Točkovalni tehnologiji - samodejni oceni kreditne sposobnosti posameznika - se v bančnem okolju tradicionalno posveča večja pozornost. Danes lahko rečemo, da so strokovne metode preteklost, vse pogosteje pa se pri razvoju modelov točkovanja zatekajo k algoritmom Data Mining. Klasično ocenjevalno kartico je mogoče sestaviti z uporabo logistične regresije na podlagi zbrane kreditne zgodovine z uporabo analize ROC za obvladovanje tveganj.
Formulacija problema. Poslovna banka ima izdelek »Neciljno potrošniško posojilo«: posojila se dajejo za kakršen koli namen, odločitev pa se sprejme v enem dnevu. Trenutno se za izdajo posojila odloča na podlagi točkovalne kartice, izdelane po strokovni metodi, s stopnjo zavrnitve 55%, medtem ko je obseg zapadlih dolgov velik. Statistični podatki o posojilojemalcih in kakovosti servisiranja dolga so bili zbrani že več mesecev. Vodstvo banke se je zavedalo, da visoka stopnja zavrnitev ovira širitev poslovanja s prebivalstvom na področju potrošniških posojil, zato je oddelek za tveganja za prebivalstvo razvil novo točkovalno kartico, ki bi znatno zmanjšala število zavrnitev in zmanjšala znesek zamud. .
Začetni podatki. Na splošno so podatki o posameznih posojilojemalcih in posojilnih pogodbah shranjeni v bančnem informacijskem sistemu. Vsebuje tudi urnike in datume odplačevanja posojila, podatke o zamudah, njihove zneske, obresti itd. Ločena naloga je pridobiti tabelo s parametri posojilojemalcev in informacijami o prisotnosti zastojev pri oblikovanju točkovalnega modela. Predvidevali bomo, da je že končan, rezultat pa je predstavljen v obliki besedilne datoteke.
Pomembno je tudi vprašanje, kaj pomenijo parametri posojilojemalca. Tu je primerno, da se obrnemo na metodološke vidike priprave in zbiranja podatkov za analizo ter se spomnimo, da ta faza zahteva aktivno interakcijo s strokovnjaki: z višine njihovih izkušenj bodo omejili obseg vhodnih spremenljivk, ki bi lahko vplivale na kreditno sposobnost bodočega posojilojemalca. Poleg tega je treba upoštevati poslovne in tehnične vidike (na primer težko je v kratkem času preveriti zanesljivost atributa »obseg podjetja«, zato se nanj ne bi smeli zanašati).
Karte točkovanja so pogosto zgrajene na kategoričnih spremenljivkah, zato se neprekinjene lastnosti kvantizirajo z ročnim izborom prelomnih točk (ali polročno, glej na primer "Chow Test"). Recimo spremenljivka Delovne izkušnje je razdeljen v tri kategorije: "do 1 leta", "od 1 do 3 leta", "več kot 3 leta". Ta model je lažje interpretirati, vendar manj prilagodljiv pri modeliranju razmerij: vodoravni "koraki" dajejo slab približek, kadar so pogosta strma "pobočja".
V bančni praksi posojilojemalec pred točkovanjem praviloma opravi postopek zavarovanja - preverjanje izpolnjevanja strogih zahtev: skladnost s starostjo, pomanjkanje kazenske evidence in seveda prisotnost določenega dohodka. Hkrati se postavljajo zahteve za minimalno raven dohodka in izračuna se možna kreditna meja. Pri izračunu je vključen eden od dveh koeficientov - P / D ali O / D.
Razmerje med plačilom in dohodkom(P / A) - razmerje med mesečnimi plačili posojilojemalčevega posojila in njegovimi prihodki za isto obdobje. Menijo, da znatna vrednost tega razmerja (več kot 40%) kaže na povečano tveganje tako za posojilojemalca kot za posojilojemalca.
Razmerje med obveznostmi in prihodki(A / D) - razmerje med mesečnimi obveznostmi posojilojemalca in njegovimi dohodki za isto obdobje ob upoštevanju davčnih olajšav. Obveznosti vključujejo stroške, povezane s plačilom načrtovanega posojila, ter obstoječe druge dolgoročne obveznosti (plačila za druga posojila, za vzdrževanje vzdrževanih oseb, družino, preživnino, obvezna plačila davka itd.). Menijo, da znesek mesečnih obveznosti posojilojemalca ne sme presegati 50-60% njegovega celotnega čistega dohodka.
Prijave strank, ki niso opravile zavarovanja, bodo zavrnjene in jih niti ne bodo ocenile. Zato je bolj donosno, da za vnos točkovalnega postopka ne predložite dohodka stranke, ampak razmerje O / A ali P / A.
Naša težava predstavlja 2709 posojil (file.
Tabela 5.1 prikazuje strukturo in opis polj besedilne datoteke s kreditno zgodovino.
Tabela 5.1. Podatki o posojilojemalcih in kakovosti njihovega servisiranja dolga
|
Polje |
Opis | |
|
Koda zahteve za storitev | ||
|
Datum izdaje posojila |
Datum čas |
|
|
Razmerje O / D ("Obveznosti / Dohodek") v% |
Resnično |
|
|
Starost posojilojemalca (polna leta) v času odločitve o izdaji posojila | ||
|
Namestitev |
Baza prebivališča: lastnik; občinska stanovanja; najemnine |
Vrvica |
|
Dolžina bivanja v regiji |
Manj kot 1 leto; od 1 do 5 let; več kot 5 let |
Vrvica |
|
Družinski status |
Samski, neporočen; poročen; ločen / vdovec; drugo |
Vrvica |
|
Izobraževanje |
Povprečje; sekundarna specializacija; višje |
Vrvica |
|
Delovne izkušnje na zadnjem mestu |
Manj kot 1 leto; od 1 do 3 let; več kot 3 leta |
Vrvica |
|
Raven položaja |
Zaposleni; srednji menedžer; višji izvršni direktor |
Vrvica |
|
Kreditna zgodovina |
Podatki so vzeti s kreditnega urada. Če obstajajo negativni podatki o stranki (zamude pri preteklih posojilih), se ji dodeli kategorija "negativna" |
Vrvica |
Pri zaposlovanju osebja na prosta delovna mesta v podjetju (zlasti pri množičnem zaposlovanju) se strokovnjaki soočajo z velikim številom tveganj. Ta tveganja so povezana z napačnim pregledom kandidatov in posledično z zaposlovanjem neprofesionalcev, kar lahko v prihodnosti ustvari vedno več novih verig tveganj. Zato je za zaposlovalca pomembno, da ima orodja, ki pomagajo hitro in na podlagi univerzalnih parametrov oceniti stopnjo tveganja pri obravnavi določenega kandidata. "Točkovanje" (iz angleščine. Točkovanje) - dobesedno točkovanje v igri. V poslovanju se točkovanje aktivno uporablja pri trženju, zavarovalništvu, mobilnih operaterjih v telekomunikacijskem sektorju in najpogosteje - pri kreditiranju posameznikov. Na splošno je točkovalni model matematični model, ki opisuje odvisnost stopnje tveganja od nabora vhodnih faktorjev. Ta model se uporablja pri točkovanju kart. Na primer v zvezi s posojili je to določen niz osnovnih značilnosti posojilojemalca, kot so starost, dohodek, poklic, delovne izkušnje, razpoložljivost nepremičnine itd. in ustrezne uteži, izražene v točkah. Potencialni posojilojemalec izpolni vprašalnik in tako zagotovi potrebne podatke o sebi za analizo. Zaradi delovanja točkovalnega modela se za vsakega potencialnega posojilojemalca pridobi integralni kazalnik, ki je tehtana