22
Контролер аутсорсинговой компании прежде всего производит сверку
досье на комплектность и правильность оформления:
проверяет наличие обязательных документов;
удостоверяется в корректности оформления досье;
фиксирует в ежедневном реестре передачи некорректных досье
расхождения, обнаруженные в результате сверки;
передает корректные досье в отдел хранения;
некорректные досье отправляет менеджерам для дальнейшего
возврата заказчику без предварительного индексирования.
Все вышеприведенное позволяет говорить об автоматизации кредитного
отдела (в частности, физических лиц) как о ситуации, влияющей на финансовое
состояние банка и банковской системы в целом.
В Сбербанке используют скоринг для оценки рисков и принятия кредитных
решений при рассмотрении всех заявок физических лиц, включая ипотеку. При
этом нужно отметить, что скоринговые технологии не исключают экспертную
оценку данных.
Сбербанк комбинирует скоринговые и экспертные методы оценки
заемщика, применяя различные стратегии принятия решений. В целом для
оценки кредитного риска Сбербанк использует сотни различных стратегий сбора
и анализа данных.
Классические критерии оценки скоринга — это процент так называемых
ошибок первого и второго рода, то есть число ложноположительных и
ложноотрицательных срабатываний.
Для кредитного скоринга это процент одобренных кредитов, выданных
недобросовестным заемщикам, и процент ошибочных отказов в выдаче ссуды. В
обоих случаях банк теряет деньги.
23
Документы для
рассмотрения
заявки
Документы для
рассмотрения
заявки
Сводная
документация по
физлицу
Сводная
документация по
физлицу
Кредитная
заявка
Кредитная
заявка
Заемщик Менеджер банка
Служба безопасности Кредитные эксперты
Исполнитель
Действие
1.Прием и
оформление
кредитной
заявки
2.Рассмотрение
заявления и
принятие по
нему решения
3.Подписание
кредитной заявки
Рисунок 5. Схема документооборота при оформлении кредита физическим
лицом
Недостатки, устранение которых предполагается осуществить в работе:
- введение встроенной в систему кредитных заявок критерии оценки
скоринга;
- возможность электронной подписи документа, без необходимости лично
носить документы от отдела к отделу.
1.2.4.Анализ системы обеспечения информационной безопасности и
защиты информации
Стремительное развитие информационных технологий предусматривает
использование больших объемов информации в разных отраслях деятельности
человека.
Несмотря на усовершенствование методов защиты информации, постоянно
злоумышленниками придумываются новые способы, как получить
несанкционированный доступ к данным других людей.
Чтобы защитить софт от перечисленных угроз широко используют такие
инструменты, как электронные ключи доступа [5, стр. 218].
Электронный ключ представляет собой специальное устройство, которое
содержит в себе лицензионные данные, обеспечивающие возможность
полноценного использования софта.
24
Без получения этих данных программа работать не будет или будет
работать с ограниченным функционалом.
Электронный ключ предназначается для подключения к одному из
интерфейсов компьютера, через который происходит считывание требуемой
информации.
Среди электронных ключей, которые обеспечивают аппаратные методы
защиты информации, используются устройства:
для чтения записи информации для разблокирования программы;
с криптографическими алгоритмами шифрования/дешифрования
лицензионных данных;
на основе микропроцессора, способного обрабатывать специальные
алгоритмы разработчика софта, блокирующие работу ПО.
К основным преимуществам электронных ключей относятся [6, стр. 107]:
возможность использования на любом компьютере с
соответствующим интерфейсом;
с помощью этих ключей могут выполняться криптографические
преобразования;
посредством ключей может выполняться произвольный код,
встроенный разработчиком софта.
1.3.Анализ существующих разработок и выбор стратегии
автоматизации
1.3.1.Анализ существующих разработок для автоматизации задачи
Для всех профессионалов, работающих в области розничного
кредитования, очевидно, что скоринг - это наиболее оптимальный и
эффективный инструмент для работы на рынке потребительского кредитования.
И если кредитной организацией сделан хотя бы первый шаг в этом направлении,
профессиональный скоринг-вендор в состоянии добиться, чтобы предлагаемое
решение было наиболее приемлемо в каждом конкретном случае по таким
показателям, как:
эффективность для текущего уровня организации;
25
функциональные возможности;
качество реализации;
общая стоимость владения.
FLEXTERA «Кредитный конвейер по физическим лицам» - это
комплексное решение для автоматизации бизнес-процессов потребительского,
ипотечного и автокредитования физических лиц. В решении осуществляется
автоматическая первичная верификации заявки (проверка полноты и
корректности заполнения формы), расчёт суммы кредита/лимита с учётом
платежей и комиссий, включаемых в сумму кредита, проверка отклонений от
требований к заёмщику и другими, связанным с ним лицами (поручители,
созаёмщики и другие). Решение централизует вокруг клиентского досье набор
сервисов обслуживания, обеспечивает доступ к услугам банка по различным
каналам связи и позволяет организовать работу в едином «узле» с продуктовыми
системами [28].
