Управление кредитными рисками

Управление
кредитными рисками
Природа рисков
Можно ли
доверять
клиенту?
Верно ли клиент
оценил
финансовые
возможности?
Можно ли
доверять данным
о клиенте?
Источники
проблем
Оценка рисков
Не существует одного способа управления
всеми рисками.
Для каждой категории рисков:
1. Формализовать логику оценки
2. Оценить риск количественно
3. Встроить в бизнес-процесс
Проблемы с
данными
Качество данных: проблема
Ошибочные
данные
Правильная
логика
Ошибочный
результат
Мусор на входе –
мусор на выходе
Качество данных: примеры
Поле
Значение
Ошибка
Имя
Cергей
Первая буква - латинская
Фамилия
Петрович
Значение из другого поля
Город
Мсква
Опечатка
Доходы
100 руб.
Подозрительная сумма
Телефон
000-00-01
Несуществующий номер
Качество данных: проверки
Соответствие
шаблонам
Оценка
корректности
Нет дублей и
противоречий
Соответствие
ожиданиям
Сайт, e-mail
Отсутствие опечаток
Отсутствие полных
дублей
Зарплата
Телефон
Фамилия, имя,
отчество найдены в
справочнике
Номер документа
Адрес есть в
КЛАДР/ФИАС
Почтовый Индекс
Нет перестановок в
полях
Стаж работы
Отсутствие
противоречивых
записей
Код телефона и город
Анализ «похожих»
записей
E-mail и фамилия
Качество данных: сервис очистки
Грязные
данные
Система
выдачи
кредитов
Deductor
Data Qualityвеб-сервис
очистки и
обогащения
данных
Чистые,
обогащенные
данные
Полнота данных: проблема
Прочее
БКИ
Банк
Данных банка
недостаточно для
принятия решения
Полнота данных: БКИ
Полнота данных: работа с БКИ
Система выдачи кредитов
Анкета клиента
Подготовка
данных
Запрос в
БКИ
Отказать / Продолжить
работу
Разбор
ответа
Веб-сервис интеграции с БКИ
Решение
Полнота данных: госорганы
Федеральная
налоговая
служба
Федеральная
служба гос.
статистики
- 4 млн. предприятий
- 7 млн. предприятий
- 20 источников данных
- 4 млн. ИП
- 4 млн. ИП
- 3 страны
Высший
арбитражный суд
- 3 млн. документов
Система анализа
рынков и
компаний
Полнота данных: соцсети
53 млн.
25 млн.
43 млн.
12 млн.
Много
данных
Много
мусора
•Окружение
•Интересы
•Поведение
•Нет доверия
•Нет связности
•95-99% - шум
Проблемы с
доверием клиенту
Антифрод: проблема
Средний размер потерь от мошеннического
кредита*
~100 000 р.
*Эквифакс
2012 г.
Антифрод: внешние сервисы
Предыдущие
обращения и
проверки
Банк 1
Банк 2
Заемщик
Ваш Банк
National Hunter
Equifax FPS
Факт обращения
+
результат проверки
службой
безопасности
Антифрод: схема работы
Система выдачи кредитов
Анкета клиента
Мошенник / Не мошенник
Проверяемые
правила
Подготовка
данных
Запрос к
сервису
Правило 1
Правило 2
Матрица
принятия
решения
Правило 3
Интеграция с внешними антифрод-сервисами
Антифрод: внутренние данные
Данные полные
Данных мало
• Вся информация по
заемщику
• Только свои
заемщики
• Сложные стратегии
оценки
• Сложно оценивать
впервые
обратившихся
• Отсутствие платы за
обращение к сервису
Черные списки: негатив
Тип
Пример
Криминал
Судимость, розыск
Спецучет
Наркоман, психически больной
Документы
Утерянный/недействительный паспорт
Правонарушения
Штрафы, алименты, нарушение ПДД
Подставное лицо
Зарегистрировано много фирм
Контакты
Адресная яма, мошеннический телефон
Работодатель
Банкротство/ликвидация предприятия
Черные списки: проблема
Баз негатива много, источники разные,
следовательно:
1. Информация разнородна
2. По разному структурирована
3. Имеет различную значимость
4. Содержит ошибки
Черные списки: подготовка
Очистить и структурировать
Обогатить и дедуплицировать
Классифицировать негатив
Загрузить в хранилище
Черные списки: поиск негатива
Система выдачи кредитов
Анкета клиента
Отказать / Продолжить работу
Стратегии нечеткого поиска
Кронос
Хранилище
«черные списки»
АБС
Очистка,
дедубликация,
обогащение
данных
Веб-сервис поиска негатива
Excel
…
Межбанковский обмен
Службы безопасности банков обмениваются
неструктурированной информацией о негативе:

Списки мошенников

Справки из правоохранительных органов

Выписки из документов

Электронные письма

Базы данных
Формат произвольный: Word, Excel, PDF…
Межбанковский обмен: проверки
Система выдачи кредитов
Анкета клиента
Найденный негатив
Поиск про проиндексированным документам
Высокий риск
Низкий риск
Веб-сервис поиска по неструктурированным данным
Проблемы с
оценкой
возможностей
Бизнес-правила
Документы
Работа
Доходы
• Удостоверение личности
• Место работы
• Справка 2-НДФЛ
• Гражданство
• Отрасль экономики
• Долговая нагрузка
• Место регистрации
• Стаж работы
• Дополнительные доходы
• Специальность
Бизнес-правила: проверка
Данные о заемщике
Гарантия соответствия
бизнес-правилам
Скоринг: разработка карты
Подготовка
скоринговой выборки
Анализ жизненных
циклов счетов
Сэмплинг
Добавление в выборку
отказов (Reject
Inference)
Моделирование
(предварительная
карта)
Двумерный анализ –
конечные классы
(одобренные)
Перестройка карт с
учетом отказов
(окончательная карта)
Сравнение качества
карт и выбор
оптимальной
Тестовая эксплуатация
и мониторинг
Скоринг: оценка карты
Скоринговая карта
Система выдачи кредитов
Анкета
Балл
Веб-сервис
Deductor Credit
Scorecard Modeler
Загрузка
скоринговой
карты
Интеграция в
бизнес-процесс
Кредитный конвейер
Фронт-офис
Аналитика
Ввод заявки
Оценка достоверности
Андеррайтинг
Проверка по правилам
Скоринг
Скоринговая карта
Антифрод
Признаки мошенничества
Проверка БКИ
Анализ кредитной истории
Проверка СБ
Черные списки
Промышленное решение
Выгода
Основание
Регламент
Гарантии выполнения
Время
Принятие решения за 2-3 минуты
Персонал
Система - «Черный ящик»
Портфель
Количественная оценка рисков
Гибкость
Логика в аналитическим блоке
basegroup.ru