"Банковское кредитование", 2007, N 1

ОПТИМИЗАЦИЯ ПРОЦЕССА ПРЕДКРЕДИТНОЙ ОБРАБОТКИ.

ЭФФЕКТИВНОЕ ПРИНЯТИЕ РЕШЕНИЙ

В понятие предкредитной деятельности включаются все этапы обработки заявки на кредитный продукт, начиная с момента ее получения от клиента до принятия решения о выдаче кредита. Кроме того, в ходе предкредитной обработки заявки определяется ряд параметров кредитного продукта, например кредитный лимит или максимально допустимый срок кредитования. Без автоматизации процессов предкредитной обработки невозможно обеспечить оперативность рассмотрения большого количества заявок, выдержать конкурентоспособные сроки ответа потенциальному заемщику. В целом такая автоматизация необходима для организации массовой продажи кредитных продуктов. В статье затронуты вопросы как методологической, так и технологической организации процесса предкредитной работы.

Предкредитная обработка - практический пример

Очевидно, что самый известный механизм предкредитной деятельности - скоринговый калькулятор, то есть алгоритм подсчета баллов, определяющих кредитный лимит на основе введения набора анкетных данных соискателя кредита. В последние годы о кредитном скоринге говорят и пишут очень много. Может сложиться впечатление, что кредитный скоринг - главный и даже единственный этап предкредитного анализа.

Посмотрим на карту процесса предкредитной деятельности российского банка, активно работающего с несколькими продуктами на рынке розничного кредитования (рис. 1).

Карта процесса предкредитной деятельности банка

     
            ————————————¬
            |Ввод данных+—————————————————————————¬
            L—T——————————                         |
             /|\                                 \|/
              |           ——————————¬  ———————————+——————————¬
            Ошибка ввода——+ Проверка|<—+Проверка корректности|
                          |пройдена?|  |    в форме ввода    |  
       ————————————————¬  L————T—————  L——————————————————————
   

¦ Скоринг - ¦ ¦ ¦предварительная¦<- Да- ———— ¦ оценка ¦ L-------T------ ———— \¦/

     
          —————+————¬            ———————————————¬
          |  Ответ  +—Отклонить—>|Ответ клиенту,|
          |скоринга?|            |   фиксация   |
          L————T—————            |  ответа в БД | —————————————————¬
               Да                L——————————————— |    Фиксация    |
               |                                  |результата в БД,|
              \|/                                 |начало процедуры|  
   ————————————+———————————¬                      | выдачи кредита |
   |     Анализ выборки    |                      L—————T———————————
   

¦о существующих кредитах¦ /¦\

¦ и счетах клиента ¦ ¦

L----------T------------- Да

\¦/ ¦

     
         —————+—————¬                           ————————+——————————¬
         |Anti—fraud|                           |   Клиент готов   +—Нет
         L————T——————                           |оформлять договор?|  |
             \|/                                L———————T——————————— \|/  
         —————+————¬           ———————————————¬        /|\   —————————+—¬
         | Проверка+————Нет,——>|Ответ клиенту,|         |    | Фиксация |
         |пройдена?| отклонить |   фиксация   | ———————>|    |результата|
         L————T—————   заявку  |  ответа в БД | |       |    |   в БД   |
              Да               L——————————————— |   Принять  L———————————
   

¦ ¦ заявку

\¦/ ¦ ¦ --------------¬

     
        ——————+—————¬      ———————————————————¬ |       | |Ответ клиенту|
        | Связаться |      | Получение ответа | |       | |  и фиксация |
        |с кредитным+—Да——>|от кредитного бюро| |       | | ответа в БД |
        |   бюро?   |      L————————T—————————— |       | L—————————T————
   

L-----T------ ¦ ¦ ¦ /¦\ Нет необходимости ¦ ¦ ------+--¬ ¦ ¦ -------Да--------- ¦ ¦Решение?+----Отклонить \¦/ \¦/ ¦ L------T ———— ------+----+¬ ¦ /¦\

