Ольга Зинкевич,
заместитель директора дирекции розничного бизнеса и пластиковых карт Промышленно-строительного банка:
При определении кредитного лимита для клиентов наши кредитные специалисты применяют специальную скоринговую программу . В массовом порядке данную технологию Промышленно-строительный банк начал применять с 2001 года.
Используемая скоринговая программа была разработана и модифицируется исключительно собственными специалистами ОАО «ПСБ».
Потребительский кредитный портфель нашего банка характеризуется хорошими показателями, процент просроченной задолженности, как правило, не превышает 0,6-0,7% от объема текущей задолженности.
На наш взгляд, эффективность скоринговой системы можно оценить с помощью показателей рентабельности и прибыльности кредитного портфеля. Процент невозврата в принципе является в таких условиях второстепенным показателем, так как основная задача банка - обеспечить заданную прибыльность при зафиксированном уровне риска.
Можно ли научиться обманывать скоринговую программу, зависит от того, насколько продумана («защищена») эта программа, а также от того, какие показатели она использует в своей работе. Например, если используется только документально подтвержденная информация, то, естественно, обмануть такую систему практически невозможно. Если же значительная часть вопросов относится к информации, которую сложно проверить непосредственно при заполнении, то клиент может попытаться «обмануть» скоринг.
Фирмы, оказывающие услуги по оказанию помощи в заполнении анкет, на практике можно разделить на две группы. Первая группа оказывает обычную консультационную помощь в заполнении документов. В принципе ровно такую же помощь клиент мог бы получить и от кредитного специалиста банка. Вторая группа - это фирмы, рассказывающие клиенту, как лучше обмануть банк. Как показывает практика, услуги последних редко приводят к положительному результату, так как заведомо ложная информация выявляется достаточно легко, и клиент в итоге получает отказ.
К сожалению, подобные организации получили достаточное распространение в крупных городах России. Это связано прежде всего с традиционным страхом населения перед финансовыми институтами, а также с низким уровнем информированности и знания специфики банковской деятельности.
Максим Чернущенко,
вице-президент Инвестсбербанка:
Наш банк использует систему принятия кредитного решения с участием статистических моделей оценки заемщика. Система разработана специалистами нашего банка и работает с момента появления в банке массового потребительского кредитования.
Наша система - это сложная компьютерная программа, использующая передовые технологии. Ее целью является выявление недобросовестных заемщиков до выдачи кредита и помощь «хорошим» клиентам в правильной оценке своих возможностей. Соответственно, и эффективность системы оценивается на основе показателей, характеризующих поставленные цели. В частности, скоринговые модели, предназначенные для выявления мошенничества, оцениваются с использованием статистики несвоевременных поступлений платежей и невозвратов.
На данный момент мы имеем передовую систему оценки заемщика, которая позволяет быстро реагировать на изменения в бизнесе. Специальные сотрудники регулярно (практически на ежедневной основе) проводят анализ изменений рынка, изменений категорий клиентов, появления новых схем обмана банка и соответственно адаптируют скоринговую систему.
Для нашей системы не существует «заведомо» проходных ответов, так как заемщик оценивается в комплексе на основе всей имеющейся информации о нем, о его кредитной истории, о месте получения кредита. Тем не менее, обманывать систему возможно, но достаточно непродолжительное время. Новые схемы мошенничества регулярно выявляются и пресекаются, а их исполнители преследуются по закону.
Алена Желтова,
начальник отдела по связям с общественностью Хоум Кредит энд Финанс Банка:
Скоринговая система, используемая в нашем банке, является собственной разработкой и включает в себя информацию о 4,2 млн человек. Использование данной системы позволяет принимать решение о выдаче кредитов на сумму до 50 тыс. рублей в течение нескольких минут.
Автоматизированная система скоринга, используемая в нашем банке, была разработана и протестирована членами группы Home Credit в странах Центральной Европы на основании статистики платежей по потребительским кредитам в этом регионе. В 2003 году данная система была доработана с учетом специфики российского рынка финансовых услуг, а в последующем была несколько раз обновлена.
Основной критерий оценки эффективности системы скоринга - количество невозвратов, которое, естественно, учитывается.
Процент невозвратов в «Хоум Кредит» остается ниже заложенного в бизнес-модели банка.
Скоринговая система регулярно обновляется с учетом реалий российского рынка потребительского кредитования и в соответствии с требованиями, необходимыми для полноценной деятельности банка.