vsota določenih značilnosti. Na podlagi te vrednosti je mogoče oceniti zanesljivost odjemalcev. Odvisno od višine točkovalnih točk banka določi razred tveganja in izračuna najvišji znesek posojila, določi obrestno mero in rok. Glavna merila za bančno točkovanje posameznikov so vrednosti naslednjih parametrov: starost, spol, skupni dohodek (tako posojilojemalca kot poroka), število vzdrževanih oseb, kraj bivanja in dela itd. Vsak od teh parametrov se prevede v standardne ocene. Logično je, da se pri odločanju o izbiri kandidatov uporabi podoben pristop, kot pri izbiri za prosta delovna mesta ali pri izbiri kandidatov za kadrovsko rezervo. Točkovalni model je zgrajen na podlagi zbranih podatkov o odvisnosti neplačila (razrešitev, nedoslednost na položaju itd.) Potencialnega kandidata od določenih značilnosti. Nato se z uporabo statističnega aparata in metod matematičnega modeliranja sestavi točkovalna kartica. V procesu modeliranja se razvija več točkovalnih kart, od katerih je vsaka odvisna od vrste prostega delovnega mesta in številnih drugih lastnosti. Ko analiziramo, primerjamo posebne osebne podatke o potencialnem ali trenutnem kandidatu za prosto delovno mesto z ocenjevalno kartico, dobimo ustrezen rezultat. Za izgradnjo učinkovitega točkovalnega modela je treba rešiti naslednje naloge. Prvi korak je opredelitev ključnega cilja, tj. za kaj točno se bo točkovanje uporabljalo (ocenjevanje kandidata, določitev optimalne strategije za kandidate v poskusnem obdobju itd.). Na drugi stopnji so opredeljeni kazalniki, ki bodo uporabljeni za modeliranje, in viri njihovega prejema. Na primer poznavanje kadrovskih strokovnjakov o zahtevah za prosto delovno mesto in kompetencah prijavljenih, statistika o že delujočem osebju ob upoštevanju "uspešnih" in "slabih" kandidatov. Na tretji stopnji se izvede predhodna analiza podatkov, njihovo čiščenje in priprava, saj ima vsak vlagatelj svoj edinstven nabor parametrov. Takšna analiza zahteva poenotenje podatkov in specializirano programsko opremo poslovne inteligence razreda Business Intelligence (BI). Sistem mora omogočati obdelavo podatkov: ogled, filtriranje, iskanje, ročno in samodejno zamenjavo. Pogosto je za boljše razumevanje podatkov in določitev njihove celovitosti potrebna hitra analiza, ki se izvaja na podlagi osnovnih statističnih podatkov o distribuciji. Zato mora biti sistem sposoben izvesti frekvenčno analizo in porazdelitev ploskve. Če so bili podatki izbrisani, je treba podatke pripraviti za modeliranje. Preden začnete graditi model, je treba na podlagi funkcionalnih odvisnosti izračunati vse možne izpeljane parametre, ki bodo uporabljeni za nadaljnjo analizo. Na četrti stopnji dobljene lastnosti razdelimo v razrede in identificiramo njihove napovedne značilnosti. Večina algoritmov modeliranja točkovanja temelji na klasifikaciji elementov (prosilcev), ki imajo enake značilnosti. Poleg tega je v procesu oblikovanja modela treba nekatere lastnosti razdeliti v razrede. Glavno načelo v tem primeru je združevanje prosilcev z najbolj podobnim vedenjem v en razred. Ta pristop temelji na strokovnih podatkih. Na podlagi analize so ugotovljene napovedne značilnosti, med vrednostmi katerih in verjetnostjo negativnega dogodka obstaja korelacija. Teoretično je vsak parameter, ki označuje prosilca, lahko napovedljiv. Ključne značilnosti vključujejo naslednje: starost, povprečno delovno dobo na enem mestu, delovno dobo, kraj bivanja, razpoložljivost posojil, število otrok / vzdrževanih oseb itd. Vsak model ima svoj seznam napovednih značilnosti. Na podlagi statističnih podatkov in strokovnih ocen se za vsako značilnost uvede lasten utežni koeficient, ki določa stopnjo njenega vpliva na verjetnost negativnega dogodka. Izbrane napovedne značilnosti se analizirajo skupaj. To je posledica obstoja možnih korelacij. Lahko se izkaže, da bo uvedba dodatne značilnosti v model poslabšala njegovo kakovost. Na peti stopnji je zgrajenih več različic modelov, med katerimi je izbrano najbolj optimalno glede na razmerje med kakovostjo in stabilnostjo. Na šesti stopnji se določi stopnja stabilnosti modela, tj. zmožnost ohranjanja natančnosti za katero koli prihodnje obdobje. Stabilnost izdelanega modela določi analitik na podlagi testnih podatkov. Če sistem pokaže podobne podatke o usposabljanju pri preskusnih podatkih, velja, da je model stabilen. Na sedmi stopnji se oblikuje presečna točka, ki temelji na strategiji, ki jo uporablja podjetje (množična izbira ali zapiranje »edinstvenega« prostega delovnega mesta, iskanje edinstvenega strokovnjaka itd.). Mejna točka je nastavljena glede na izbrano prednost. Pri uvajanju točkovalnega modela v prakso mora kadrovski specialist določiti koeficiente za različne dejavnike-značilnosti prosilčeve zanesljivosti. Zato mora biti specialist za kadre sposoben oceniti trenutno stanje na trgu. Kot rezultat takšne ocene se pridobi niz dejavnikov z utežmi in mejno vrednostjo (mejna točka), ki so zelo subjektivni in pogosto statistično neutemeljeni. Na zadnji, osmi stopnji se oceni učinkovitost razvitega modela. Kadar bo kadrovska kartica uporabljena pri zaposlovanju osebja, bo specialist za kadre lahko hitro določil skupno povzetek kandidatov in sprejel odločitev o sprejemu / zavrnitvi, saj pa tudi napovedati uspeh / neuspeh kandidata pri delu. Prednost uporabe točkovalnih kartic za množično zaposlovanje (ko se obdelujejo podatki o stotinah potencialnih prosilcev) je zmožnost pridobiti skupno oceno za vsakega kandidata in samodejno zavrnitev tistih, ki ne dosežejo "določenega zadostnega minimuma". Vrednost uporabe točkovalnega modela je tudi v tem, da: - je enostavno strukturirati in vizualizirati podatke, pridobljene pri zaposlovanju za katero koli mesto; - specialist za kadre jasno razume, kaj se je treba naučiti o prosilcu in iz katerega vira; - ocene se standardizirajo, poveča se preglednost izbirnega postopka kot celote; - podjetje zlahka sledi povezavi med značilnostmi najetih delavcev in njihovo nadaljnjo učinkovitostjo, vendar pa kazalniki ocen ne morejo v celoti nadomestiti specialista. Tako kot v bančništvu se tudi v nestandardnih situacijah (težka prosta delovna mesta) končna odločitev ne sme sprejeti glede na dosežene točke, ampak glede na rezultate dodatne analize prosilca in intervjuja v živo z njim. Z uporabo točkovalnih kartic podjetje optimizira poslovne procese zaposlovanja osebja, poveča učinkovitost z izbiro le najboljših kandidatov in zmanjša tveganje fluktuacije osebja.
