Pontozási technológia - Az egyén hitelképességének automatikus értékelése - A banki környezetben a nagy figyelmet hagyományosan kifizetik. Ma azt mondhatjuk, hogy a szakértői módszerek mennek a múltba, és egyre gyakrabban, ha a pontozási modellek fejlesztése az adatbányászati \u200b\u200balgoritmusokhoz fordul. A klasszikus pontozási kártya logisztikus regresszióval felépíthető a felhalmozott hiteltörténeten alapuló ROC-analízis alkalmazásával a kockázatkezelésre.
A probléma megfogalmazása. Egy kereskedelmi bankban van egy "nem célzott fogyasztási hitel" termék: a hitelek bármilyen célra szolgálnak, egy nap múlva. Jelenleg a kölcsön kibocsátásáról szóló határozatot egy szakértői módja alapján állítják elő, 55% -os elutasítás százalékában, és a késedelmes adósságok mennyisége nagyszerű. A statisztikai információkat a hitelfelvevők és az adósság minőségi szolgáltatásai több hónapig felhalmozták. A menedzsment a bank, felismerve, hogy a magas szintű megtagadás megakadályozza bővítése kiskereskedelmi üzlet területén a fogyasztási hitelezés, tedd a feladat, hogy új pontozási kártyát, mielőtt a lakossági kockázati osztály, ami jelentősen csökkenti a meghibásodások száma a a késedelmes adósság összegének kibocsátása és csökkentése.
Kezdeti adatok. Általánosságban elmondható, hogy a hitelfelvevőkről szóló információk - az egyének és a hitelszerződések tárolódnak a banki információs rendszerben. A kölcsön visszafizetésének grafikája és a hitel visszafizetésének időpontjai is vannak, az összegekről, az érdeklődésről stb. Szerezzen be egy asztalt a hitelfelvevők paramétereivel és információval a túlfeszültség jelenlétéről a pontozási modell létrehozásához. Feltételezzük, hogy már befejeződött, és az eredmény szöveges fájlként jelenik meg.
Fontos megérteni, mit kell érteni a hitelfelvevő paramétereit. Célszerű alkalmazni a módszertani szempontjait előkészítése és adatgyűjtés az elemzés, és emlékeztet arra, hogy ebben a szakaszban szükség van az aktív interakció szakértők: ők korlátozzák a kör a bemeneti változók a magasság a tapasztalat, amely potenciálisan befolyásolhatja a A jövő hitelfelvevő hitelképessége. Ezenkívül figyelembe kell venni az üzleti és technikai kérdések szempontjait (például nehéz rövid idő alatt ellenőrizni a vállalat hatókörének hitelességét, ezért nem érdemes rá támaszkodni).
A pontozási kártyák gyakran kategorikus változókra épülnek, és erre a folyamatos jelek kvantálódnak a töréspontok kézi kiválasztásával (vagy féligkezes, lásd például a "Teszt Chow"). Mondja, változó Munkatapasztalat Három kategóriába sorolt: "Legfeljebb 1 év," "1-3 éves", "több mint 3 éves". Az ilyen modell könnyebb értelmezni, de kevésbé rugalmas a linkek modellezése: A vízszintes "lépések" rossz közelítést adnak a gyakori meredek "lejtők" jelenlétében.
A banki gyakorlatban a pontozás előtt a hitelfelvevő, általában a jegyzési eljárás során - a szigorú követelmények elégedettségének ellenőrzése: az életkor életkora, bűncselekmény hiánya és természetesen egy bizonyos jövedelem jelenléte. Ugyanakkor a jövedelem minimális szintjére vonatkozó követelményeket előterjeszti, és kiszámítják a lehetséges hitelkeretet. A kiszámításkor a két együttható közül az egyik részt vesz - P / D vagy O / D.
"Fizetés / jövedelem" együttható (P / d) - a hitelfelvevő hitelére vonatkozó havi kifizetések aránya ugyanezen időszakra. Úgy gondolják, hogy az együttható jelentős összege (több mint 40%) nagyobb kockázatot jelent mind a hitelező, mind a hitelfelvevő számára.
Az együttható "kötelezettségek / jövedelem" (O / d) - a hitelfelvevő havi kötelezettségeinek aránya ugyanezen időszakra, figyelembe véve az adók levonását. A kötelezettségek magukban foglalják a kapcsolódó költségek kifizetése a tervezett hitel, valamint egyéb hosszú lejáratú kötelezettségek (kifizetések egyéb hitelek, a karbantartás az eltartottak, a családjára tartásdíj, kötelező adófizetés, stb.) Úgy gondolják, hogy a hitelfelvevő havi kötelezettségeinek mérete nem haladhatja meg a teljes nettó jövedelem 50-60% -át.
Azok az ügyfelek alkalmazásai, akik nem adták át az aláírását, megtagadják az elutasítást, és még csak nem is lesznek pontozásba. Ezért az ügyfél jövedelme nem jövedelmezőbb a pontozási eljárás bemenetéhez, de az O / D vagy P / D arány.
Feladatunk 2709 hitelt (Loans.txt fájlt) mutat be a kölcsön kiadása után néhány hónappal a kifizetések bizonyos kimenetelével.
A lapon. 5.1 Megjelenítette a szövegfájl mezők szerkezetét és leírását a hitelészletekkel.
5.1. Táblázat. Adatok a hitelfelvevőkről és az adósságuk minőségéről
|
Terület |
Leírás | |
|
Alkalmazási kódot kínál | ||
|
Hitel kibocsátásának időpontja |
Dátum idő |
|
|
Az O / D koefficiens ("kötelezettségek / jövedelem")% -ban |
Igazi |
|
|
A hitelfelvevő kora (teljes év) a hitel kibocsátására vonatkozó határozat idején | ||
|
Szállás |
A szállás oka: tulajdonos; önkormányzati lakás; Bérlés |
Húr |
|
Élettartam a régióban |
Kevesebb mint 1 év; 1-5 év; Több mint 5 éves |
Húr |
|
Családi állapot |
Egyedülálló, nem házas; házas; elvált / özvegység; Egyéb |
Húr |
|
Oktatás |
Átlagos; szakosodott másodlagos; Magasabb |
Húr |
|
Utolsó hely munkatapasztalat |
Kevesebb mint 1 év; 1 év és 3 év között; Több mint 3 éves |
Húr |
|
Szintpozíció |
Munkavállaló; középvezető; Vezetővezető |
Húr |
|
Hiteles történelem |
Az információkat az Elnökség a Határinformációk. Ha negatív információ van az ügyfélről (késleltetés a múltbeli hitelek), akkor hozzárendel egy "negatív" kategóriát |
Húr |
A vállalat üres pozícióiban (különösen a tömegválasztásban) személyzet kiválasztásakor a szakértők sok kockázattal szembesülnek. Ezek a kockázatok kapcsolódnak a jelöltek téves felmérésével, és ennek eredményeképpen nem szakemberek a munka foglalkoztatásával, amely később egyre több új kockázati láncot generálhat. Következésképpen a felvételi szakember fontos, hogy olyan eszközökhöz forduljon, amelyek segítenek gyorsan és univerzális paraméterekkel, hogy becsüljék meg a kockázat mértékét, amikor figyelembe vesszük egy adott jelölt figyelembe vételkor. Éneklés (angolul. Pontozás) - szó szerint számláló pontok a játékban. Az üzleti tevékenységben a SOKING-t aktívan használják a távközlési területen a marketing, biztosítás, a mobilszolgáltatókban, és a legszélesebb körben - az egyének hitelnyújtásakor. Általánosságban elmondható, hogy a pontozási modell egy matematikai modell, amely leírja a kockázati fok függvényét a bemeneti tényezők halmazából. Végrehajtás Ez a modell a pontozási térképeken talál. Például a hitelezéshez viszonyítva a hitelfelvevő alapvető jellemzői, például életkor, jövedelem, szakma, munkatapasztalat, ingatlan stb. és a megfelelő súlyhatásokat a pontokban fejezték ki. A potenciális hitelfelvevő kitölti a kérdőívet az elemzéshez szükséges információk szerint. A pontozási modell működésének eredményeképpen az egyes