Если сотрудники каких-то сторонних фирм просто помогают человеку заполнять документы на получение кредита, то их деятельность банкам идет только на пользу, так как в конечном счете ведет к увеличению количества клиентов. Другое дело, что процесс получения кредита в нашем банке не настолько сложен, чтобы требовались услуги специалистов. Правильно заполнить анкету помогает администратор банка или сотрудник магазина, с которым сотрудничает банк.
Если же сотрудники фирмы подсказывают человеку, что именно следует писать, чтобы пройти скоринг, пусть даже эта информация не соответствует действительности, то это уже обман банка и подпадает под определение «мошенничество».
Для справки:
Кредитный скоринг, это система оценки кредитоспособности (кредитных рисков) физического лица, основанная на численных статистических методах. Как правило, используется в потребительском (магазинном) экспресс-кредитовании на небольшие суммы. Также возможно его использование в бизнесе сотовых операторов, страховых компаний и.т.д. Скоринг заключается в присвоении баллов по заполнению некой анкеты, разработанной оценщиками кредитных рисков андеррайтерами. По результатам набранных баллов системой принимается решение об одобрении или отказе в выдаче кредита (по информации с сайта Википедия ).
Основа скоринга - это сухой математический анализ данных. Сотрудник банка вводит ваши данные в компьютер - система присваивает каждому параметру определенный балл.
Их можно разделить на 3 блока: личная информация, финансовая часть и кредитная история.
В зависимости от исходных данных, каждому значению присваивается соответствующий балл и при условии достижения определённой суммы система даёт положительный ответ. Если количество баллов чуть ниже необходимого значения, решение будет условно-положительным. Если же сумма балов значительно ниже порогового значения – отказ по скорингу проставляется автоматически и дальнейшее рассмотрение не производится.
При этом кредитный скоринг – это не только калькулятор, суммирующий баллы. Кроме бальной оценки происходит сравнительный анализ данных с данными действующих заемщиков.
Система сравнивает данные нового клиента с данными нескольких других, похожих заемщиков. И если обнаруживается, что из 8 таких заемщиков хорошо выплачивают кредит только трое, скоринг отнесет его к группе высокого риска и, как следствие, проставит отказ.
Стоит отметить, что у каждого банка свои критерии скоринга, которые держатся в тайне даже от самих сотрудников банков и система анализирует информацию в тех параметрах, которые ей интересны. При этом нередко клиенту могут отказать в кредите на покупку холодильника, а через месяц скоринг кредит одобрит, причем на большую сумму.
Поэтому, если вам отказали в каком-то банке по скорингу - не нужно расстраиваться и воспринимать это как невозможность получить кредит. Вполне возможно, что скоринг кредитование в другом банке будет успешным для вас.
Для того чтобы максимально увеличить вероятность получения кредита, лучше не надеяться на авось посещая банки один за одним, а обратиться к профессиональному кредитному брокеру, который подберет оптимальные условия кредита в тех банках, критериям которых вы наиболее подходите. При этом вы сможете сэкономить не только время, но и свои силы и деньги, благодаря более низкой процентной ставке по кредиту. Для того чтобы получить бесплатную консультацию специалиста – заполните заявку на сайте, мы свяжемся с вами в ближайшее время.
Автоматический скоринг позволяет более точно предсказать поведение заемщика
Фото: Fotolia/aleks649
Вопрос, выдаст банк вам кредит или откажет, очень непрост. За его решением стоит кропотливая дорогостоящая работа. Все больше банков стремятся удешевить и ускорить свой скоринг, автоматизировав его. О том, как проводится такой скоринг, порталу Банки.ру рассказали специалисты компании Experian.
Компьютер не позвонит
Анализ кредитных заявок – процесс, который можно и нужно автоматизировать. Классический, ручной скоринг крайне затратен, так как требует тщательной проверки и обучения сотрудников, и времени на каждую заявку тратится достаточно много. В то же время автоматическая система способна за секунды обработать большой объем данных, не подвержена предубеждениям и переменам настроения.
Скоринговые системы, построенные на таких платформах как PowerCurve компании Experian, призваны не заменить живого работника, а помочь ему быстро и правильно принимать решения на всех этапах жизненного цикла клиента банка. Принципы, в соответствии с которыми работают автоматические системы, по сути, не отличаются от принципов ручного скоринга.