Povprečna velikost hipotekarnega posojila je bila marca 2014 približno 1,5 milijona rubljev. Povprečna velikost posojila za avto je
ne manj kot 0,5 milijona rubljev. Hvala za posredovane povezave.
Na podlagi zgornjih številk je mogoče domnevati, da je banki v mesecu uspelo izdati posojilo približno dvesto tisoč ljudem.
Seveda ta banka uporablja točkovalne sisteme.
Pred nekaj leti sem izvedel za točkovalne sisteme in bil šokiran. Sama ideja, da bi se stroj brez duše lahko odločil za odobritev posojila na podlagi statistike, mi ni prišla na misel. Želel sem igrati v banki in preveriti, ali bo računalnik posojal prijateljem, samo za zabavo. Nikoli nisem videl pravih točkovnih sistemov, vendar sem se odločil, da to ni pomembno, to bom napisal sam.
Šele prej kot storjeno.
Pozor, slik je veliko!
Program je bil napisan pred 2 leti, v 2 tednih, v C # + MSSQL.
Zdaj sem ga po naključju izkopal in se odločil, da ga pokažem družbi HabraSociety. Kaj pa, če kupi majhna banka?
Odprl sem kodo, se ustrašil, dodal malo večnitnosti in jo zaprl.
Vem, da so poizvedbe SQL v upravljalnikih grozne. Ampak to ni zanimivo dokončati, igral sem že dovolj.
Torej, najprej potrebujete vprašalnik, ki se pametno imenuje "točkovalna kartica".
Na spletnih straneh treh največjih ruskih bank so našli vprašalnike za pridobivanje potrošniških posojil. Zberemo enega od treh, natisnemo in ustanovimo strokovno komisijo. Ujetih je bilo 15 ljudi, to je bilo dovolj. Strokovnjak ocenjuje vsako merilo točkovne kartice v razponu od 0 do 100 točk. Obstajajo tudi naslednje možnosti:
Nato se najde povprečna ocena za vsako merilo in dobi se končni vprašalnik.
| Kazalo | Vrednost kazalnika | Ocena |
| Priimek | -1 | |
| Ime | -1 | |
| srednje ime | -1 | |
| Datum rojstva | -1 | |
| Kraj rojstva | -1 | |
| Nadstropje | -1 | |
| -1 | ||
| Serijska številka | -1 | |
| Izdalo | -1 | |
| Datum izdaje | -1 | |
| Telefon | -1 | |
| Naslov | -1 | |
| Starost | Manj kot 20 let | 8 |
| 20-25 let | 21 | |
| 25-30 let | 36 | |
| 30-35 let | 53 | |
| 35-50 let | 60 | |
| 50-60 let | 37 | |
| 60-65 let | 15 | |
| Več kot 65 let | -10 | |
| Namestitev | Lastno stanovanje | 47 |
| Oddajanje nepremičnine v najem | 13 | |
| Hostel | 8 | |
| Sorodniki | 10 | |
| Vojaška enota | 9 | |
| Drugo (navedite) | -1 | |
| Državljanstvo | RF | 43 |
| Drugo (rezident Ruske federacije) (navedite) | 5 | |
| Nisem rezident Ruske federacije | -10 | |
| Družinski status | Samski, neporočen) | 40 |
| Poročen) | 65 | |
| Poročen (poročen), vendar živi ločeno | 26 | |
| Ločena | 29 | |
| Vdovec (vdova) | 34 | |
| Imeti otroke | Brez otrok | 66 |
| Ena | 57 | |
| Dva | 48 | |
| Tri | 36 | |
| Več kot trije | 24 | |
| Imeti vzdrževane osebe | Ne | 66 |
| Ena | 57 | |
| Dva | 48 | |
| Tri | 36 | |
| Več kot trije | 24 | |
| Raven izobrazbe | Pod povprečjem | 11 |
| Povprečje | 21 | |
| Srednje specializirano | 33 | |
| Nedokončano višje | 39 | |
| Višje | 58 | |
| Več višje | 77 | |
| Akademska stopnja | 84 | |
| Položaj (položaj) | Manager (direktor, namestnik direktorja, glavni računovodja) | 94 |
| SP | 92 | |
| Javni uslužbenec | 47 | |
| Serviser | 56 | |
| Specialist | 46 | |
| Športnik | 30 | |
| Delavec | 32 | |
| Študent (brezposeln) | 9 | |
| Upokojenec (brezposeln) | 8 | |
| Brezposelni | 0 | |
| Število delovnih mest v zadnjih 3 letih | Ena | 52 |
| Dva | 38 | |
| Tri | 21 | |
| Več kot trije | 9 | |
| Delovne izkušnje na tem delovnem mestu | Manj kot 1 leto | 7 |
| Do 3 leta | 24 | |
| Do 5 let | 40 | |
| Več kot 5 let | 56 | |
| Skupne delovne izkušnje | Manj kot 1 leto | 10 |
| Do 3 leta | 20 | |
| Do 10 let | 37 | |
| Več kot 10 let | 62 | |
| Vrsta dejavnosti organizacije | Finance, banke, zavarovanje | 37 |
| Svetovalne storitve | 32 | |
| Gradnja | 39 | |
| Organi in uprave | 42 | |
| Industrija in strojništvo | 37 | |
| Informacijska tehnologija / telekomunikacije | 38 | |
| Trgovina na debelo in drobno | 35 | |
| Transport | 30 | |
| Turizem | 36 | |
| Varnostne dejavnosti | 34 | |
| Izobraževanje | 32 | |
| Zdravilo | 30 | |
| Znanost | 33 | |
| Vojaška ustanova | 31 | |
| Socialna sfera | 21 | |
| Druge panoge (navedite) | -1 | |
| Povprečni mesečni dohodek | -1 | |
| Povprečni mesečni stroški | -1 | |
| Lastništvo nepremičnine | Garaža | 38 |
| Apartma | 58 | |
| Hiša | 65 | |
| Dacha | 51 | |
| Zemljišče | 63 | |
| Drugo (navedite) | -1 | |
| Razpoložljivost vozila | Ime, blagovna znamka, leto izdaje (navedite) | -1 |
| Nobenega vozila | 0 |
Ta vprašalnik je vnesen v sistem.
Na splošno obstajata samo 2 obvezni vprašanji - "Povprečni mesečni dohodek" in "Povprečni mesečni stroški". Brez njih sploh nima smisla posojati. Preostala vprašanja lahko spremenite, izbrišete ali dodate svoja.
Gumb "Razvrsti" bo določil največji in najmanjši rezultat točkovalne kartice ter vrsto vprašanja.
Ko izpolnite vprašalnik, se elementi samodejno ustvarijo. Če ima vprašanje en odgovor, se prikaže kot polje, če je odgovor več kot 1, se spremeni v spustni seznam. Tako izgleda vprašalnik z vidika stranke.