potenciális hitelfelvevő számára integrált jelzőt kapunk, amely bizonyos jelek súlyozott mennyiségét tartalmazza. Az ügyfél megbízhatóságát az érték szintjével lehet becsülni. A pontozási pontozás összegétől függően a Bank meghatározza a kockázati osztályt, és kiszámítja a maximális hitelösszeget, tisztázza a kamatlábat és az időt. A banki személyek fő kritériumai a következő paraméterek értékei: kor, padló, kumulatív jövedelem (mind a hitelfelvevő, mind a garanciavállalók), az eltartottak száma, a lakóhely és a munka stb. Mindezen paraméterek mindegyike szabványos golyókra fordítva. Az ilyen megközelítés logikus, hogy a jelöltek kiválasztásában és a nyílt üres álláshelyek kiválasztásában vagy a személyi tartalékban lévő jelöltek kiválasztásának döntéshozatali folyamatában. A pontozási értékelési modell a bizonyos jellemzőkkel kapcsolatos potenciális jelölt alapértelmezett (elbocsátása, következetlen helyzetének stb.) Függvényében felhalmozott adatokon alapul. Ezt követően a matematikai modellezés statisztikai berendezéseinek és módszereinek felhasználásával egy pontozási kártya összeáll. A modellezés folyamatában több pontozási kártyát fejlesztenek ki, amelyek mindegyike az üresedés típusától és számos más jeltől függ. Ha elemezték, összehasonlítjuk a pontozási kártyával rendelkező potenciális vagy jelenlegi üresedési jelöltre vonatkozó egyedi személyes adatokat, a megfelelő eredményt kapjuk. Hatékony pontozási modell létrehozásához a következő feladatokat kell megoldani. Az első szakaszban meg kell határozni a legfontosabb célt, azaz Mely pontszámot használják (jelölt értékelés, a pályázók optimális stratégiájának meghatározása a próbaidőszakra stb.). A második szakaszban a mutatókat a modellezéshez, valamint az előkészítésük forrásaival használják. Például a személyi szakemberek ismerete a pályázók betöltése és kompetenciái, a már működő személyzet statisztikái, a "sikeres" és "rossz" jelöltek figyelembevételével. A harmadik szakaszban az adatok előzetes elemzését végzik, tisztításukat és előkészítést, mivel minden egyes kérelmezőnek saját egyedi paraméterekészlete van. Ilyen elemzésre van szükség, az adategyesítés és a szakosodott üzleti intelligencia osztályú intelligencia osztály szoftver (BI) szükséges. A rendszernek meg kell adnia az adatok feldolgozását: nézet, szűrő, keresés, kézi és automatikus csere. Gyakran az adatok jobb megértése és az integritás meghatározása érdekében kifejezett elemzést kell végezni, amelyet az eloszlások alapvető statisztikájának alapján végeznek. Következésképpen a rendszernek képesnek kell lennie a frekvenciaelemzés és az eloszlások kialakítására. Ha az adat tisztítószer készül, az adatokat a modellezéshez kell készítenie. A modell megkezdése előtt ki kell számolni a funkcionális függőségek alapján minden lehetséges származtatási paraméter, amelyet további elemzéshez használnak. A negyedik szakaszban a kapott funkciók osztályokká válnak, prediktív jellemzőiket észlelik. A pontozási modellező algoritmusok többsége az elemek (pályázók) osztályozásán alapul, ugyanazokkal a funkciókkal. Ezenkívül a modell megteremtésének folyamatában megjelenik a felsorolás szükségessége egyes jelek az osztályokba. A fő elv ebben az esetben a pályázók csoportosítása az egyik osztályban. Ez a megközelítés szakértői adatokon alapul. Az elemzés elemzése alapján megkülönböztetik a prediktív jellemzőket, amelyek értékei és a negatív esemény valószínűsége között korreláció van. A kérelmezőt jellemző bármely paraméter elméletileg prediktív lehet. A következőknek vannak kitéve a kulcsfontosságú jellemzőknek: a következő: Életkor, az átlagos munkaidő egy helyen, a munkatapasztalat, a lakóhely helye, a hitelek rendelkezésre állása, a gyermekek száma, a gyermekek / eltartottak stb. Minden modell magában foglalja a prediktív jellemzők saját listáját. A statisztikai adatok és szakértői becslések alapján súlyosakat vezetnek be minden egyes jellemzőre, amely meghatározza annak hatását a negatív esemény valószínűségére. A kiválasztott prediktív tulajdonságokat aggregátummal elemezzük. Ez a lehetséges összefüggések létezésének köszönhető. Lehet, hogy a modellben további jellemzők bevezetése rontja a minőségét. Az ötödik szakaszban többféle modell is épül, amelyek közül a "Minőség / Stabilitás" arány legoptimálisabb aránya van kiválasztva. A hatodik szakaszban határozza meg a modell stabilitásának szintjét, azaz A jövőbeni időszakra vonatkozó pontosság fenntartása. A kialakított modell stabilitását a vizsgálati adatok elemzője határozza meg. Ha tesztadatoknál a rendszer a tanulási adatok hatékonyságához hasonló hatékonyságot mutatja, úgy vélik, hogy a modell stabil. A hetedik szakaszban a cut-off hatálya, amely a vállalat által használt stratégián alapul (tömegválasztás vagy az "egyedülálló üresedés és az egyedülálló szakember, stb.). A kiválasztott prioritástól függően a vágási pontszám be van állítva. A munkaképes munkákhoz képest, a személyi szakembernek meg kell határoznia a kérelmező pontosságának különböző tényezőinek és jellemzőinek együtthatókat. Következésképpen a személyi szakembernek képesnek kell lennie arra, hogy megbecsülje a jelenlegi piaci helyzetet. Az ilyen értékelés eredményeképpen súlyos együtthatók és küszöbérték (vágási pont), amelyek nagyon szubjektív vélemények és gyakran statisztikailag ésszerűtlenek. Az utolsó lépésben a nyolcadik fázis a fejlett modell hatékonyságát értékeli, amikor pontozási kártyákat használ a személyzet kiválasztásában, a személyzet szakembere képes lesz gyorsan meghatározni az általános konszolidált jelölt labdát, és eldönti az elfogadás / nem fogadás, mint jól megjósolja a jelölt sikerét / kudarcát. A tömegkiválasztással rendelkező pontozási kártyák használatának előnye (ha több száz potenciális pályázót feldolgozna) az egyes jelöltek közös pontszámának megszerzésének képessége, és azoknak az automatikus kivágás, akik nem kapnak megfelelő minimumot ". A pontozási modell alkalmazásának értéke is, hogy: - könnyű felfüggeszteni és megjeleníteni az esetleges pozíció kiválasztásakor kapott adatokat; - a személyi szakember világos megértésnek tűnik, hogy meg kell tanulni a kérelmezőt és melyik forrásból; - a becslések szabványosítottak, a kiválasztási eljárás átláthatósága növekszik; - A vállalat könnyen nyomon követheti a bérelt alkalmazottak jellemzői és további hatékonyságuk közötti korrelációt, azonban a pontozási kártyák nem helyettesíthetik a szakembert. Mivel a banki esetben nem szabványos helyzetek (komplex megüresedett), a végső döntést kell hozni, nem pedig a szerzett pontot, de az eredmények alapján további elemzést a kérelmező és az élő interjú vele. A pontozási kártyák segítségével a vállalat optimalizálja a toborzás üzleti folyamatait, növeli a hatékonyságot, csak a legjobb jelölteket választja, és csökkenti a személyzet forgalmának kockázatát.