Упрощенно процесс можно описать как применение скоринговой модели к собранным данным. Цель проведения скоринга – предсказать, как заемщик будет выплачивать кредит. Это дает возможность применить к скоринговым оценкам заявителя рисковую стратегию и принять ряд решений по его заявке: дать ли кредит, в каком объеме, на какой срок, под какую ставку.
«Процент решений, принимаемых банками полностью автоматически, пока не очень велик. Проблема в том, что банки не вполне доверяют автоматическим системам. Кроме того, не все данные можно проверить без привлечения человека. Например, компьютер не позвонит на работу заявителю. Поэтому полностью автоматические решения принимаются обычно по заявкам на небольшие кредиты», – рассказала порталу Банки.ру глобальный консультант компании Experian Анна Уштей.
Все, что вы хотели знать о клиенте
Банки стараются собрать о клиенте как можно больше информации, используя различные источники. Помимо данных, предоставляемых самим заявителем, используются информация кредитных бюро (в первую очередь, кредитная история), государственные информационные системы, открытая информация из соцсетей, внешние проверки (например, звонок работодателю). Анализируемые в процессе скоринга данные можно условно разделить на несколько категорий.
Идентификационные данные . Набор информации, позволяющий идентифицировать заемщика: паспортные данные, место жительства, фотография, подпись, рабочий и домашний телефоны. Именно с обработки этих данных начинается скоринг. Это позволяет на самом раннем этапе отсеять возможных мошенников и явно неперспективных клиентов. При этом, если клиент уже является клиентом банка, проверка и обработка этих данных обойдется банку крайне дешево и может быть практически полностью автоматизирована. Идентификационные данные практически не меняются со временем. Заметим, что даже непреднамеренная ошибка при указании идентификационных данных, скорее всего, приведет к отказу в кредите.
Демографические данные . Возраст, пол, образование, семейное положение, место проживания, место работы и должность. В отличие от идентификационных данных демографические со временем меняются: увеличивается возраст, человек учится, переезжает, меняет работу, женится, разводится и т. д. Может измениться даже пол.
Финансовые положение . Наличие и размер регулярного дохода, объем трат, наличие иждивенцев. Тут для заявителей имеется широкое поле для разного рода хитростей: траты можно скрыть и доход преувеличить. Эти данные меняются постоянно, в связи с чем банки вынуждены уделять их сбору и проверке самое пристальное внимание.
Кредитная история . Возможно, самые ценные для скоринга данные – наличие отданных и текущих кредитов, случаи попадания в просрочку и ее продолжительность. Если человек многие годы аккуратно выплачивал кредиты, можно с большой долей вероятности предположить, что он и продолжит в том же духе. Обратное тоже верно.
Трансакционное поведение . Такого рода данные доступны банку, если речь идет о выдаче кредита не человеку «с улицы», а держателю платежной карты банка. Имеют значение регулярность и характер операций по карте – как часто, где, в каком объеме заявитель оплачивает товары и услуги. Заметим, что банк оперирует не конкретными товарами и услугами, и даже не названиями магазинов, а суммами и категорией торговой точки.
Данные, предоставляемые самим заемщиком, подвергаются верификации. Для этого применяются как внешние источники, так и проверки на внутренние противоречия. Есть четкие, поддающиеся проверке связи между местом проживания и работы, профессией, должностью и уровнем дохода и т. д. Непротиворечивость этих данных можно проверить автоматически, не тратя дорогое рабочее время кредитного специалиста.
Моделируем будущее
Скоринговая модель – ценнейший актив банка. Именно она определяет, какую оценку (скоринговый балл) получит клиент на всех этапах скоринга. В простейшем случае скоринговую модель можно «набросать» и вручную. Но значительно более эффективным путем будет построение модели на основе собранной статистики по заявкам и выданным кредитам.
При анализе статистики могут выявиться самые различные, зачастую неожиданные связи между просрочкой и данными о заемщиках. К примеру, работники, занятые в какой-либо одной отрасли, могут оказаться более склонны к просрочкам, нежели занятые в другой сфере. Или многодетные матери окажутся более качественными заемщиками, чем холостые мужчины. Такие связи и выводы из них зависят от профиля банка, от экономической, демографической и политической обстановки, они могут сильно изменяться во времени, в связи с чем скоринговая модель должна регулярно пересчитываться. Обычно это делается не реже чем раз в полгода.
Если кредитная организация только выходит на рынок или радикально меняет профиль, наработанной статистики у нее нет. В этом случае она может приобрести готовую модель или заказать сторонней компании разработку модели для своего профиля. В большинстве случаев такие модели работают не слишком эффективно, и через какое-то время их необходимо обновить, основываясь на собранной статистике.