¦Сегментация+¬ ¦ ¦

L------------¦ ¦ ¦

\¦/ ¦ ¦

     
              ———————+—¬                 ———————+——————¬—+———————¬
   Отклонить——+Решение?+—Принять заявку—>|Ответ клиенту||Принятие|
        |     L——————T——  без проверки   |  и фиксация || решения|
       \|/           |                   | ответа в БД |LT————————
   

-----+---------¬ ¦ L--------------/¦\ ¦Ответ клиенту,¦ Запустить ¦ ¦ фиксация ¦ процедуру -------------------¬ ¦ ¦ ответа в БД ¦ проверки-->¦Процедура проверки+--Передача результата L--------------- данных L----------------- ———— Рис. 1 Почему так сложно? На первый взгляд процесс кажется усложненным. Возникает вопрос - к чему такие сложности? Банк намерен получать доход от операций кредитований, а значит, рассчитывает выдать как можно больше кредитов. Но - "хороших" кредитов, то есть кредитов тем заемщикам, которые смогут и захотят аккуратно соблюдать график платежей. Цель предкредитного анализа - снизить вероятность неплатежей по кредиту, максимально точно оценить степень возможности того, что кредит будет "хорошим" в этом смысле. Вопрос, на который также должна дать ответ предкредитная обработка: какова вероятность того, что именно этот заемщик по этому конкретному кредиту будет платить аккуратно? При какой величине вероятности выдать кредит - вопрос балансировки рисков и доходности, принятых в банке. В то же время затраты на организацию предкредитной обработки заявок на кредитный продукт должны быть меньше, чем доход, ожидаемый от этого продукта. Поэтому степень сложности и емкости предкредитной обработки определяется для конкретного кредитного продукта с учетом следующих параметров: - стоимость каждого этапа предкредитной обработки; - ожидаемый доход от кредитного продукта; - скорость обработки заявок на каждом этапе и в целом; - ожидаемое соотношение количества поданных и обработанных заявок и количества выданных кредитов; - ожидаемый размер потерь в случае несоблюдения заемщиком графика выплат. Базовые элементы Заметим сразу, что приведенная схема иллюстрирует всего лишь один из множества возможных способов выстроить процесс предкредитной обработки. Порядок работы определяется для каждой индивидуальной ситуации. Типовые элементы предкредитного процесса, присутствующие на схеме, довольно стандартны. Рассмотрим каждый из таких элементов. Проверка корректности анкеты. На первом этапе производится валидация введенных в анкету данных. Проверяется наличие обязательных данных, их корректность и правдоподобность. Такая операция позволяет снизить стоимость предкредитной обработки за счет исключения технических ошибок на самом первом этапе. Скоринг. В данном случае под термином "скоринг" понимается арифметический расчет скорингового балла, по которому можно определить, будет ли разрешена выдача кредита и какой кредитный лимит будет назначен. Процесс предкредитной обработки может включать в себя построение нескольких различных скоринговых карт, реализующих разные виды скоринга. К примеру, банк может использовать аппликационный скоринг, то есть скоринг по данным анкеты, без учета других источников информации, поведенческий скоринг, когда принимается во внимание история отношений потенциального заемщика с банком, то есть используется база данных банка, скоринг по внешним источникам, например скоринг кредитных бюро. Выявление мошеннических заявок или так называемый anti-fraud. Программное обеспечение для выявления мошенничества позволяет настроить правила поиска противоречий в самой заявке. Производится сверка данных анкеты и ранее сохраненной в банке информации о лицах и объектах, указанных в анкете. Проверяются данные о ранее подававшихся от имени потенциального заемщика заявках, данные об операциях его работодателя и т.