A 2014. márciusi átlagos jelzáloghitelméret körülbelül 1,5 millió rubel volt. Az átlagos autóhitel mérete
nem kevesebb, mint 0,5 millió rubel. Köszönjük a megadott linkeket.
A fenti adatok alapján feltételezhető, hogy a Bank kb. Kétezer ember számára kölcsönözte a kölcsönt.
Természetesen a bank használati rendszereket használ.
Néhány évvel ezelőtt megtanultam a rendszerek pontozási rendszereit, és megdöbbentem. Az a gondolat, hogy a lélektelen autó döntést hozhat a statisztikai adatokon alapuló hitel kiadásáról, nem hagyta el a fejét. Meg akartam játszani a bankot, és ellenőrizni fogom, hogy a számítógép hiteleket ad-e a barátaimnak, csak szórakozásra. Soha nem láttam valódi pontozási rendszereket, de úgy döntöttem, hogy nem számít, én írom magam.
Semmi előbb mondott, mint kész.
VIGYÁZAT, Sok kép!
A programot 2 évvel ezelőtt írták, 2 héten belül, a C # + MSSQL-en.
Most véletlenül kiléptem, és úgy döntöttem, hogy megmutatom a Hubrasom közösséget. Mi van, ha néhány kis bank vásárol?
Megnyitotta a kódot, megijedt, hozzáadt egy kis multithreading és zárt.
SQL kéri közvetlenül a kezelőn - szörnyű, tudom. De ez nem érdekes befejezni, már játszottam.
Tehát indítók számára szükségem van egy olyan kérdőívre, amelyet okosan neveznek a Sberling kártyára.
A 3 legnagyobb orosz bank helyszíneire a fogyasztói hitelek kérdőíveket találtak. Három egyedül gyűjtünk, nyomtatunk és létrehozunk egy szakértői jutalékot. 15 embert elkaptak, eléggé vált. A szakértő értékeli a pontozási kártya minden kritériumát 0 és 100 pont között. A következő lehetőségek is vannak:
Ezután minden kritériumra közepes pontszám van, és a végső kérdőívet kapják.
| Indikátor | A mutató értéke | Pontszám |
| Vezetéknév | -1 | |
| Név | -1 | |
| középső név | -1 | |
| Születési dátum | -1 | |
| Születési hely | -1 | |
| Padló | -1 | |
| -1 | ||
| Sorozatszám | -1 | |
| Által kiadott | -1 | |
| kiadás dátuma | -1 | |
| telefon | -1 | |
| Cím | -1 | |
| Kor | Kevesebb, mint 20 év | 8 |
| 20-25 éves | 21 | |
| 25-30 éves | 36 | |
| 30-35 éves | 53 | |
| 35-50 év | 60 | |
| 50-60 éves | 37 | |
| 60-65 éves | 15 | |
| Több mint 65 éves | -10 | |
| Szállás | Saját szállás | 47 |
| Ingatlan bérbeadása | 13 | |
| Diákszálló | 8 | |
| Rokonoknál | 10 | |
| Katonai egység | 9 | |
| Egyéb (adja meg) | -1 | |
| Polgárság | Rf | 43 |
| Egyéb (én vagyok az Orosz Föderáció rezidens) (adja meg) | 5 | |
| Nem vagyok az Orosz Föderáció rezidenciája | -10 | |
| Családi állapot | Egyetlen, nem házas) | 40 |
| Házas) | 65 | |
| Házas (házas), de külön él | 26 | |
| Elvált | 29 | |
| Özvegy (özvegy) | 34 | |
| Gyermekek elérhetősége | Nincs gyerek | 66 |
| Egy | 57 | |
| Kettő | 48 | |
| Három | 36 | |
| Több mint három | 24 | |
| FELSZERELÉSEK | Nem | 66 |
| Egy | 57 | |
| Kettő | 48 | |
| Három | 36 | |
| Több mint három | 24 | |
| Az oktatás szintje | Az átlag alatt | 11 |
| Átlagos | 21 | |
| Szakosodott másodlagos | 33 | |
| Befejezetlen magasabb | 39 | |
| Magasabb | 58 | |
| Néhány magasabb | 77 | |
| Akadémiai fokozat | 84 | |
| Pozíció helyzete (pozíció) | Leader (szarvas, helyettes., Ch. Bük.) | 94 |
| Ip | 92 | |
| Köztisztviselő | 47 | |
| Katona | 56 | |
| Szakember | 46 | |
| Sportoló | 30 | |
| Dolgozó | 32 | |
| Diák (nem működőképes) | 9 | |
| Nyugdíjas (mozgássérült) | 8 | |
| Munkanélküli | 0 | |
| A munkahelyek száma az elmúlt 3 évben | Egy | 52 |
| Kettő | 38 | |
| Három | 21 | |
| Több mint három | 9 | |
| Tapasztalat ezen a munkahelyen | Kevesebb mint 1 év | 7 |
| Legfeljebb 3 év | 24 | |
| Akár 5 évig | 40 | |
| 5 év alatt | 56 | |
| Teljes munkatapasztalat | Kevesebb mint 1 év | 10 |
| Legfeljebb 3 év | 20 | |
| Legfeljebb 10 éves | 37 | |
| Több mint 10 év | 62 | |
| A szervezet tevékenységének típusa | Pénzügyi, bankok, biztosítás | 37 |
| Tanácsadói szolgáltatások | 32 | |
| Épület | 39 | |
| Hatóságok és vezetés | 42 | |
| Ipari és gépészmérnöki | 37 | |
| Inframációs technológiák / távközlés | 38 | |
| Nagykereskedelem és kiskereskedelem | 35 | |
| Szállítás | 30 | |
| Idegenforgalom | 36 | |
| Biztonsági tevékenységek | 34 | |
| Oktatás | 32 | |
| Gyógyszer | 30 | |
| A tudomány | 33 | |
| Fegyveres erők | 31 | |
| Szociális szféra | 21 | |
| Egyéb iparágak (meghatározva) | -1 | |
| Átlagos havi jövedelem | -1 | |
| Átlagos havi költségek | -1 | |
| Tulajdonságok | Garázs | 38 |
| Lakás | 58 | |
| Ház | 65 | |
| Kúria | 51 | |
| Földterület | 63 | |
| Egyéb (adja meg) | -1 | |
| A jármű elérhetősége | Név, márka, kiadás év (Check) | -1 |
| Nincs jármű | 0 |
Ez a kérdőív a rendszerbe kerül.
Általában a kötelező kérdések csak 2 - "átlagos havi jövedelem" és "átlagos havi költségek". Nélkülük nincs értelme a hitelezésben. A többi kérdés megváltoztatható, törölhető vagy hozzáadhatja a tiéd.
A "Sort" gomb meghatározza a maximális és minimális pontozási kártyát, és meghatározza a kérdés típusát is.