Отметим, что скоринговую модель нередко дополняют настраиваемыми вручную условиями и фильтрами. Хорошо известно, что банки с предубеждением относятся к журналистам и юристам, даже если статистика не выявляет повышенного процента просрочки у представителей этих профессий. Первые способны попортить репутацию банка, а вторые могут доставить проблем в суде. Что интересно, сами сотрудники финансового сектора также нередко попадают в эти фильтры.
Стратегия серой зоны
Как именно скоринговые баллы влияют на решения, принимаемые на всех этапах обработки заявки на кредит, определяет рисковая стратегия. Шкала скорингового балла условно делится на три зоны: белую, черную, серую. Попадание оценки в белую зону гарантирует положительное решение, черную – отрицательное, а вот серая зона дает определенный простор для маневра.
Стратегия определяет, какой процент заявок в серой зоне получит положительное решение, причем стратегия должна учитывать самые разные факторы. Скажем, в ней можно прописать, что замужние учительницы младших классов, чей балл попал в серую зону, должны получать одобрение заявки в 50% случаев, объем кредита не должен превышать 100 тыс. рублей в 80% случаев, а срок кредит не должен быть менее пяти лет в 100% случаев.
Такие тонкие настройки позволяют кредитной организации формировать свой портфель очень точно и аккуратно. И средства автоматизации могут здорово облегчить формирование корректной стратегии.
«В системе PoweCurve я могу разобрать стратегию по нескольким сегментам клиентов, похожих друг на друга по каким-либо критериям, – рассказал порталу Банки.ру глава представительства Experian в России и странах СНГ Сергей Горащенко. – Одним, к примеру, задаем увеличение лимита, другим – поднять ставку, но не менять лимит, третьим – снизить лимит, и установим запуск этой стратегии по определенной части портфеля или по всему портфелю. Применяем стратегию в PowerCurve, система все просчитывает и выдает сотрудникам банка данные, что с каким клиентом нужно делать, что поменять, какие действия предпринять».
Такие системы, как PowerCurve от Experian, позволяют риск-менеджеру сформировать желаемую стратегию в считаные минуты и проверить ее на статистике по кредитному портфелю. После расчетов система покажет тот уровень просрочки, на который вышел бы кредитный портфель, если бы тестируемая стратегия была применена в заданный период. Можно подойти и с другой стороны: задать желаемый уровень просрочки, и система предложит стратегию, основываясь на статистике за заданный период.
Увы, полностью положиться на автоматику тут не выйдет: если новая стратегия существенно отличается от действующей, нужной информации просто может не оказаться. К примеру, если банк практически не давал кредитов престарелым индивидуальным предпринимателям, а в новой стратегии им должно найтись место в кредитном портфеле, PowerCurve не сможет предсказать просрочку с достаточным уровнем точности. Ведь статистики по таким заемщикам у банка нет.
Заметим, что стратегия может включать в себя выдачу кредитов в черной зоне – то есть заявителям, для которых скоринговая модель показывает высокую вероятность попадания в просрочку. Небольшой процент одобрений «черных» заявок позволяет составить статистику по маргинальным заявителям, что помогает уточнять как скоринговую модель, так и стратегию.
Как показывает опыт многих заемщиков быстрый кредит без отказа, иногда является не таким уж простым и доступным вариантам. Очень часто случается так, что отказывают в выдаче займа. Выделим наиболее распространенные причины отказа в кредите, а также приведем полезные рекомендации для тех, кто хочет взять кредит банка наличными без опасений получить отказ.
Прежде всего основные причины отказа — это плохая кредитная история и открытые просрочки по платежам! В этом случае крайне сложно получить займ на крупную сумму.
Чтобы не оказаться в ситуации, когда вам срочно нужны деньги, а банки один за другим отказывают вам в выдаче кредита, следует помнить несколько важных тонкостей:
При этом нельзя просить и чересчур маленькие суммы денег при высоких доходах. Если клиент хочет получить, скажем, пять тысяч рублей при ежемесячном доходе в сто тысяч, это выглядит по меньшей мере странно и заставляет сотрудников банка усомниться в подлинности предоставленных вами сведений.
Зная эти несложные правила, вы сможете несколько сократить риск получения отказа. Но не забывайте, что сегодня банки в некоторой степени ужесточают требования к своим потенциальным заемщикам.