In prav stranka je pokazala prisotnost vozila in ga opisala. Posojilojemalec je to merilo ocenil s točkami.
Vrednotenje po sistemu vprašalnika.
Čisti mesečni dohodek je razlika med prihodki in odhodki. Za povečanje garancije za plačilo program upošteva padajoče razmerje plačil iz čistega dobička, na primer 0,7. To pomeni, da če stranka navede 100 rubljev čistega dobička na mesec, banka izračuna do 70 rubljev mesečnega plačila. Čisti dobiček se pomnoži s tem razmerjem. Koeficient lahko spremenite v nastavitvah.
Vprašalnik ima zgornjo in spodnjo mejo prehoda. Spodnja meja zmanjšuje število odobrenih posojil, povečuje pa plačilno sposobnost strank. Zgornja meja izreže prevarante, ki ustvarijo popolne profile za najbolj donosno posojilo. Zgornja in spodnja meja sta nastavljeni v odstotkih, lahko jih spremenite v nastavitvah. Če profil stranke oziroma število točk za profil preide skozi okno med zgornjo in spodnjo mejo, se posojilo šteje za odobreno. Zdaj lahko stranka izbere eno od ponudb posojila, višino in trajanje plačil. Plačila se lahko izračunajo kot renta ali diferencirana plačila.
Stranka želi prejeti 230.000 rubljev z odplačilno dobo 24 mesecev v diferenciranih plačilih v višini 22,5 odstotka. Za 24 mesecev bo stranka plačala 283.906 rubljev.
Tukaj je razpored plačil.
Roke se znojijo od navdušenja, pritisnite gumb "Checkout". Prvo plačilo stranke je največje in znaša 13 896 rubljev. Mesečna plačilna sposobnost stranke je 14.611 rubljev, zato se banka strinja, da bo izdala posojilo.
Ura! Če je posojilo odobreno, se ustvarijo vloga, pogodba in plačilna tabela.
Bodite pozorni na stanje - stranka je slaba. Obstajata samo 2 statusa - dober in slab. Zakaj je slab, stranka je pravkar najela posojilo? Dejstvo je, da bi morali prvo plačilo prejeti danes.
Sistem določi stanje stranke iz tabele plačil. Za vsako plačilo je naveden datum. Določena so plačila, ki jih je danes že treba plačati. Stranka se šteje za slabo, če je število neplačil:
Plačilo je bilo plačano, transakcija je šla skozi!
Če sem iskren, se število računov, pogodb, aplikacij in plačilnih transakcij ustvarja naključno in sploh ni potrebno za delovanje sistema. Ampak jaz sem trdna banka!
Toda stranka je postala dobra.
Umazan kramp - dobre stranke lahko naredite slabe, če prekličete njihova plačila.
In zdaj želim vzeti 140.000 rubljev za leto v okviru "dobre kreditne sposobnosti".
Preplačilo 303 rubljev so sanje!
Zdaj pa so vsi prijatelji dobili posojilo, statistika je popolna, trg je nasičen. Banka je v stagnaciji. Kaj storiti? POTREBUJETE VEČ STRANK! Kje jih lahko dobim? Ustvari!
Torej generator za standardni vprašalnik:
| Vprašanje | Odgovor |
| Nadstropje | Po naključju |
| Ime | S seznama |
| Priimek | S seznama |
| srednje ime | Ime s seznama plus "ovich" ali "ram" |
| Kraj rojstva | S seznama |
| Datum rojstva | 1940 do 1997 |
| Osebni dokument | Potni list |
| ID potnega lista | 0000000000 do 9999 999999 |
| Datum izdaje | Vsak trenutek, ko je stranka stara 14 let |
| Kraj izdaje | S seznama |
| Povprečni mesečni dohodek | Od 4 tisoč do 60 tisoč rubljev. |
| Povprečni mesečni stroški | Od 2 tisoč do 30 tisoč rubljev. |
| Druga vprašanja | Po naključju |
| Ponudba kredita | Po naključju |
| Znesek kredita | Od 1 tisoč rubljev. do najvišjega zneska ponudbe posojila |
| Število mesecev plačil | Od minimalnega do največjega za dano ponudbo posojila |
Čeprav je dohodek dvakrat večji od odhodkov, se včasih zgodi, da je čisti dobiček negativen.
Če je izbran odgovor s pojasnilom, se zahteva prekliče, v vrstici stanja pa se prikaže podpis "Ni mogoče ustvariti zahteve s pojasnilom".
Če je posojilo odobreno, se izvedejo plačila. Verjetnost neplačila je 1/20, vendar nekatere stranke nimajo sreče in zamudijo 4 plačila zapored.
Generator je bil premaknjen v glavni meni, lahko ustvarite 1 ali 200 naročil hkrati.
Ko izpolnite vprašalnik, obstaja tudi generator.
Rezultati ustvarjenih strank sledijo normalni distribuciji. Skrajno levo v stolpcu so tisti, ki jim je bilo posojilo zavrnjeno.
V vprašalnikih se seveda izkažejo neumnosti, vendar je statistika takoj postala bolj zabavna!
Sklep - najslabša stranka je samostojni (neporočen) samostojni podjetnik posameznik, z več visokošolskimi izobrazbami.
Morda boste potrebovali
Povečanje donosnosti kreditnega portfelja banke je neposredno odvisno od pristojnega upravljanja kreditnih tveganj. Točkovalni sistemi pomagajo zmanjšati tveganja brez izgube dobičkonosnosti in ponujajo odgovore na ključna vprašanja: kako problematično bo delo banke pri določenem posojilojemalcu, kakšno vrednost kreditnega limita naj določi in ali bo stranka vrnila posojilo oz. ne.
Leta 1941 je David Durand prvič uporabil metodo razvrščanja posojil na "dobra" in "slaba". Opredelil je ne le skupine dejavnikov, ki omogočajo čim večjo določitev stopnje kreditnega tveganja, temveč tudi koeficiente, ki označujejo kreditno sposobnost zasebne stranke. Tako bi lahko posojilojemalec, ki je presegel prag in si prislužil zadostno število točk, potencialno prejel zahtevani znesek. Durantova zamisel se je nadaljevala - kmalu je bilo v San Franciscu ustanovljeno prvo svetovalno podjetje na področju točkovanja Fair Issac, malo kasneje pa so se s prihodom novih množičnih kreditnih produktov (kreditnih kartic) vse ameriške finančne institucije obrnile na ideja o točkovanju.
Dejansko je točkovanje metoda razvrščanja populacije posojilojemalcev v različne skupine, kadar zahtevana značilnost ni znana, poznajo pa se druge značilnosti, ki so nekako povezane z značilnostjo. V praksi glede na naloge posojilojemalčeve analize kreditno točkovanje vključuje ocenjevanje vlog - oceno kreditne sposobnosti prosilcev za posojilo (uporablja se predvsem točkovanje na podlagi osebnih podatkov), vedenjsko točkovanje - oceno verjetnosti odplačilo izdanih posojil (vedenjska analiza), pa tudi izterjava-ocena možnosti popolnega ali delnega odplačila posojila v primeru kršitve pogojev odplačila dolga (izračun portfeljskih tveganj).