A kérdőív átadásakor az elemek automatikusan létrejöttek. Ha a kérdésnek van egy válasza, akkor mezőként jelenik meg, ha több mint 1 válasz, akkor egy legördülő listává válik. Ez úgy néz ki, mint egy kérdőív az ügyfél szempontjából.
És ez az ügyfél jelezte a jármű jelenlétét, és leírta azt. A hitel szakember becsülte ezt a kritériumot pontokban.
A kérdőív értékelése.
A tiszta átlagos havi jövedelem a jövedelem és a kiadások közötti különbség. A fizetés garanciájának növelése érdekében a program figyelembe veszi a nettó nyereségből származó fizetési arány csökkentését, például a 0,7-et. Ez azt jelenti, hogy ha az ügyfél havonta 100 rubel nettó nyereséget mutat, a bank legfeljebb 70 rubel a havi fizetés. A tiszta jövedelem megszorozza ezt az arányt. Az együttható módosítható a beállításokban.
A kérdőív rendelkezik a felső és az alsó folyosón. Az alsó határ csökkenti a jóváhagyott hitelek számát, de növeli az ügyfelek fizetőképességét. A felső határ csökkenti azokat a csalásért, amelyek tökéletes kérdőíveket hoznak létre a leginkább jövedelmező hitelért. A felső és az alsó határértékek százalékban vannak beállítva, a beállításokban módosíthatók. Ha az ügyfél profilja, vagy inkább az űrlap mögötti pontszámok mennyisége kimutatta az ablakot a felső és az alsó határértékek között, a kölcsönt jóváhagyottnak tekintik. Most az ügyfél választhat az egyik hitelképességet, a kifizetések összegét és időtartamát. A kifizetéseket járadék vagy differenciált kifizetések alapján lehet kiszámítani.
Az ügyfél 230 000 rubelt szeretne kapni 24 hónapos fizetési idővel 22,5 százalék alatt. 24 hónapig az ügyfél 283.906 rubelt fizet.
Itt van egy fizetési ütemterv.
Édességek az izgalomtól kézzel a "Domborok" gomb megnyomása. Az első ügyfél fizetés a legnagyobb, 13.896 rubel. Az ügyfél havi fizetőképességét 14.611 rubel határozza meg, így a Bank vállalja, hogy kölcsön kiadja a kölcsönt.
Hurrá! Ha a kölcsönt jóváhagyják, létrejön a kérelem, a szerződés és a fizetési táblázat.
Figyeljen a státuszra - az ügyfél rossz. Az állapot csak 2 - jó és rossz. Miért rossz, az ügyfél csak kölcsönt vett? Az a tény, hogy az első kifizetést ma kell elvégezni.
A rendszer meghatározza az ügyfél állapotát a kifizetőasztalon. Minden egyes kifizetésnél megadott dátum. A kifizetéseket meghatározzák, amelyet ma kell fizetni. Az ügyfél rossz, ha a nem fizetés száma:
Fizetett fizetés, tranzakció elhaladva!
Ahhoz, hogy őszinte legyek, a számlák, a szerződések, az alkalmazások és a fizetési tranzakciók száma véletlenszerűen generálódik, és egyáltalán nem kell dolgozni. De szilárd bank vagyok!
De az ügyfél jó lett.
Piszkos hack - jó ügyfelet tehetsz, hogy rossz legyen a kifizetéseinek megszüntetésével.
És most 140 000 rubelt akarok venni évente a "jó hitel" alatt.
Túlfizetés 303 rubel - álom!
De minden barát kapott kölcsönt, a statisztikák ideálisak, a piac telített. Bank a stagnálásban. Mit kell tenni? Több ügyfélre van szüksége! Hol vigye őket? Generálni!
Tehát a standard kérdőív generátora:
| Kérdés | Válasz |
| Padló | Véletlenül |
| Név | A listából |
| Vezetéknév | A listából |
| középső név | Név a listából Plus "Ovich" vagy "Aries" |
| Születési hely | A listából |
| Születési dátum | 1940-től 1997-ig |
| Azonosító dokumentum | Útlevél |
| útlevél | 0000 000000 és 9999 999999 között |
| kiadás dátuma | Bármely pillanat, mivel az ügyfél 14 éves volt |
| Kiállítás helye | A listából |
| Átlagos havi jövedelem | 4 ezer és 60 ezer rubel. |
| Átlagos havi költségek | 2 ezer és 30 ezer rubel. |
| Egyéb kérdések | Véletlenül |
| Hitelkínálat | Véletlenül |
| Hitel összeg | 1 ezer rubelből. a maximális hitelkínálat összegéhez |
| A kifizetési hónapok száma | Minimálisra a maximális értékre |
Bár a jövedelmek kétszer nagyobbak, mint a kiadások, még mindig néha jönnek, hogy a nettó jövedelem negatív.
Ha a válasz van kiválasztva, az alkalmazás törlődik, és az aláírás megjelenik az állapotsorban „lehetetlen, hogy létrehoz egy alkalmazás tisztázása”.
Ha a kölcsönt jóváhagyják, akkor a kifizetések keletkeznek. A nem fizetés valószínűsége 1/20, de egyes ügyfelek nem szerencsések, és 4 kifizetést jelentenek egymás után.
A generátor a főmenübe került, létrehozhat 1 vagy azonnal 200 alkalmazást.
A generátor is, amikor átadja a kérdőívet.
A generált ügyfelek pontjai normál eloszlásnak vannak kitéve. A bal bal oldali oszlop azok, akik megtagadták a kölcsönt.
A kérdőívben természetesen értelmetlen, de a statisztikák azonnal szórakoztatóbbá váltak!
A következtetés a legrosszabb ügyfél, amely tétlen (nem házas) egyéni vállalkozó, több felsőoktatással.
Lehet szükség
A Bank hitelállományának jövedelmezőségének növekedése közvetlenül a hitelkockázatok illetékes kezelésétől függ. És ez az a pontozási rendszerek, amelyek a jövedelmezőségvesztés nélkül csökkentik a kockázatokat, és válaszolnak a kulcsfontosságú kérdésekre: Milyen problémás lesz a bank munkája egy konkrét hitelfelvevővel, milyen fontos a hitelkeret fontossága, és visszaadja a kölcsönt vagy sem.
1941-ben David Durane először alkalmazta a hitelek "jó" és "rossz" osztályozására szolgáló módszertant. Nemcsak olyan tényezők csoportját definiálja, amelyek lehetővé teszik a maximális hitelkockázat mértékének meghatározását, hanem a magán kliens hitelképességét jellemző együtthatókat is. Így a hitelfelvevő, aki teljesíti a küszöbértéket a megfelelő számú pont beírásával, potenciálisan megkaphatja a kért összeget. Az az elképzelés, Dujna kapott folytatásaként - hamarosan San Francisco alakult az első tanácsadó cég területén a pontozási Fair Isaac, és egy kicsit később, az új tömeg hiteltermékek (hitelkártyák), valamennyi pénzügyi intézmény a Az Egyesült Államok a pontozás eszméjére vonatkozott.
Tény, pontozás a módszer osztályozására összessége kölcsönfelvevők különböző csoportok, ha a szükséges jellemző nem ismert, azonban, más jellemzők ismertek, amely bármilyen módon korrelál érdeklődéssel. A gyakorlatban a hitelfelvevő elemzésének feladataitól függően a hitelminősítés magában foglalja az alkalmazásterméket - a hitelképesség hitelképességének értékelését (a személyes adatokra vonatkozó értékelést elsősorban), a viselkedési hulladék - a visszatérő hitelek valószínűségének értékelése (viselkedési elemzés), valamint a gyűjtemény-sí-gyűrű - a hitel teljes vagy részleges visszatérésének lehetőségének értékelése az adósság lejáratának megsértésével (a portfólió kockázatok kiszámítása).