Как правило, деньги в кредит дают платежеспособным гражданам с высоким доходом, высшим образованием, отсутствием отрицательной кредитной истории и каких-либо задолженностей.
Отрицательное решение банка по поводу вашей заявки на кредит – распространенное и довольно неприятное явление. К сожалению, в большинстве случаев бывает так, что клиент даже не знает, по какой именно причине ему отказали в выдаче займа, ведь банки оставляют за собой право отказать в кредите без объяснения оснований.
Посмотрите видео, в котором кратко описаны основные моменты отказа банка в займе и даны рекомендации как этого избежать…
Как правило, отказ в запрошенном клиентом банка потребительском кредите наличными основывается не на какой-либо одной причине, а имеет под собой несколько оснований, которые в совокупности отрицательным образом влияют на решение банка. Вот наиболее популярные причины отказа в кредите:
В большинстве случаев эта причина становится определяющим фактором, который не позволяет банку дать клиенту положительное решение.
Это далеко не полный спектр всех причин, которые могут вызвать отказ. Всего специалисты насчитывают несколько десятков таких оснований. При наличии одного такого отрицательного фактора у вас, конечно, есть шанс без особых проблем получить кредит, но если ваша кредитная история сочетает в себе несколько подобных показателей, вероятнее всего, вы получите отказ.
Практически каждый человек, за исключением разве только детей, делал заявку в кредитные организации на получение кредита, поэтому процедура скоринга знакома многим. А вот что происходит далее с нашими данными, скорее всего, знают не многие. После внесения сотрудником наших данных в базу, их начинает обрабатывать и анализировать система. Поищем ответ на вопрос: «Скоринг - что это такое и для чего он нужен?».
Общее понятие скоринга, как системы распределения базы клиентов на основании статистических данных по различным группам, подразумевает использование этой программы в виде помощника во многих сферах деятельности, но более широко она используется в банковской системе.
Система скоринг в банковской сфере используется для автоматической обработки данных клиента, введенных в программу, на основании которых вам выставляется скоринговая оценка. Получается, что вы проходите тест, отвечая на вопросы анкеты, за каждый данный вами ответ начисляются баллы по шкале возможных рисков. Если вы набрали количество баллов близкое к максимальному, то решение будет в вашу пользу. При балансировании начисленных очков на отметке, не позволяющей принять однозначного решения, дополнительно потребуется время на проверку сотрудниками безопасности. При низких баллах в кредите будет отказано, либо могут предложить взять меньшую сумму под менее выгодную процентную ставку.
Эта программа помогает банковским сотрудникам гораздо быстрее озвучивать решения по заявкам при небольших суммах кредита. Когда запрашиваются более значимые суммы, или, к примеру, ипотека, тогда проверка системой будет выступать в роли дополнительного анализа к проверке сотрудниками отдела безопасности.
Кредитный инспектор после внесения ваших данных в базу ответил вам: «Скоринг пройден» - что это значит ? Означает это, что этап проверки программой вы прошли, и дальше ваша заявка дополнительно уйдет на проверку в систему безопасности банка.
Использование этой системы дает возможность обходить человеческий фактор, как, например, предвзятое отношение кредитного специалиста к клиенту, либо сговор сотрудника банка с заемщиком. Информация, которая переносится в анкету, берется из документов, и на её основании происходит анализ данных. Более рискованная ситуация складывается в кредитных организациях, где информацию возможно предоставить в свободной форме или со слов клиента.
На практике применяются семь видов этой программы. Из них четыре используются в кредитной практике, остальные больше относятся к маркетингу.
Четыре вида, которые используются в кредитной практике:
Для полного представления о финансовом положении клиента и оценки возможных рисков программа анализирует совокупность критериев. Набор критериев у каждого банка может различаться.
Но основные данные, запрашиваемые каждым банком можно разделить на три группы:
Помимо предоставленных клиентом данных, программа анализирует уже имеющуюся по этому человеку информацию в базе данных, либо предоставленную кредитным бюро. Таким образом, происходит оценка клиента и его поведения в роли клиента банка.
Если информация предоставляется в документальном виде, то обмануть данную программу очень сложно. Но в случае если банк допускает внесение в базу информации со слов клиента, тогда возможно предоставление заведомо ложных данных. К тому же некоторые фирмы за определенную плату предлагают научить, как обмануть скоринг. Но программа постоянно обновляется и совершенствуется, поэтому подобные обманы часто раскрываются.