Ввод заявки:
ввод заявки при приеме звонка в call-center Компании, или при
личном обращении клиента в точке продаж;
идентификация клиента в системе, выполняющей функцию
клиентского справочника;
заведение нового клиента с сохранением его данных в системе,
выполняющей функцию клиентского справочника;
редактирование/обновление персональных данных клиента в
системе, выполняющей функцию клиентского справочника;
обработка и сохранение электронных копий документов клиента -
прикрепление, просмотр и удаление электронных образцов
документов к карточке кредитной заявки;
ввод информации о субъективной оценке клиента сотрудником банка
– внешний вид, поведение, стиль ведения беседы (данные оценки
хранятся в заявке и могут быть использованы при рассмотрении
заявки и принятии решения);
26
принятие решения о дальнейшей обработке заявки в зависимости от
субъективной оценки поведения и внешнего вида клиента (т.н.
визуальный андерайтинг).
Рассмотрение заявки:
выполнение автоматического расчета скоринговой оценки
потенциального заемщика на основе данных кредитной заявки по
настроенной скоринговой карте;
осуществление проверки по настроенному списку стоп-факторов;
может выполняться автоматический поиск дублей текущей заявки
клиента;
рассмотрение заявки по линии безопасности в разрезе каждого
субъекта;
выполнение автоматического расчета параметров кредита;
произведение рассмотрение залога юристом и специалистом по
залогам.
Решение по кредиту от Scorto [22]. Концепция и ключевые задачи:
Автоматизация процесса принятия решений с возможностью
разработки и внедрения в производство стратегий принятия решений,
потоков обработки кредитных приложений, бизнес-правил с
помощью интуитивно понятного интерфейса drag-n-drop. Несмотря
на простой в освоении интерфейс, любой уровень сложности
потоков, любое количество шагов или подстратегий, любые виды
расчетов и моделей оценки риска поддерживаются.
Автоматизация процесса предоставления кредита, управление,
мониторинг и оценка. Поддержка режима «чемпион-Челленджер».
Ввод данных по заявкам, маршрутизация заявок среди участников
процесса принятия решений с системой специализированных веб-
рабочих мест.
Проверка и сравнение данных с любыми внутренними или внешними
источниками данных.
27
Оформление пользовательских форм заявок и форм заявок через
специализированный интерфейс.
Мировым лидером по разработке скоринговых систем является компания
Fair Isaac, продуктами которой пользуются ведущие мировые кредитные
агентства Equifax, Experian и Trans Union. Разработанная ею статистическая
скоринговая модель FICO Score вполне может стать де-факто стандартом в
ближайшие годы. Однако в России более популярны отечественные
скоринговые продукты, что объяснимо не только учетом в них национальной
специфики, но и приемлемыми ценами.
С 29 июля 2013 г. Сбербанк при выдаче розничных кредитов использует
интегральную оценку заемщика, которая основана на Скоринг Бюро 3 поколения
(сервис предоставляется Объединенным Кредитным Бюро (ОКБ)) и системе
внутреннего скоринга самой кредитной организации.
Тестирование сервиса показало, что совместное использование двух
скоринговых моделей дает дополнительный эффект, повышая качество
интегральной модели банка более чем на 10% [29].
С появлением в конце 60-х гг. кредитных карт и банки, и другие эмитенты
поняли полезность кредитного скоринга. Большое количество клиентов,
подающих заявки на кредитные карты каждый день, сделало невозможным – ни
экономически, ни с точки зрения трудозатрат – никакое другое решение, кроме
как автоматизация принятия решения о кредитовании. При использовании
кредитного скоринга эти организации быстро обнаружили, что эта методика
является существенно более надежным прогнозом, нежели экспертные оценки
(процент дефолтов снизился на 50% и более).
Как правило, выделяют минимум три области применения кредитного
скоринга:
скоринг заявлений (application scoring);
поведенческий скоринг (behaviour scoring);
скоринг по взысканию (collection scoring).
Скоринг заявлений – это определение кредитоспособности (уровня риска
дефолта) заявителя при принятии решения о предоставлении кредита на
основании данных, доступных в момент подачи заявления, – информации
28
собственно из заявления, собственных данных кредитной организации, данных
из кредитного бюро, а также других доступных баз данных (например, по
утерянным паспортам).
После того как кредит выдан, необходимо отслеживать его использование и
возврат. И если в случае кредитов с фиксированными условиями, т.е. ключевым
является определение кредитоспособности клиента на момент выдачи кредита,
то для кредитной линии – в том числе револьверной кредитной карты – ситуация
отличается коренным образом. Неизвестно, как клиент будет пользоваться
кредитом – сразу выберет весь кредитный лимит или только его часть, как будет
возвращать – сразу все или только минимальный установленный платеж, и не
изменится ли его кредитоспособность через шесть месяцев или через год. И это
– область поведенческого скоринга, где под этим названием на самом деле
скрывается целый набор решаемых задач.
В первую очередь это оценка риска просрочки платежа и/или невозврата и
определение тех действий, которые необходимо предпринять, – в этом
поведенческий скоринг переходит в скоринг по взысканию (collection scoring).