Znani razvoj SAS, KXEN, Experian, SPSS, EGAR niso specializirana programska orodja za točkovanje, ampak univerzalna analitična orodja (Data Mining), tako imenovano "inteligentno jedro", ki ga lahko uporabite tudi za izdelavo lastnega točkovanje modelov. Zato je v bolj popolnem smislu točkovalni sistem od znotraj kompleksen sistem za avtomatizacijo izdajanja potrošniških posojil v bančnih poslovalnicah, poslovalnicah prek interneta, ki uporablja rešitev enega izmed znanih razvojnih podjetij kot analitično jedro.
Točkovanje samo po sebi ne deluje le z določenimi točkovalnimi modeli, ampak tudi gradi točkovalno infrastrukturo. Tako se lahko v številnih izdelkih za rudarjenje podatkov rezultat statistične analize podatkov (matmo-del) shrani kot programska koda in vstavi v bančno programsko opremo. To pomeni, da sistem točkovanja pomeni posebno programsko opremo, s katero lahko izračunate zahtevani kazalnik na podlagi začetnih podatkov (slika). Točkovalna kartica je niz določenih značilnosti, ki jih odobri banka, in ustreznih uteži (v točkah).
V bankah je običajno več točkovalnih kartic, saj so zelo odvisne od kreditnih produktov. Za nepremičnine je na primer potrebna ena kartica, za nakup avtomobila pa popolnoma druga. Po mnenju strokovnjakov je mogoče uporabiti eno skupno kartico, vendar je to za uporabnike neprijetno. Skoraj vedno obstaja tudi več modelov. Običajno prošnja za posojilo prehaja skozi veliko število modelov, različne modele pa je mogoče uporabiti za različne kategorije oseb, tudi na eni kartici.
Med delovanjem točkovalnega sistema je pomembno spremljati kakovost in učinkovitost točkovalnega modela. Običajno tu strokovnjaki vidijo eno glavnih težav pri kreditnem točkovanju.
Poenostavljen model točkovalnega sistema
Ena glavnih težav znanih točkovalnih sistemov, tako kot vse tehnološke rešitve na področju temeljnega bančništva, je slaba prilagodljivost. Dejstvo je, da se lahko pogoji, v katerih posojilojemalec posluje, sčasoma spreminjajo. To pomeni, da je treba modele točkovanja posodobiti pri najnovejših strankah, občasno preverjati in po potrebi razvijati nov model, tako za različna časovna obdobja kot za različne regije. V zahodni Evropi se nov model razvije v povprečju enkrat na 18 mesecev. V Ukrajini bo najdaljše obdobje šest mesecev ali leto. Obdobje med zamenjavo modela se lahko razlikuje glede na razmere na trgu in takratno gospodarsko stabilnost.
Za prilagoditev točkovalnega modela mora specialist finančne institucije določiti koeficiente za različne dejavnike, ki so značilni za kreditno sposobnost zasebne stranke. To pomeni, da mora biti analitik sposoben oceniti trenutno stanje na trgu. Rezultat dela bo niz dejavnikov z utežmi in mejno vrednostjo (presečna ocena), ki so zelo subjektivni in pogosto statistično neutemeljeni.
Premagovanje takšnih omejitev točkovanja se obravnava z orodji Data minig. Najpogostejša metoda za samodejno analizo podatkov je izdelava drevesa odločitev. Ponudniki rešitev menijo, da za obveščene zaključke ni treba biti statistik. Na primer, AnswerTree (izdelek SPSS) samodejno sestavi drevo, kar omogoča tudi neobučenemu uporabniku, da začne delati s programom na podlagi pogovornih oken. Sam AnswerTree samodejno pregleda podatke in poišče statistično pomembne skupine.
Z uporabo intuitivnih drevesnih diagramov, grafov in tabel program neodvisno segmentira podatke, medtem ko mora analitik samo določiti ciljno spremenljivko, spremenljivke napovedovalca in izbrati algoritem za izdelavo drevesa odločanja. Priročno je, da drevesni diagram, ki izgleda kot diagram poteka, omogoča vizualizacijo označenih segmentov in vzorcev v vaših podatkih.
Da bi dobili najbolj zanesljive rezultate, je običajno priporočljivo, da model vzgajate na podvzorcu in nato preizkusite zanesljivost na preostalih podatkih. Kako dobro model opisuje podatke, je mogoče videti s prehodom z modela usposabljanja na model upravljanja. Rezultati analize so lahko predstavljeni v poljubni obliki, na primer informacije o vsakem vozlišču so lahko prikazane v obliki tabele ali grafa.
Drevo odločitev, pravilno zgrajeno na podlagi zgodovinskih podatkov, ima še eno zelo pomembno lastnost, in sicer »sposobnost posploševanja«. To pomeni, da lahko v primeru nove situacije z dokaj visoko stopnjo zaupanja trdimo, da se bo novonastali posojilojemalec obnašal enako kot tisti posojilojemalci, katerih lastnosti so podobne tistim novih strank.
Merila za izbiro točkovalnega sistema so neposredno odvisna od nalog. Večina ukrajinskih bank točkovanje dojema ozko kot proces matematičnega izračunavanja ocene na podlagi vnesenih podatkov. Hkrati se vloga točkovalnih sistemov pogosto izravna na raven "kalkulatorja točkovanja". Toda točkovalni kompleks se lahko uporablja ne le za popolno avtomatizacijo dela inšpektorjev, ampak tudi za reševanje drugih pomembnih nalog - delo s slabimi posojili, optimizacija tržnih kampanj in segmentiranje baze strank, boj proti goljufijam, analiza tehničnih napak in obvladovanje likvidnosti.
Poleg gotovosti o tem, ali kreditna institucija preprosto potrebuje "kalkulator točkovanja" ali avtomatizacijo celotnega procesa točkovanja, imajo pomembno vlogo tudi:
Po besedah Yane Nidelskaya, vodje oddelka za kreditne operacije Agrokombank, še vedno ostaja glavna ovira pri uvajanju kakršnih koli točkovalnih sistemov pomanjkanje zbranih informacij. Le pod tem pogojem lahko govorimo o visoki stopnji zanesljivosti podatkov, pridobljenih kot rezultat. Uporaba zapletenih točkovalnih sistemov na ukrajinskem bančnem trgu je priporočljiva le za velike sistemske banke, ki se osredotočajo na posojila prebivalstvu - ko se dajo v uporabo (zlasti hipotekarna posojila in avtomobilska posojila).
Točkovalni sistem je tradicionalno sestavljen iz modula za pripravo začetnih podatkov, analitičnega modula in modula za poročanje.
Podatki sistema točkovanja so lahko treh vrst. Prva vrsta je poznavanje osebja kreditnih oddelkov bank o posebnih vrstah kreditnih produktov (potrošniško, avtomobilsko in hipotekarno posojanje) in njihovih strankah. Druga vrsta podatkov je statistika o že izdanih posojilih, ki upošteva "dobre" in "slabe" posojilojemalce. Če banka nima nobene od navedenih vrst podatkov - niti strokovnega znanja niti statistike izdanih posojil, model, na katerem temelji sistem točkovanja, temelji predvsem na regionalnih in panožnih podatkih.
Vse sprednje pisarniške rešitve za avtomatizacijo potrošniških posojil so v večini primerov spletne aplikacije, ki zagotavljajo dobro razširljivost sistema in enostavnost povezovanja novih bančnih poslovalnic in predstavništev v poslovalnicah na drobno s postopkom posojanja.