A SAS, KXEN, Experian, az SPSS, az EGR híres fejleményei nem speciális pontozási szoftverek, hanem univerzális analitikai eszközök (adatbányászat), az úgynevezett "intelligens kernel", amelyet használhat, és építhet saját pontozási modelleket. Ezért a teljesebb megértésben a belsejéből érkező pontozási rendszer egy komplex rendszer, amely a fogyasztói hitelek kibocsátásának automatizálását jelenti a banki irodákban, az interneten keresztül, az interneten keresztül, amely analitikai magként oldatot használ az egyik jól ismert Fejlesztői vállalatok.
Maga a pontozás nem csak bizonyos pontozási modellekkel dolgozik, hanem építési infrastruktúrát is. Így sok adatbányászati \u200b\u200btermékben a statisztikai adatok (MATMO-DEL) elemzésének eredménye programkódként menthető, és beillesztheti azt a bankszoftverbe. Ez a pontozási rendszer alatt olyan speciális szoftvert jelent, amellyel a forrásadatok (ábra) alapján kiszámíthatja a kívánt indikát. Az éneklőlap egy bank és a megfelelő súlyhatás (pontokban) jóváhagyott különleges jellemzők.
A bankok pontozási kártyái általában többek, mivel nagymértékben függ a hiteltermékektől. Például egy ingatlan egy kártyát igényel, és az autó megvásárlása teljesen más. A szakértők szerint egy közös kártyát használhat, de kényelmetlen a felhasználók számára. A modellek szinte mindig is többek. Általában a hitelkérelem nagy számú modellen keresztül halad át, és különböző modellek is felhasználhatók különböző személyek kategóriáiban is egy pontozási kártyán.
A pontozási rendszer működése során fontos a pontozási modell minőségének és hatékonyságának nyomon követése. Általában itt van, hogy a szakemberek látják a hitel pontozás egyik fő problémáját.
A pontozási rendszer egyszerűsített munkatermei
Az ismert pontozási rendszerek egyik legfontosabb nehézsége, valamint az összes technológiai megoldás az alapvető banki tevékenység területén, rossz alkalmazkodóképesség. Az a tény, hogy idővel az idő múlásával a hitelfelvevő funkciók megváltoztathatók. Tehát a pontozási modelleket frissíteni kell a leginkább "friss" ügyfelekről, rendszeresen újraellenőrzésre, és szükség esetén új modellt fejleszteni kell mind a különböző időtartamokra, mind a különböző régiókra. Nyugat-Európában egy új modellt átlagosan évente egyszerre fejlesztik ki. Ukrajnában a maximális időtartam évente hat hónap lesz. A modellcsere közötti időszak a gazdasági feltételektől és a gazdaság stabilitásától függően változhat.
A pontozási modell hozzáigazításához egy pénzügyi intézmény szakembernek meg kell határoznia az együtthatókat különböző tényezőknek, amelyek jellemzik a privát kliens hitelképességét. Tehát az elemzőnek képesnek kell lennie arra, hogy megbecsülje a piac jelenlegi helyzetét. A munka eredménye súlyos együtthatók és küszöbérték (vágási pont), amelyek nagyon szubjektív vélemények és gyakran statisztikailag megalapozatlanok.
Az ilyen pontozási korlátozások leküzdése adatminimális eszközökkel oldódik meg. Az automatikus adatelemzés legelterjedtebb módja megoldások építése. A döntéshozók magabiztosak: A lényeges következtetések megszerzése érdekében nem szükséges statisztikusok. Például a Ansctreree (SPSS termék) automatikusan létrehoz egy fát, amely lehetővé teszi a párbeszédablakot a felkészületlen felhasználó alapján, hogy elkezdje dolgozni a programmal. Maga a válaszadás automatikusan megszakítja az adatokat, és statisztikailag jelentős csoportokat talál.
Intuitívan érthető fa diagramok, grafikonok és táblázatok, a program önállóan szegmenzi az adatokat, míg az Analytics csak meg kell adnia a célváltozót, a predikátorok változókat, és válassza ki az algoritmust egy megoldások építéséhez. Kényelmes, hogy a blokkdiagramhoz hasonló fa diagram, lehetővé teszi a kiválasztott szegmensek és minták megjelenítését az adatokban.
A legmegbízhatóbb eredmények megszerzéséhez általában ajánlott a modellt képezni az almintát, majd tesztelni a megbízhatóságot a fennmaradó adatokon. Mennyire írja le a modell az adatokat a képzési modellről a vezérlésre való áttéréssel. Az elemzés eredményeit bármilyen formátumban lehet benyújtani, például az egyes csomópontok információinak megjelenítéséhez táblázat vagy grafika formájában.
A korábbi időszakok megfelelően épült, a döntésfa egy másik nagyon fontos jellemzője, nevezetesen "az általánosítható képesség". Ez azt jelenti, hogy ha egy új helyzet áll elő, akkor azt mondják, egy elég nagy részét abban, hogy az újonnan alkalmazott hitelfelvevő fog viselkedni, ugyanúgy, mint azok a hitelfelvevők, amelynek jellemzői hasonlóak a jellemzői az új ügyfelek.
A pontozási rendszer kiválasztásának kritériumai közvetlenül a feladatoktól függenek. A legtöbb ukrán bank a pontozás meglehetősen keskeny, mint a megadott adatok alapján a matematikai számítás folyamatát. Ugyanakkor gyakran a duzzadási rendszerek szerepe a "pontozási számológép" szintjére vonatkozik. De a pontozás összetett lehet használni nem csak a teljes automatizálását a munkát az ellenőrök, hanem megoldani más fontos feladatok - dolgozik a „rossz hitelek”, optimalizálása marketing kampányok és a szegmentáció, az ügyfélkör, a csalás elleni küzdelem, elemző műszaki kudarcok és likviditáskezelés.
A bizonyosság mellett, hogy a hitelszervezés egyszerűsítése egyszerűen "pontozási számológép" vagy a teljes üzleti folyamat automatizálása, szintén fontos szerepet játszik:
A pontozási rendszerek végrehajtásának legfőbb akadálya, Yana Nadelskaya szerint az "Agrocombank" hitelfogyasztásának vezetője, még mindig a felhalmozott információ hiánya marad. Csak ebben a feltételnek tekinthető az eredményeként kapott adatok nagyfokú megbízhatóságának tekinthető. A komplex pontozási rendszer a bankpiacon Ukrajna helyénvaló csak nagy rendszer bankok, amelyek a fő hangsúlyt a lakossági hitelezés - amikor megérkezik a flow (főleg jelzálog és az autó hitel).
A pontozási rendszer hagyományosan egy modulból áll a forrásadatok, az analitikai modul és a jelentési modul előkészítéséhez.
A rendszeradatok pontozása három típus lehet. Az első típus - a bankok hitelességének személyzetének ismerete a hiteltermékek meghatározott típusaiban (fogyasztói, auto- és jelzáloghitelezés) és ügyfeleik. A második típusú adatok a már kibocsátott hitelek statisztikája, figyelembe véve a "jó" és "rossz" hitelfelvevőket. És ha a banknak nincs ilyen adatainak bármilyen típusú - sem szakértői ismerete, sem a kibocsátott hitelek statisztikája, a pontozási rendszer alapjául szolgáló modell elsősorban regionális és ipari adatokon alapul.