д. Рассматриваются распространяемые регулирующими органами данные о недействительных паспортах, информация о лицах, подозреваемых в незаконной деятельности, информация о целях платежных переводов, прочая имеющаяся в банке информация о заемщике и связанных с ним лицах. Может быть проведен анализ противоречий на основании данных внешних систем, например публичных реестров юридических лиц, классификаторов адресов, данных информационных агентств. Программы класса anti-fraud, как правило, используют механизмы нечеткого сопоставления (fuzzy matching) для строковых полей, то есть имен и адресов. По результатам проверки заявок по всем заданным правилам программа anti-fraud выделяет не только потенциально мошеннические заявки, но даже связанные цепочки таких заявок, которые указывают на организованное мошенничество. Блок маршрутизации заявок. Модуль позволяет формировать правила маршрутизации заявок на следующие этапы в зависимости от результатов обработки текущего этапа. Так, заявка может быть отклонена по данным первичного аппликационного скоринга. Все остальные процедуры в этом случае не нужны. В зависимости от суммы запрашиваемого кредита логика маршрутизации может быть настроена так, что, например, внешний скоринг не проводится для заявок на сумму ниже некоторой пороговой. По данным оценки заявки программой anti-fraud блок маршрутизации может сегментировать клиентов и направить определенные перечни заявок на ручную проверку, указав тип проверки. Блок принятия решений должен обладать визуальным интерфейсом для удобства настройки и изменения правил маршрутизации, иметь гибкие средства для интеграции с другими программными элементами. Для системы массовой обработки кредитных заявок критически важна высокая производительность блока маршрутизации. Процедуры ручной проверки. На приведенной схеме блок маршрутизации определяет заявки, нуждающиеся в ручной проверке. Банк использует несколько видов проверок, отличающихся количеством необходимых мероприятий и характеристиками мероприятий. Так, минимальная проверка представляет собой звонок работодателю и уточнение у него должности, в которой трудится потенциальный заемщик. Другие варианты проверок предполагают личные визиты и список вопросов, которые надо задать заемщику или третьим лицам. Этот этап предкредитной обработки, как правило, не автоматизируется или автоматизируется на уровне "определена категория проверки - выведен перечень мероприятий для этой категории - предоставлен интерфейс для того, чтобы отметить проведенные мероприятия и ответственных лиц". Где найти? Первый вопрос в построении банком цепочки предкредитной обработки - создавать программное обеспечение самостоятельно или купить готовый продукт? Вопрос давно дискутируется, и, скорее всего, каждый профессионал уже нашел ответ для себя. По нашему мнению, смысла изобретать велосипед в данном вопросе нет. Банку важно использовать опыт и знания, аккумулированные в уже существующих на рынке разработках, возможно также использование общей базы данных, так как на конкурентном рынке критична скорость, с которой банк автоматизирует процесс предкредитной обработки. Производители предлагают богатый ассортимент соответствующих продуктов. Программы отличаются функциональностью, ценовой политикой, особенностями технической реализации и способами организации удаленного доступа. Банк может обратиться к одному производителю и найти всю линейку необходимых продуктов у него, может выстроить цепочку из продуктов разных вендоров, подбирая оптимальные решения для каждого шага. Программное обеспечение для предкредитной деятельности производят как отечественные разработчики, так и зарубежные. К сильным сторонам продуктов от отечественных разработчиков можно отнести изначальную ориентацию на условия ведения бизнеса в России. Близость разработчика - тоже несомненный плюс. Отметим, однако, что близость не всегда означает доступность и гибкость. Зарубежные разработки в большинстве своем уже долгое время находятся в эксплуатации у различных клиентов и прошли много итераций оптимизации и отладки. В последнее время иностранные производители интересуются российским рынком, подключают российские базы данных по заемщикам для адаптации алгоритмов и скоринговых моделей к страновым реалиям. Лидеры автоматизации предкредитной работы заключают соглашения с различными бюро кредитных историй и достаточно успешно осуществляют совместные проекты по итерационному обучению системам анализа потенциальной