Obstajajo predlogi razvijalcev točkovanja za Ukrajino, ki zagotavljajo avtomatizacijo celotnega procesa (hkrati ustvarjanje točkovalne kartice in avtomatizacija postopka prijave in odločanja). Na trgu so ponudbe zahodnih dobaviteljev (pogosto drage blagovne znamke, namenjene velikim bankam) in ukrajinskih zastopniških podjetij (preprosti in poceni sistemi poravnave - "kalkulatorji", ki upoštevajo posebnosti domačega trga).
Danes so najbolj znani zahodni točkovalni sistemi SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Razvijalci CIS vključujejo BNS, Basegroup Labs. Najbolj resne in drage so rešitve SAS (približno 200 tisoč dolarjev), vreden pa je tudi razvoj podjetja KXEN (približno 30 tisoč dolarjev).
Skoraj sredi cenovnega razreda je točkovalna ponudba podjetja EGAR Technology, ki je po eni strani zahodni prodajalec, ki ponuja sistem točkovanja po klasičnih zahodnih modelih, po drugi strani pa je ta rešitev (točkovanje EGAR) maksimalno prilagojen ukrajinskim razmeram in dopolnjen s posebnimi pristopi - na primer makroekonomskim pristopom k ocenjevanju kreditne sposobnosti posojilojemalca ob upoštevanju posebnosti samih posojilnih produktov in drugih možnosti.
Glede na različne točkovalne rešitve je pravilno govoriti o sistemih za zahodni trg in sistemih za ukrajinski (ruski) trg, saj obstajajo tudi zahodni dobavitelji, na primer EGAR, ki ponujajo različico točkovanja, ki v celoti upošteva ukrajinsko (Ruske) posebnosti.
Seveda so sistemi za zahodni trg veliko bolj funkcionalni kot razvoj za Ukrajino ali CIS, vendar jih je težko delovati v domačih razmerah: treba je iti skozi zapleten proces implementacije, integracije in prilagajanja.
Če primerjamo zahodne in domače sisteme, je treba opozoriti na naslednje:
1. Zahodni sistemi so se pojavili veliko prej, imajo dolgo življenjsko dobo oziroma velik obseg kreditnih zgodovin, vendar te zgodbe niso primerne za ukrajinski trg;
2. V zahodnih sistemih ni orodij (priložnosti) za delo z majhnimi količinami kreditnih zgodovin (kar je potrebno za ukrajinski trg). Razvoj na področju klasičnega točkovanja vam omogoča delo z omejenimi količinami kreditnih zgodovin.
Druga značilnost je velika razlika med točkovanjem kartic glede na lokalne trge in za različne bančne produkte. Zato zahodni sistemi niso dovolj prilagodljivi za domači trg.
Pri izvajanju sistema točkovanja v Ukrajini tradicionalno delujeta dva pristopa. Prva je klasična (retrospektivna) točkovanje, ki temelji na analizi zgodovinskih podatkov z uporabo sodobnih matematičnih metod, ko vam taka analiza omogoča izbiro najpomembnejših področij za posojilojemalčev vprašalnik in druge kazalnike.
Drugi je točkovanje "po pravilih", ko je preprosto, na primer s strani strokovnjaka, določiti pravila za ocenjevanje kreditne sposobnosti, program pa ta algoritem avtomatizira brez uporabe statističnih metod za analizo zgodovinskih podatkov.
Danes je to druga možnost, ki najpogosteje deluje ne le v srednjih in majhnih bankah, ampak tudi v številnih velikih. V zadnjem letu pa se je opazno povečalo tudi povpraševanje po prvi možnosti, saj so na nekaterih trgih majhne, a še vedno velike količine kreditnih zgodovin.
Na primer, Agrokombank, tako kot večina malih in srednjih bank, uporablja sistem točkovanja po lastni zasnovi (ob upoštevanju izkušenj drugih bank). To je nekakšna celovita ocena, ki vključuje številne objektivne in subjektivne kazalnike. Objektivni kazalniki vključujejo finančne kazalnike podjetja, glavne smeri pri ocenjevanju po objektivnih kazalnikih pa tradicionalno ureja Resolucija 279 Narodne banke (»... o postopku oblikovanja in uporabe rezerv za kompenzacijo možnih izgube pri kreditnem poslovanju bank «). Kar zadeva subjektivne kazalnike, je svobode izbire veliko več, banke pa običajno uporabljajo dejavnike, kot so kreditna zgodovina, ugled, geografska lega, obseg in kakovost zavarovanja.
Velika banka Nadra uporablja tudi točkovanje po pravilih. Po besedah Andreja Šutova in. O. Direktorica oddelka za upravljanje tveganj banke Nadra, sistem točkovanja, ki ga uporablja Nadra, je avtorjev razvoj lastnih strokovnjakov, ki so ga ustvarili s sodelovanjem finančnih svetovalcev iz drugih držav. Sistem je preprost: odjemalec banki posreduje minimalni paket dokumentov - podatki se vnesejo v sistem - sistem povzame podatke in poda odgovor, pri čemer navede stopnjo bančnega tveganja v vsakem posameznem primeru.
Kot dejavnik, ki označuje prevlado točkovanja "po pravilih" v Ukrajini, je mogoče opaziti tudi nizko porazdelitev statističnih paketov, kot sta SPSS in SAS, v bančnem okolju. Konec koncev, ne traja preveč, da začnete analizirati svoje stranke - retrospektivo preteklih strank in statistični paket.
Pričakuje se, da bo v naslednjih nekaj letih po statističnih sistemih točkovanja ("točkovanje po pravilih", "makroekonomsko točkovanje") povpraševanje raslo, ko se bo nabralo zadostno število kreditnih zgodovin ("točkovanje po pravilih" bo najbolj verjetno za hipoteko).
Po besedah Andreja Ladanovskega, vodje oddelka za tveganja, Delta-Bank uporablja točkovalne kartice, ki so jih razvili bančni strokovnjaki. Delo poteka na naslednji način: vzamejo se obstoječa posojila z negativno in pozitivno kreditno zgodovino, kazalniki, ki vplivajo na kreditno zgodovino, se razlikujejo po statističnih metodah, vsakemu kazalniku je v skupni oceni dodeljena določena teža. V skladu s tem naročnikov vprašalnik gre skozi sistem samodejnih preverjanj celovitosti aplikacije. Posledično se posojilojemalcu samodejno dodeli določena notranja ocena, ki določa pogoje posojilne pogodbe.
Trenutno je najučinkovitejša kombinacija več metod statističnega točkovanja in točkovanja "po pravilih". Dejstvo, da sistem izvaja orodja, ki omogočajo združevanje statističnega pristopa in "točkovanje po pravilih" ter upoštevanje regionalnih posebnosti trga in kreditnih produktov, kaže na to, da ga je mogoče učinkovito uporabljati v državah z gospodarstvi v razvoju - v Rusiji, Ukrajini in Kazahstanu.
Po mnenju strokovnjakov je imela Raiffeisenbank Ukrajina (zdaj OTP) tudi notranji sistem. Bank Renaissance uporablja razvoj, ki temelji na Fair Isaaku. Med domačimi bankami, ki se ukvarjajo s prodajo na drobno, je že prisotna težnja po prehodu na priznane dobavitelje.