A fogyasztói hitelezési folyamat automatizálására szolgáló összes front office megoldás a legtöbb esetben a webes alkalmazások, amelyek biztosítják a rendszer jó skálázhatóságát és egyszerűségét, hogy összekapcsolódjanak a bankok és reprezentatív irodák új fiókjaiban a kiskereskedelmi üzletekben.
Vannak javaslatok az ukrán fejlesztők pontozására, amelyek biztosítják az egész folyamat automatizálását (ugyanakkor egy pontozási kártyát hoznak létre, és automatizálják az alkalmazást és a döntéshozatali folyamatot). A piacon vannak kínálnak nyugati beszállítók (gyakran drága márkás megoldások, amelyek nagy bankokra összpontosítottak) és az ukrán képviselők (egyszerű és olcsó települési rendszerek "számológépek", ahol a hazai piac sajátossága megtörtént).
A leghíresebb nyugati pontozási rendszerek ma SAS hitelkötés, az Egar pontszámok, a tranzakció SM (Experian-scorex), K4Loans (KXEN), Clementine (SPSS). A CIS-BNS fejlesztők közül a BaseGroup Labs. SAS megoldások (kb. 200 ezer dollár) a leginkább átadódó és drágább, és a KXEN fejlesztés is méltó (kb. 30.000 dollár).
Majdnem az árkategóriás közepén érdemes az Egar Technológiai Társaság, amely egyrészt a nyugati szállító kínálja a pontozási rendszert a klasszikus nyugati modellekkel, másrészt a megoldás (Egar pontozás) annyira A lehető legkisebb megközelítések - például kiegészítve a különleges megközelítések - például a hitelfelvevő hitelképességének értékeléséhez szükséges makrogazdasági megközelítés, figyelembe véve a hiteles termékek és egyéb lehetőségek jellemzőit.
Figyelembe véve a különböző pontozási megoldásokat, helyesen beszélgetni a rendszerekről a nyugati piacra és az ukrán (orosz) piacra vonatkozó rendszerekről, mivel vannak nyugati beszállítók, például Egar, amely a pontozás változatát kínálja, teljes mértékben figyelembe véve az ukrán (orosz) specifitás.
Természetesen a nyugati piac rendszere sokkal funkcionálisabb, mint az ukrán vagy a FÁK fejlesztése, de nehéz kényszeríteni őket a hazai feltételek munkájára: szükséges a végrehajtás, az integráció és az alkalmazkodás összetett folyamata.
Hasonlítsa össze a nyugati és hazai rendszereket, szükség van a következőkre:
1. A nyugati rendszerek sokkal korábban jelentek meg, hosszú élettartamuk van, nagy mennyiségű hitel történetet, de ezek a történetek nem alkalmasak az ukrán piacra;
2. A nyugati rendszerekben nincsenek szerszámok (lehetőségek), hogy kis mennyiségű kredit történetek (ami szükséges az ukrán piacon). A klasszikus pontozás területén végzett fejlemények lehetővé teszik, hogy korlátozott mennyiségű hitel történetekkel dolgozzon.
Egy másik funkció nagy különbség a helyi piacoktól és a különböző banki termékekektől függően. Ennek megfelelően a nyugati rendszerek nem rugalmasak a hazai piacon.
Az Ukrajnában végzett pontozási rendszer végrehajtásával két megközelítés hagyományosan működik. Az első a klasszikus (retrospektív) pontozás, amely a korszerű matematikai módszerekkel történő történelmi adatok elemzésén alapul, amikor egy ilyen elemzés lehetővé teszi a hitelfelvevő kérdőív és más mutatók legjelentősebb mezőket.
A második a "szabályok szerint" pontozás, ha egyszerűen egy szakértő, hitelminősítési szabályok vannak beállítva, és a program automatizálja ezt az algoritmust a történelmi adatok elemzésére szolgáló statisztikai módszerek használata nélkül.
Ma ez a második lehetőség, amely leggyakrabban nemcsak közepes és kis bankokban dolgozik, hanem sok nagyban is. Az elmúlt évben azonban a kereslet észrevehetően aktiválódott az első lehetőség, mint kis, de még mindig jelentős mennyiségű hitel történet néhány piacon.
Például az "Agrocombank", mint a legkisebb és közepes méretű bankok, a saját fejlesztésének túlfeszültségrendszerét használja (figyelembe véve más bankok tapasztalatait). Ez egyfajta átfogó értékelés, beleértve számos objektív és szubjektív mutatót is. Az objektív mutatók magukban foglalják a vállalkozás pénzügyi mutatóit, és az objektív mutatók értékelésének fő irányait a Nemzeti Bank határozatával 279-ig hagyja jóvá ("... a visszatérítőközpontok kialakításának és felhasználásának eljárásáról lehetséges veszteségek a banki hitelezési műveletekről "). Ami a szubjektív mutatókat illeti, sokkal több választási szabadság van, és a bankok általában olyan tényezőket használnak, mint a hiteltörténet, a hírnév, a területi elhelyezés, a hangerő és a minőség biztosítása.
Egy nagy banknál a Nadra a "Szabályok szerint" pontot is használ. Andrei Grouse szerint és. ról ről. A Nadra Bank kockázatkezelési osztályának igazgatói, a Schoringo-Way rendszer "Nadra", a szerző saját szakemberei, melyet más országokból származó pénzügyi tanácsadók részvételével hoztak létre. A rendszer egyszerű: az ügyfél biztosítja a banknak minimális dokumentumcsomagot - az információ be van kapcsolva a rendszerbe - a rendszer összefoglalja az adatokat, és válaszoljon, jelezve a banki kockázat mértékét minden esetben.
A tényező, amely a "Szabályok szerint" pontozás dominanciáját jelöli Ukrajnában, lehet megjegyezni az SPSS és SAS típusú statisztikai csomagok statisztikai csomagjainak kis eloszlását. Végül is nem szükséges az ügyfelek elemzéséhez - a múltbeli ügyfelek retrospektívé és statisztikai csomagot.
Várható, hogy az elkövetkező néhány évben a statisztikai pontozási rendszereken van ("a szabályok szerint a szabályok szerint", a "makrogazdasági pontozás") növekedni fog, mivel elegendő számú kredit történetet halmoznak fel ("a szabályok szerint" valószínűleg alkalmazható a jelzálogra).
A Delta Bankban Andrei Ladanovsky szerint a kockázatkezelés vezetője, a bank szakértői által kifejlesztett pontozási kártyák. A munka az alábbiak szerint következik be: Vannak meglévő hitelek negatív és pozitív hiteltörténet, a statisztikai módszerek olyan mutatók, amelyek befolyásolják a hitelminősítést, az egyes mutatók egy bizonyos súlyt kapnak az átfogó értékelés során. Ennek megfelelően az ügyfél profilja átmegy az automatikus ellenőrzések rendszerén az alkalmazás integritásának. Ennek eredményeképpen a hitelfelvevő automatikusan hozzárendel egy bizonyos hazai minősítést, amely meghatározza a kölcsönszerződés feltételeit.
Jelenleg a leghatékonyabb a statisztikai és pontozási pontozási módszerek kombinációja a "szabályok szerint". Az a tény, hogy a rendszer olyan eszközöket hajtott végre, amelyek lehetővé teszik a statisztikai megközelítés és a pontozás kombinációját a szabályok szerint, valamint figyelembe véve a piaci és hiteltermékek regionális specifikáját, azt sugallja, hogy az országokban hatékonyan alkalmazható A fejlődő gazdaság - Oroszországban, Ukrajnában és Kazahsztánban.