кредитоспособности россиян. Необходимо также принять решение о том, в каком режиме будет проводиться анализ - при помощи локально установленной в банке системы или в режиме аутсорсинга, то есть путем отправки онлайновых запросов к удаленной системе, установленной и поддерживаемой поставщиком на своей территории. Упомянутый нами банк сочетает оба способа для разных этапов обработки заявок. Ведется собственная база данных по клиентам, обращающимся в банк. По данным этой базы производится первичный анализ. Далее, по результатам проверки на мошенничество и анализа характеристик запрашиваемого кредитного продукта, система принимает решение - обращаться ли в кредитное бюро для проведения дополнительного скоринга по данным бюро. В случае использования собственной базы банк несет расходы на покупку лицензии на ПО, а также его внедрение и сопровождение. В случае онлайн-анализа - оплачивает каждую транзакцию, то есть отправку запроса и получение ответа. Как построить цепочку В начале статьи мы касались вопроса стоимости предкредитной работы. В любом случае эта стоимость должна быть меньше чистого дохода от продажи и обслуживания кредитного продукта, иначе весь процесс теряет экономический смысл. В ходе же планирования бизнес-цепочки предкредитной обработки следует решить задачу оптимизации, то есть минимизации стоимости предкредитного анализа без снижения или с минимальным приемлемым снижением точности оценки. Общий принцип прозрачен. Первыми в цепи должны быть недорогие по стоимости этапы, на которых отсекаются явно неподходящие заявки. На нашей схеме пример такого этапа - предварительная оценка внутренним скоринговым калькулятором. Механизмы тонкой оценки, такие как ручная проверка сведений, должны запускаться только в сомнительных случаях или для кредитных продуктов, потери от невозврата которых очень дороги. Вопрос обращения к стороннему оценщику (аутсорсинговый скоринг) решается в зависимости от характеристик продукта и заемщика с учетом стоимости транзакции. В ходе построения модели процесса предкредитной работы, проиллюстрированного схемой, довольно долго обсуждался вопрос о том, должен ли скоринг предшествовать проверке на мошенничество или следовать за ним. Стоимость обработки заявки на каждом из этих двух этапов примерно равна. Было принято решение о том, что целесообразно в базе данных сохранять не только первичные данные заявки пользователя, но и скоринговые баллы. Это целесообразно делать для всех заявок, в том числе и для тех, которые будут отклонены блоком anti-fraud. Поэтому на схеме первичный скоринг предшествует анализу на мошенничество. Заметим, что в нашей схеме предусматривается фиксирование результатов каждого этапа предкредитной обработки, в том числе реакций потенциального заемщика, в базе данных. Дополнительным полезным результатом предкредитной деятельности становится накопление знаний об оценках клиента и его поведении. Например, таким образом можно выявить "нерешительного" заемщика, который регулярно подает заявку, но отказывается от заключения договора после объявления ему положительного решения. При обработке заявки от этого лица в очередной раз, если принятие заявки окажется возможным только с усиленной проверкой, целесообразно будет отказать, учитывая высокую стоимость проверки и высокую вероятность отказа лица от заключения договора. * * * Цель предкредитной обработки - максимально точно оценить вероятность возникновения неплатежа у потенциального заемщика и выбрать безопасные параметры кредитных продуктов так, чтобы у заемщика была возможность и намерение выполнять свои обязательства перед банком в течение всего срока договора. Для этого необходимо построить производительный и экономичный процесс предкредитной работы, который обеспечит возможность своевременной массовой обработки заявок и позволит банку развивать кредитную деятельность и сохранять конкурентоспособность. А.В.Мельникова Директор по работе с финансовым сектором компания "Integrated Services Group" (ISG) Ю.В.Шевчук Ведущий специалист компания "Integrated Services Group" (ISG) Подписано в печать 09.02.2007 ————