66
Предлагаемая к внедрению методика оценки кредитоспособности
потенциального заемщика (физического лица или индивидуального
предпринимателя) принимает решение как по информации из заявления
клиента, так же по итогам анализа кредитной истории в композиции с
современными макроэкономическими моделями. Андеррайтинг заёмщиков с
применение внедряемой системы должен осуществляться по кредитным
картам, всем потребительским кредитам и автокредитованию (которые в
текущем 2017 году временно остановлены, по нашему мнению, как раз из-за
сложности проведения существовавшего скоринга), по ипотечному
кредитованию и кредитам в малом бизнесе.
В итоге применения алгоритма могут формироваться отчеты, с любым
набором характеристик принятого решения, с обоснованием и обобщением по
сделанному выбору.
Прикладная программа, предлагаемая к внедрению, поддерживает
функции скоринга по анкетным данным (EGAR Application Scoring), анализ
поведения (EGAR Behavior Scoring), расчет рисков по портфелю (EGAR
Collection Scoring).
Платформа «EGAR Scoring» также выполняет подзадачи:
- подпрограмму прогнозирования рисков дефолтов, убытков и досрочных
договоров погашения кредитов;
- подпрограмму стратификации просроченных кредитов (расчет
допустимых лимитов и сроков погашения задолженности);
- подпрограмму анализа кредитных договором с групповым участием
созаемщиков и поручителей;
- подпрограмму моделирования доходов клиента по социально-
демографическим характеристикам заемщика;
- подпрограмму моделирования доходов по собственности заемщика и
учету доходов из разнообразных источников (восстановление доходов);
- подпрограмму учета залогового качества основного и дополнительного
обеспечения, а также его динамику во времени;
67
- подпрограмму генерации отчетов по результатам скоринга.
Система «EGAR Scoring» реализована на промышленной платформе,
поддерживает многотерминальную сеть удаленных рабочих мест,
обеспечивающих комплексное управление процессом оценки
кредитоспособности заемщика – физического лица (от ввода анкетных данных
с гибкой настройкой форм до оперативного принятия решения по кредитной
сделке). Это особенно актуально для ПАО «Сбербанк России», поскольку
данный банк имеет широкую и разветвленную филиальную сеть.
Компания EGAR Technology так же оказывает консалтинговые услуги по
разработке розничных кредитных продуктов, как дополнительное программно-
информационное сопровождения для расширения возможностей АС
(автоматизированной системы) «EGAR Scoring», и обслуживаемых бизнес-
процессов.
Такое сопровождение АСУ всегда актуально, а в настоящее время для
ПАО «Сбербанк России» особенно – в рамках андеграунда копании нет
необходимости содержать большой собственный штат программистов.
Как уже было сказано выше, экономический эффект от внедрения
предложенных ПАО «Сбербанк России» мероприятий по совершенствованию
системы оценки кредитоспособности заемщиков – физических лиц в ПАО
«Сбербанк России» может проявляться в результатах:
- сократится величина просроченной ссудной задолженности
физических лиц;
- снизятся отчисления в обязательный резерв;
- снизятся затраты труда специалистов кредитного отдела по оценке
кредитоспособности заемщиков – физических лиц;
- ожидается рост количества клиентов, получающих кредиты
физическим лицам за счет более качественной оценки их платежеспособности,
и, как следствие – рост величины кредитного капитала и доходов от его
активного использования.
По анализу экономической, финансовой отчетности на 1 января 2016 г.
68
просроченная ссудная задолженность физических лиц в ПАО «Сбербанк
России» составила 36135 млн. руб.
Внедрение прикладной программы даст более качественные оценки
платежеспособности заемщиков, позволит исключить несвоевременные
платежи. В таблице 10 приведен расчет необходимой суммы резерва по
категориям кредитных вложений ПАО «Сбербанк России» по прогнозу с
учетом взыскания просроченной задолженности.
Из таблицы видно, что ПАО «Сбербанк России» (Сибирский Банк)
сможет сократить обязательные отчисления в резерв на возможные потери в
случае взыскания просроченной задолженности по ссудам на сумму – 2004 млн.
руб.
Оценим экономический эффект от внедрения системы автоматизации
оценки кредитоспособности заемщиков – физических лиц «EGAR Scoring».
Таблица 10
Расчет необходимой суммы резерва на возможные потери по
ссудам ПАО «Сбербанк России» по прогнозу, млн. руб.
Виды
кредитов
Групп
ы
риска
Процент
отчислени
я в резерв
На 01.01.2017 г.