Ena od zanimivih priložnosti, ki se kreditni instituciji odpre z uvedbo učinkovitega sistema kreditnega točkovanja, je sodelovanje pri trgovanju s portfelji problematičnih sredstev. Leto 2004 v Evropi je zaznamoval razmah prodaje dvomljivih posojil tujim vlagateljem. Tako je Morgan Stanley od italijanske Bance Nazionale del Lavoro pridobil portfelj dvomljivih posojil v višini 430 milijonov evrov. Kasneje sta Dresdner in Hypo Real Estate tudi prestrukturirala svoja portfelja in jih prodala tujim kupcem.
Kot razlogi za dejavnost na trgu problematičnih posojil so analitiki podobni, če upoštevajo visoko konkurenco in nasičenost kreditnih trgov v Evropi, strožje zahteve bonitetnih agencij in nove standarde Basel 2 ter pritisk lastniki. V veliki meri zaradi tega prodaja dela ali celo celotnega portfelja slabih posojil velja za racionalno rešitev za bančne institucije, saj izboljšuje zmožnost vračanja sredstev, ne da bi pri tem ovirala sposobnost ustvarjanja prihodnjih denarnih tokov.
Z drugimi besedami, ko kazalnik problematičnih posojil preseže določeno dovoljeno raven, jih je že zelo nedonosno hraniti v bilanci stanja banke, čeprav so hipotetično sposobni vrniti pozitiven rezultat.
Upravljanje premoženja v stiski se lahko potencialno šteje za donosen posel tudi na ravni ukrajinskih kreditnih institucij. Povprečni kazalnik dvomljivega dolga pri potrošniških posojilih je danes na ravni 7-12% kreditnega portfelja ukrajinskih bank. Vendar po mnenju strokovnjakov to še zdaleč niso "mrtva" posojila, saj nekateri posojilojemalci preprosto pozabijo ali nimajo časa za pravočasno odplačilo. Po mnenju Andreja Ladanovskega "slaba kreditna sposobnost" ni vedno nedvoumno negativen pojav, saj je teoretično najbolj donosna stranka tista, ki ves dolg plača zamudno, ob tem pa odplačuje tudi kazni. Poleg tega je pomembno upoštevati raznolikost po vrstah posojil - dolg pri potrošniških posojilih in hipotekah se včasih razlikuje, pa tudi povprečna donosnost za te vrste izdelkov.
Edina težava, ki je danes pomembna ovira pri listinjenju in trgovanju z bančnimi sredstvi, je pomanjkanje izkušenj pri prestrukturiranju kreditnega dolga v ukrajinskih bankah. Po dostopnih statističnih podatkih je poklicnih goljufov v celotni strukturi dolga domačih bank še vedno približno 1,5-2%, vendar nihče ne ve dejanskega stanja. Tako je lahko ustvarjanje skladov, ki bi lahko obvladovali dvomljive in slabe dolgove ukrajinskih posojilojemalcev, podjetje z visoko stopnjo tveganja.
V teh pogojih so lahko najverjetnejši kupci "slabih posojil" kolektivna podjetja in ne posebni skladi. Tako se je pred kratkim na trgu pojavila kijevska "Skupina za izterjavo kreditov" (CCG), ki svojo dejavnost temelji na delu z zapadlimi dolgovi.
Zdaj z nekaterimi izjemami niti ena ukrajinska banka nima delujočega klasičnega točkovalnega sistema, kreditno sposobnost posojilojemalcev pa zagotavljajo predvsem njihovi lastni programski izdelki.
Ta položaj je objektiven - namen namestitve dostojne točkovalne rešitve pogosto izhaja iz pomanjkanja potrebnih zgodovinskih podatkov in zmožnosti uporabe katerega koli statističnega paketa. Ker so vsi razpoložljivi statistični podatki na papirju in v kreditnih datotekah strokovnjakov, bo za ustvarjanje potrebnega "kreditnega pokopališča" 10-20 tisoč posojilojemalcev morda treba zbrati znatna sredstva, česar danes ni pripravljena vsaka finančna institucija.
V bližnji prihodnosti naj bi razvoj trga kreditnih produktov za posameznike v Ukrajini določali naslednji trendi:
Banke danes aktivno optimizirajo svoje poslovanje: drago omrežje podružnic nadomeščajo z oddaljenimi storitvami, lepo krčijo osebje, najemajo večnamenske strokovnjake v načinu "tri za ceno enega" in avtomatizirajo vse, kar je avtomatizirano. Eno od orodij za optimizacijo poslovanja, in sicer kreditni proces, je točkovanje.
Z razvojem posojil v Rusiji se je velikost kreditnih oddelkov bank povečala do onemoglosti. Ocenjevanje posojilojemalcev in njihovo predložitev kreditnemu odboru je polno papirja in poročil. In tu je priskočil na pomoč ruskim bankam. Ta pametni pomočnik lahko hitro in čustveno oceni vsakega posojilojemalca. No, skoraj vsak. Kljub temu, koliko banka vlaga v avtomatizacijo kreditnega procesa, brez človekovega sodelovanja še vedno ni mogoče. Poleg tega, ne glede na to, kako čaroben in pameten je stroj, goljufa ne bo vedno ločil od poštenega odjemalca.
Kako deluje
Točkovanje deluje precej preprosto. Takoj po vnosu podatkov aplikacije v sistem analizira veliko parametrov posojilojemalca - od ekonomskih (dohodek, obremenitev z dolgom itd.) Do socialno -demografskih (starost, spol, zakonski stan, prisotnost otrok, poklic itd.) . Posojilojemalec na izhodu prejme točkovalno točko, nato pa dodatno sam oceni ustreznost in duševno zdravje potencialnega posojilojemalca - torej opravlja delo, ki ga avtomatski sistem ne zmore.
Točkovanje se tako ali drugače uporablja pri vseh vrstah kreditiranja prebivalstva. Toda glede na izdelek se teža točkovanja v kreditnem procesu spreminja. Tako na primer pri ekspresnem posojanju točkovanje pomembno vpliva na končno odločitev, pri hipotekah, kjer je pomemben individualni pristop, pa se temu posveča manj pozornosti. Bolj zapleteni so parametri kreditne transakcije, kot so prisotnost zavarovanja s premoženjem, porok, različni viri dohodka, nestandardna shema odplačevanja posojila, manj pomemben je točkovalni model. Poleg tega za zbiranje zadostne količine statističnih podatkov za oblikovanje točkovalnih modelov pri stanovanjskih posojilih traja več časa kot celotna zgodovina hipotekarnih posojil v Rusiji. "Posojila se izdajajo za 15 let ali več, zgodovina storitev pa je največ 5-7 let," pojasnjuje Olga Balaeva, podpredsednica banke VTB 24.