Следующей задачей, решаемой в рамках поведенческого скоринга, является
определение доходности/убыточности клиента для кредитной организации. Для
этого отслеживается история его транзакций на протяжении определенного
отрезка времени (например, шести месяцев) и согласно установленным
критериям определяется его «ценность», а потом на основании уже известных
клиентских историй и профилей клиентов прогнозируется будущая
«доходность» клиентов, находящихся в кредитном портфеле в данный момент.
1.3.2.Выбор и обоснование стратегии автоматизации задачи
Как правило, в кредитных организациях сначала вводится система
удаленного обслуживания, которая служит средством связи обслуживающих
операторов и лиц, принимающих решение о выдаче кредита путем внедрения
удаленных веб-технологий. Затем внедряется информационная система скоринга
[21]. Но контекстная диаграмма процесса кредитования, представленная на
рисунке 6, является идентичной как для обработки заявления о ссуде с помощью
автоматизированной системы скоринга, так и просто кредитным экспертом.
29
Различие проявляется только на нижних уровнях модели. Построение моделей
осуществлялось при помощи системы моделирования и анализа бизнес-
процессов Ramus Educational.
Рисунок 6. Контекстная диаграмма модели бизнес-процесса обработки
кредитной заявки
На рисунке 7 отражена схема процесса принятия решения о выдаче кредита
в без применения автоматизированной системы скоринга в нотации IDEF0.
Рисунок 7. Фактическая модель обработки анкеты заемщика
Процессы обработки поступаемой заявки на получение кредита носят
сквозной характер в кредитных организациях. Это объясняется тем, что
30
исходная информация о клиенте анализируется в нескольких подразделениях
(например: кредитный отдел, служба безопасности, юридический отдел и т.д.).
При введении системы скоринга описанная схема на рисунке 7 дополняется
еще одним блоком ‒ автоматизированная оценка кредитоспособности.
Эффективная организация цепочки анализа информации о заемщике между
подразделениями непосредственно влияет на сокращение длительности процесса
принятия решения о заемщике. А быстрое принятие решения о выдаче ссуды
является значимым преимуществом в конкурентной борьбе.
Стоимость скоринговой системы может колебаться в среднем в пределах от
20 до 200 тыс. долл [30].
Скоринговая система оценки платежеспособности розничного клиента –
это статистическая модель, оценивающая вероятность того, что заемщик не
заплатит по своим обязательствам в срок. А, как известно, для построения любой
статистической модели необходимо иметь достаточную по объему и
качественную базу данных. Именно отсутствие достаточного объема
информации по розничным клиентам является основной преградой финансовых
институтов в построении внутренних скоринговых моделей.
База данных для построения скоринговой модели (собственная или
приобретенная) должна содержать всю возможную информацию по клиентам за
последние 2-5 лет, в том числе клиентский номер.
Далее из выборочной совокупности должны быть исключены:
1. все нестандартные случаи (аномально большие суммы кредита,
необычные цели для займа, реструктуризированные обязательства, клиенты с
нестандартными условиями выплат и др.),
2. отказы в выдаче кредита по причинам, обусловленным единой политикой
банка (несовершеннолетние, банкроты, двойные заявки и др.),
3. инсайдерские кредиты (VIP, сотрудники банка и др.),
4. незаконченные или находящиеся в процессе обработки кредитные
анкеты,
5. нестандартное поведение клиента после выплаты кредита (подделка
документов и мошенничество, кражи и потери кредитных карт, смертельные
случаи и др.).
31
Все остальные данные в выборке должны быть разбиты на категории:
«хороший» (платежеспособный), «плохой» (неплатежеспособный) клиент или
«отказ» в выплате кредита. В теории по созданию скоринговых систем процесс
моделирования часто разбивают на два этапа:
1) построение первичной модели с использованием известных данных по
розничным счетам (платежеспособный/неплатежеспособный),
2) построение конечной модели с добавлением данных по клиентам,
которым было отказано в кредите («отказы»). Практика, однако, показала, что
добавление отказов, несмотря на большие затраты ресурсов, редко приносит
желаемый результат и оказывает несущественное влияние на качество и
характер модели.
Поэтому будем учитывать при построении лишь данные существующих
клиентов, охарактеризовавших себя с позиции платежеспособности
(«хороший»/«плохой» случай) [31].
Следующим основным этапом построения модели является выбор и анализ
независимых переменных. Основным источником данных являются анкетные
данные клиента на момент подачи кредитной заявки, например:
Демографические показатели: возраст, пол, национальность,
местопроживание, длительность проживания в актуальном месте
жительства, образование, профессия, длительность трудоустройства,
наличие собственности, семейное положение, наличие детей и др.
Данные по запрашиваемому кредиту: цель кредита, общий размер
займа, срок финансирования, первоначальный взнос, отношение
размера займа к размеру обеспечения по кредиту и др.
Финансовые показатели: при учете количественных характеристик в
модели рекомендуется избегать абсолютных величин и использовать
коэффициенты, как например: сумма задолженности к доходу,
ежемесячные выплаты по кредиту к ежемесячному доходу, месячный
свободно располагаемый бюджет к ежемесячному доходу,
ежемесячные выплаты по кредиту к месячному свободно
располагаемому бюджету и др.