A szakértők szerint a Raiffeisenbank Ukrajna (most az OTR) is volt egy olyan rendszer, amelyet a belső erőforrások fejlesztettek ki. A Renaissance Bank a Fair Isaakon alapuló fejlesztést használja. A kiskereskedelemben elfoglalt hazai bankok közül a híres beszállítók átmenetének alakulása már tervezett.
Az egyik érdekes lehetőség, amely egy hitelintézet előtt megnyílik egy hatékony hitelminősítési rendszer bevezetésével, részt vesz a kereskedelmi eszközök portfóliókban. 2004-ben Európában a kétes külföldi befektetők számára a kétes hitelek fellendülése volt. Tehát Morgan Stanley az olasz Banca Nazionale del Lavoro által megkérdőjelezhető hitelfóliót szerzett 430 millió euróban. Egy kicsit később, a Dresdner és a Hypo Ingatlanok is szerkezetátalakítási portfóliókat folytattak, és végrehajtották külföldi vásárlóikat.
Az NPL-piac (problémakereskedelmek) tevékenységének okaiként az elemzők hasonlóak az európai hitelpiacok magas versenyének és telítettségének figyelembevételéhez, a hitelminősítő intézetek szigorúbb igényeihez és a Bázel 2 új szabványaihoz, valamint a a tulajdonosok. Sok szempontból, ennek következtében a rész eladása, majd az egész NPL portfólió a banki intézmények racionális teljesítményének tekinthető, mivel lehetővé teszi a pénzeszközök visszaküldésének képességét, anélkül, hogy romolná a jövőbeni cash flow-k létrehozásának lehetőségeit .
Más szóval, ha a problémás hitelek aránya meghaladja a bizonyos megengedett szintet, már nagyon veszteségesek, hogy a bankot a mérlegen tartsa, még akkor is, ha hipotetikusan képes pozitív eredményt visszaküldni.
A problémás eszközök kezelése potenciálisan jövedelmező vállalkozásnak tekinthető az ukrán hitelintézetek szintjén is. A fogyasztói hitelek kétes adósságának átlagos mutatója ma az ukrán bankok hitelportfóliójának 7-12% -át teszi ki. A szakértők szerint azonban ez nem "halott" hitelek, mert egyes hitelfelvevők egyszerűen elfelejtik, vagy nincs ideje visszafizetni időben. Szerint Andrei Ladanovsky, a "rossz hitel" nem mindig egyedülálló negatív jelenség, hiszen elméletileg a leginkább jövedelmező ügyfél az, amely fizeti az adósságot késedelem, amely szintén dicsérte a büntetést. Ezenkívül fontos figyelembe venni a diverzifikációt a hitelfajtákkal - az adósság a fogyasztói hitelek és a jelzáloghitelezés időnként, azonban az ilyen típusú termékek átlagos hozama.
Az egyetlen probléma, hogy a mai jelentős akadály a szekvenciában és a kereskedelem banki eszközök, a hiánya a hitel adósság szerkezetátalakítási tapasztalatait az ukrán bankok. A megfizethető statisztikák, a szakmai csalók szerint a hazai bankok adósságának átfogó struktúrájában, eddig körülbelül 1,5-2%, de senki sem ismeri a valós helyzetet. Így a pénzeszközök létrehozása, amelyek kezelhetik az ukrán hitelfelvevők kétes és reménytelen adósságait, nagy kockázattal járhatnak.
Ilyen körülmények között a kollektor cégek a "rossz hitelek" legvalószínűbb vásárlói számára készültek, mint a speciális alapok. Így a kijevi hitelgyűjtő csoport (SSG) megjelent a piacon, amely a késedelmes adósságokkal együtt jár.
Néhány kivétel érdekében az ukrán banknak nincs érvényes klasszikus pontozási rendszere, és a hitelfelvevők hitelképességét elsősorban a saját szoftvertermékei nyújtják.
Ez a helyzet objektív - a tisztességes pontozási megoldás megvalósításának szándéka gyakran a szükséges történelmi adatok hiányában és a statikus alkalmazásának képessége miatt fordul elő. Mivel az összes rendelkezésre álló statisztikát papíron és a szakértők hitelbetegségeinek tartalmazzák, a jelentős erőforrások mobilizálása érdekében a szükséges "hitel temető" megteremtése 10-20 ezer hitelfelvevőből, amelyre ma nem áll készen minden pénzügyi intézmény.
A közeljövőben az ukrán magánszemélyek hitelesítési piacának fejlesztését az ilyen tendenciák határozzák meg:
A bankok ma aktívan optimalizálják üzleti: cserélje ki a drága fiókhálózat távoli karbantartás, óvatosan csökkentse a személyzet felvételi multifunkcionális szakemberek a „három az egy áráért” módban, automata minden, ami automatizálja. Az egyik üzleti optimalizálási eszköz, nevezetesen a hitelfolyamat, pontozás.
A hitelezés Oroszországban történő fejlesztésével a bankok hitelosztályai mérete felment a lehetetlenségre. A hitelfelvevők értékelése, bemutatva őket egy hitelbizottság, a tonna papír és jelentések. És itt, hogy segítsen az orosz bankokhoz. Ez az intelligens asszisztens képes az érzelmek nélküli hitelfelvevő értékelésére. Nos, vagy szinte bárki. Mégis, függetlenül attól, hogy mennyi a bank a hitelezési folyamat automatizálása, emberi részvétel nélkül, még mindig nem. Ezenkívül függetlenül attól, hogy milyen mágia és okos gép, de a csaló egy őszinte ügyfél nem mindig más.
Hogyan működik
A SOKING elég egyszerű. Közvetlenül azután, hogy ezeket az alkalmazásokat a rendszer elemzi a tömege a paramétereket a hitelfelvevő - a gazdasági (jövedelem összegét, slaughterism, stb), hogy a társadalmi-demográfiai (kor, nem, családi állapot, gyermekek jelenlétében, foglalkozás stb.). A hitel szakember kap egy pontozási pontszámot a kijáratnál, amely után további értékelést végez a potenciális hitelfelvevő megfelelőségének és mentális egészségének - azaz a munka, amelyet az automatikus rendszer nem tehet.
A sebész valahogy mindenféle kiskereskedelmi hitelezésben használatos. De a terméktől függően a hitelfolyamatban a pontozási értékelés súlya változik. Például a gyors hitelezésben a pontozás jelentős hatással van a végső döntésre, a jelzálogra, ahol az egyéni megközelítés fontos, kevesebb figyelmet szentel. Minél bonyolultabb a hitelügylet paraméterei, például egy ígéret, kezes, különböző jövedelemtermelés, nem szabványos hitelezési rendszer, a még kevésbé fontos a pontozási modell. Ezen túlmenően, annak érdekében, hogy felhalmozódnak elég statisztikák építmények scoring modellek lakáshitelezés, több időre van szükség, mint az egész hype jelzálog Oroszországban. "A krediteket 15 évig vagy annál hosszabb ideig adják ki, és a szolgáltatás története 5-7 éves maximum," magyarázza VTB Bank alelnök Olga Balaeva.
