за своїм психотипом або особистими обставинами. Таким чином, компанія отримує готове рішення і максимально точний кредитний рейтинг потенційного клієнта всього за кілька секунд — і на його основі приймає правильне рішення.
До недавнього часу банки і МФО бачили клієнта, що складається з купи цифр — історії погашення кредиту, заробітної плати, особистого майна і частих транзакцій. Big data ж дозволяє за всіма цифрами побачити особистість — відповідальну людину, яка зробить все, щоб віддати кредит, або навпаки — «лінивця», що має пристрасть до покеру. Кожна людина залишає безліч інформаційних слідів в соцмережах і за їх межами — їх не тільки можна, але й потрібно використовувати, щоб мінімізувати ризики і приймати тільки правильні рішення.