Izvajanje točkovalnega sistema je strukturno in finančno vprašanje. Cena tukaj je močno odvisna od obsega dela. Po besedah Evgenija Ivanova, direktorja oddelka za tveganja na drobno pri banki HCF, lahko stroški točkovanja kart za različne izdelke dosežejo več sto tisoč dolarjev. Točkovalne kartice so niz določenih značilnosti, ki jih odobri banka, in ustreznih uteži (točk) za različna kreditna področja. V banki je običajno več točkovalnih kartic: na primer, ena kartica je potrebna za hipoteko, popolnoma druga pa za posojila za nakup avtomobila. Če želi banka celoten kreditni proces sprožiti (zagnati tako imenovani kreditni transporter), lahko stroški dosežejo več milijonov dolarjev. Navsezadnje to ni le uvedba posameznih točkovalnih kartic, ampak tudi izgradnja globalne točkovalne infrastrukture, uvedba posebne bančne opreme v vseh fazah ocenjevanja bonitete. Stroški vzdrževanja uvedenega sistema točkovanja so sorazmerno majhni in sorazmerni z mesečno plačo računovodje.
Brez rok in čustev
Večina bank poskuša avtomatizirati postopke ocenjevanja posojilojemalcev. To je normalno, saj nakup enega sistema ne omogoča samo odpuščanja "dodatnih" zaposlenih, temveč se znebi človeških rok in čustev. Odvisno od zahtevnosti postopka preverjanja vloge se lahko razmerje "človek-stroj" spreminja v razmerju 1:20 ali več. To pomeni, da medtem ko oseba preveri eno aplikacijo, stroj uspe preveriti do 20. Po besedah Olge Balaeve vam točkovanje omogoča obdelavo vse večjega števila strank z minimalnim povečanjem števila zaposlenih. Poleg tega točkovanje ne vpliva le na količino, ampak tudi na kakovost. "Uvedbo novih točkovalnih kartic spremlja zmanjšanje zamud pri novo izdanih posojilih," pravi Ruslan Morozov, namestnik direktorja oddelka za nadzor tveganj banke Petrokommerts.
Točkovanje ubije dve ptici z enim samim udarcem. Po eni strani je "hitro" obravnavanje vlog zaradi tehnične komponente. Po drugi strani pa avtomat ni predsodkov. Ne vidi, v kakšnih oblačilih je oseba prišla, kako se obnaša potencialna stranka. Točkovanje preprosto opravi delo hitro in nepristransko.
Po besedah Olge Konyushkove, vodje upravljanja tveganj za posameznike, mala in mikro podjetja pri Raiffeisenbank, je nedvomna prednost točkovanja v tem, da nanj ne vpliva človek. Ocena posojilojemalca temelji na analizi več deset tisoč posojil medsebojnih partnerjev in bo vedno natančnejša od uporabe kakršnih koli strokovnih pravil ali politik. Druga prednost je nizka cena in velika hitrost dela, ki omogoča sprejemanje odločitev v realnem času.
Oseba ni pozabljena
Vendar pa lahko pomanjkanje človeškega faktorja pri oceni posojilojemalca povzroči finančne izgube za banko. Težava je v tem, da točkovanje ne more pogosto izločiti posojilojemalcev, ki so za banko donosni, zaradi njihove netipične narave. "Glavna pomanjkljivost točkovanja je nezmožnost odobritve prek sistema ocenjevanja točkovanja za nestandardne aplikacije, ki pa lahko vseeno zanimajo banko," se strinja Valery Kretov, namestnik direktorja oddelka za razvoj poslovanja Zahodne banke.
Preprost primer. Potencialna stranka je v socialno ogroženi skupini (recimo ima pet vzdrževanih otrok in približno šest mesecev delovnih izkušenj na zadnji zaposlitvi). Vendar pa dodatne informacije, ki jih ima zavarovalnica, vendar niso "trdo kodirane" v točkovalni model, nam omogočajo, da z zaupanjem govorimo o dobri plačilni sposobnosti posojilojemalca. Recimo, da govorimo o posojilojemalcu, ki se zadolžuje za prenovo v novem domu. Hkrati ima precej visok dohodek, nameraval bo prodati obstoječe premoženje, avto ali stanovanje in se vsekakor namerava predčasno poplačati. Dohodek je seveda "trdno povezan" v točkovalno kartico, vendar bo ob upoštevanju drugih možnosti takšna stranka prejela nizko točkovalno oceno.
Druga zgodba. Banka zase vstopa v popolnoma nov posojilni segment, kar pomeni, da lahko uporaba prej razvitih točkovalnih kart na splošno daje nepredvidljiv rezultat. Po mnenju Ruslana Morozova iz Petrocommerce Bank točkovanje, ki se uporablja za stranke ene banke, ne bo primerno za banko, ki posluje v drugem segmentu posojil in ima zato drugačno vrsto posojilojemalca. Točkovanje, "usposobljeno" za ruske stranke, ne bo delovalo za tiste, ki niso državljani Ruske federacije. »Na nekaterih področjih točkovanje sploh ne deluje, na primer pri kreditiranju podjetij ali naložb. V teh primerih je treba vsako transakcijo obravnavati posamično, «ugotavlja Evgeny Ivanov iz banke HCF.
Stroj za zaupanje
Točkovanje odreže nezanesljive posojilojemalce, vendar se ne more spoprijeti s prevaro. Stroj zavestno verjame, da so dokumenti in drugi podatki, predloženi v zahtevku za posojilo, zanesljivi. Zato bo resna banka ta instrument uporabljala le kot pomožno. In proti goljufom in lažnivcem se borijo na druge načine - na primer s pomočjo zunanjih storitev za boj proti goljufijam, dodatne analize posojilojemalcev in bančnih varnostnih služb.
"Točkovanje resnično verjame, da so podatki iz vprašalnika pravilni," pravi Oleg Ilyin, vodja oddelka za točkovanje kreditnih produktov za prebivalstvo pri banki OTP. "Največje tveganje predstavlja strankino namerno izkrivljanje podatkov o sebi in ponarejanje dokumentov, goljufiva dejanja stranke," pojasnjuje Alexander Vasyutovich, direktor oddelka za finančna in maloprodajna tveganja Promsvyazbank. "Točkovanje ne more vedno prepoznati primerov, ko goljuf vloži vlogo z lažnimi podatki ali v imenu druge osebe - na primer z dobro kreditno zgodovino," poudarja Pavel Mikhailov, svetovalec predsednika odbora za tveganja Altayenergobank . Točkovalni model, zgrajen za preprečevanje ene od vrst tveganja, lahko zgreši ponudbo z visoko stopnjo tveganja iz druge kategorije. "Goljuf lahko posreduje napačne podatke, ki bodo zagotovili visoko točkovanje," pravi Alexey Kalikin, direktor tveganja za prebivalstvo banke NOMOS.
Poleg tega so med postopkom točkovanja možne statistične napake. Bančniki niso navedli posebnih primerov. Vendar je Natalya Mishina, direktorica oddelka za poslovanje s prebivalstvom pri banki SMP, opozorila, da nastanek napak pomeni izgubo sredstev za banko: bodisi v primeru "nizkokakovostnega" posojila bodisi v primeru napačna zavrnitev "dobrega" posojilojemalca. Zato je treba točkovanje nenehno izboljševati in usposabljati: posodobiti statistično bazo, neobvezno spremeniti točkovalne kartice.
In še trenutek, s katerim se točkovanje nikakor ne more spopasti. To so različne gospodarske spremembe na trgu. Medtem ko se lahko bančni specialist z analitično miselnostjo skoraj takoj odzove na poslabšanje kriznih pojavov, se bo stroj izkazal za bolj nerodnega - še vedno ga bo treba spremeniti in prilagoditi nastavitve ocenjevanja.