A pontozási rendszer bevezetése kérdés és strukturális, és pénzügyi. Az ár itt nagymértékben függ a munka mértékétől. Szerint az igazgató a kiskereskedelmi kockázati osztály a CBF Bank Evgenia Ivanov, a költségek a pontozási kártyák különböző termékek elérhetik százezez több százezer dollárt. A pontozási kártyák a bank által jóváhagyott specifikus jellemzők és a különböző hitelirányok (pontok) által jóváhagyott specifikus jellemzők. A bankok pontozási kártyái általában többek: például egy kártya szükséges a jelzálog alatt, és már teljesen más az autó megvásárlásához szükséges hitelek esetében. Ha a bank az egész hitelfolyamatot az áramlásra kívánja tenni (futtatja az úgynevezett hitelkeret), akkor a költségek több millió dollárt is elérhetnek. Végül is ez nem csak az egyéni pontozási kártyák elindítása, hanem a globális pontozási infrastruktúra kialakítása, a speciális banki berendezések bevezetése a hitelértékelés minden szakaszában. A beágyazott pontozási rendszer fenntartásának költsége viszonylag kicsi, arányos a könyvelő havi fizetésével.
Kéz és érzelmek nélkül
A legtöbb bank törekszik lefordítani a hitelfelvevők automatikus módban történő értékelésére vonatkozó eljárásokat. Ez normális, mert az egyik rendszer megvásárlása lehetővé teszi, hogy ne utasítsa el az "extra" munkavállalókat, hanem megszabaduljon az emberi kezektől és az érzelmektől. Az alkalmazás ellenőrzésének folyamatának összetettségétől függően az "ember - gép" aránya 1:20 és annál magasabb arányban változhat. Ez az, míg a személy ellenőrzi az egyik alkalmazást, az autónak van ideje, hogy 20-ig ellenőrizze. Az Olga Balaeva szerint az Surring lehetővé teszi, hogy az ügyfelek növekvő áramlását a minimális személyzet bővítésével tudja feldolgozni. Ráadásul a pontozás nemcsak mennyiségben működik, hanem a minőség is. "Az új pontozási kártyák bevezetése az alapértelmezett csökkenés kíséri az újonnan kibocsátott hitelek esetében" - mondja Ruslan Morozov a Rózist Morozov igazgatóhelyettese.
A pontozás egyszerre megöli a két nyúlást. Egyrészt, "hamarosan" a technikai komponens miatti alkalmazások megfontolására. Másrészt a gép az előítéletektől mentes. Nem látja, milyen ruhákat kapott az ember, mint potenciális ügyfél viselkedik. A pontozás csak gyorsan és tévedően elvégzi munkáját.
Az egyének kockázatkezelésének vezetője, a Raiffeisenbank Olga Kryushkova kis- és mikrohordósága, a kétségtelen plusz pontozás, hogy nem az emberi hatás alá esik. Az adott hitelfelvevő értékelésének eredménye az ugyanazon ügyfelek tízezer-részének elemzésén alapul, és mindig pontosabb lesz, mint bármely szakértői szabályok vagy politikák használata. A plusz is alacsony költségű és nagy sebességű, lehetővé téve a megoldás valós idejű megoldását.
Az ember nem feledkezett
Mindazonáltal, az emberi tényező hiánya a hitelfelvevő értékelésében a bank pénzügyi veszteségeinek válthat. A baj az, hogy a pontozás gyakran nem teszi lehetővé a hitelfelvevőket a bank számára, mert nem pipicitása miatt. "Mivel a pontozás fő mínusz a pontozás, lehet megnevezni a jóváhagyás lehetetlenségét a nem szabványos alkalmazások értékelésének rendszere révén, amelyek mindazonáltal érdeklődhetnek a bank," a Nyugat üzleti Fejlesztési Tanszékének igazgatóhelyettese Valery Bank Kretov egyetért.
Egyszerű példa. A potenciális ügyfél a nagy kockázatú társadalmi csoportban található (mondjuk, hogy öt gyermeke van a függőség és a tapasztalat az utolsó munkahelyen a féléves területen). Azonban további információk, amelyeknek van az aláíró, de amely nem "varrott" a pontozási modellbe, lehetővé teszi, hogy bizalommal beszéljen a hitelfelvevő jó fizetőképességével kapcsolatban. Tegyük fel, hogy egy hitelfelvevőről beszélünk, amely egy új ház javítását veszi. Ugyanakkor meglehetősen magas jövedelme van, eladja az elérhető eszközöket, autót vagy lakást, és határozottan el kívánja fizetni korábban. A pontozási kártyán, a jövedelem természetesen, "varrott", de tekintettel a többi lehetőségre, egy ilyen ügyfél alacsony pontozási pontot kap.
Egyéb történet. A Bank teljesen új hitelezési szegmensbe jut, ami azt jelenti, hogy a korábban kifejlesztett pontozási kártyák alkalmazása általában kiszámíthatatlan eredményt adhat. Szerint Ruslan Morozova a PetroCommerz Bankból, az egyik bank ügyfeleire alkalmazott, nem felel meg a banknak működő banknak, és ezért újabb típusú hitelfelvevők. A pontozás, "képzett" az oroszok ügyfelei számára, nem fog működni azokkal, akik nem az Orosz Föderáció állampolgára. "Egyes területeken a pontozás egyáltalán nem működik, például vállalati vagy befektetési hitelezésben. Ezekben az esetekben minden tranzakciót külön kell figyelembe venni, "Megjegyzések Evgeny Ivanov a CCF Bankból.
Húzógép
A pontozás csökkenti a megbízhatatlan hitelfelvevőket, de nem képes megbirkózni a megtévesztéssel. Az autó nyilvánvalóan úgy véli, hogy a hitelkérelemre vonatkozó dokumentumok és egyéb információk megbízhatóak. Ezért ez az eszköz csak egy súlyos bankot használ, mint kiegészítő. És a csalókal és az LG-k más módszerekkel küzdenek - például külső antimositoris szolgáltatások segítségével, a hiteles szakemberek és a banki biztonsági szolgáltatások további elemzése.
"A pontozás valóban úgy véli, hogy a kérdőíves adatok igazak," jelöli az OTP Bank Oleg Iilyin kiskereskedelmi hitelminősítőinek Minisztériumának vezetőjét. "A legnagyobb kockázat az ügyfelek által szándékosan torzulást képviselnek magukról és hamis dokumentumokról, az ügyfél csalárd cselekedetei, magyarázza a pénzügyi és kiskereskedelmi kockázatok igazgatója Promsvyazbank Alexander Vasteovich. "A pontozás nem mindig azonosíthatja az eseteket, amikor a Fraudster hamis adatokkal vagy egy másik személy nevében benyújtott kérelmet nyújt be - például egy jó hiteltörténet," hangsúlyozza az Altairenergobank Pavel Mikhailov kockázati testületének tanácsát. A kockázati típusok egyikének megakadályozására épülő karmantyú modell, amely egy másik kategória magas szintű kockázatot jelenthet. "A Fraudster hamis adatokat adhat, amelyek magas pontozási pontot adnak," Alexei Kalikin, a kiskereskedelmi kockázatok igazgatója, példát mutat.
Ezenkívül a pontozás során statisztikai hibák lehetségesek. A bankárok konkrét példái nem vezetett. Ugyanakkor az SMP Bank kiskereskedelmi üzletágának igazgatója Natalya Mishalya Mishina jelezte, hogy a hibák megjelenése magában foglalja a pénzeszközök elvesztését: akár "rossz minőségű" kölcsön, vagy téves elutasítás a "jó "hitelfelvevő. Ezért a pontozásnak folyamatosan javítania kell, és a vonat: frissítse a statisztikai alapot, válassza az opcionális módosításokat a pontozási kártyákra.
És még egy pont, akivel a pontozás nem tudott megbirkózni. Ezek különböző gazdasági változások a piacon. Míg a banki szakember, aki az elme analitikus raktárával rendelkezik, szinte azonnal reagálhat a válságjelenségek súlyosbodására, az autó idegesebb lesz - meg kell változtatnia, és ki kell javítania az értékelési beállításokat.