Прогноз после
модернизации
методики
Изменение
суммы
резерва на
возможны
е потери
по ссудам,
млн. руб.
Сумма
кредитн
вложений
, тыс.
руб.
Отчислени
я в резерв,
млн. руб.
Сумма
кредитн
вложений
, млн.
руб.
Отчислени
я в резерв,
млн. руб.
Стандартные
ссуды
I
группа
2,0
19947
399
22235
430
-
Нестандартны
е ссуды
II
группа
5,0
9901
495
10000
500
-
Сомнительные
ссуды
III
группа
30,0
3686
1106
3900
1170
-
Опасные
ссуды
IV
группа
75,0
1987
1490
-
-
-1490
Безнадежные
ссуды
V
группа
100,0
614
614
-
-
-614
Всего
х
х
36135
4104
2100
-2004
Внедрение данной системы повлияет на финансовые показатели ПАО
«Сбербанк России» следующим образом:
69
- сокращение штатного состава кредитного отдела;
- сокращение доли низко квалифицированного труда;
- возрастет трудовая мотивация специалистов кредитного отдела,
качественно возрастет содержание труда;
- вырастет квалификация, профессиональный уровень работников
кредитного отдела, что позволит им расширить перечень должностных
функций – проведение экономического анализа, изучение нормативных и
законодательных актов.
Перечень затрат на приобретение и внедрение автоматизированной
системы «EGAR Scoring»:
- расходы на приобретение программы
- оплату труда программиста, внедряющего программное приложение,
обучающего пользователей – специалистов отдела кредитования;
- взносы во внебюджетные фонды с величины сэкономленной
заработной платы и др.
Расчет затрат выполним по формуле:
К=Зп х То (1 + Кс) +Спр, (10)
где Зп – часовая заработная плата программиста, руб.;
То– время на обучение персонала, час.;
Кс – коэффициент во внебюджетные фонды, %;
Спр – стоимость программы.
С учетом заработной платы программиста 300 руб. в час, ставки взносов
во внебюджетные фонды 30 % и взносов на страхование от несчастных случаев
на производство 0,2 %, затраты на установку программного обеспечения
составят 41144 тыс. руб. в расчете на один офис (таблица 11).
70
Таблица 11
Расчет затрат ПАО «Сбербанк России» на внедрение
автоматизированной системы «EGAR Scoring» в одном офисе
Сибирского Банка, руб.
Показатели
Условное
обозначение
Единица
измерения
Значение
показателя
Средняя заработная плата
программиста в час
Зп
руб.
300
Время на обучение персонала
То
час
24
Взносы во внебюджетные фонды и на
обязательное страхование от
несчастных случаев на производстве
Кс
%
30,2
Стоимость программы
Спр
руб.
32000
Всего
К
руб.
41374
Таким образом, затраты ПАО «Сбербанк России» (в расчете на один
офис) на внедрение автоматизированной системы «EGAR Scoring» составляют
41374 руб.
Расчет экономии фонда заработной платы, за счет снижения затрат
времени на обработку запросов клиентов при внедрении прикладного пакета
«EGAR Scoring» представлен в таблице 12.
Таблица 12
Расчет затрат на внедрение автоматизированной системы «EGAR
Scoring» в расчете на один офис, руб.
Показатели
Единица
измерения
Значение
показателя
При ручной оценке кредитоспособности заемщиков – физических лиц
Количество сотрудников кредитного отдела,
занятых оценкой кредитоспособности
заемщиков – физических лиц
чел
10
Трудоемкость оценки кредитоспособности
заемщиков – физических лиц
чел. – час.
10 чел х 20 дней х 8
час. = 1600.
Среднечасовая оплата труда
руб.
180
Взносы во внебюджетные фонды и на
обязательное страхование от несчастных
случаев на производстве
%
30.2
Расходы на оплату труда, всего
руб.
1600 чел. час. х 180
руб. х 130.2 % =
374976 руб.
При автоматизированной оценке кредитоспособности заемщиков – физических
лиц
71
продолжение таблицы 12
Количество сотрудников кредитного отдела, занятых
оценкой кредитоспособности заемщиков –
физических лиц
чел
4
Трудоемкость оценки кредитоспособности
заемщиков – физических лиц
чел. –
час.
4 чел х 20 дней х 8
час. = 640
Среднечасовая оплата труда
руб.
180
Взносы во внебюджетные фонды и на обязательное
страхование от несчастных случаев на производстве
%
30.2
Расходы на оплату труда, всего
руб.
640 чел. час. х 180
руб. х 130.2 % =
149990 руб.
Эффект от использования
руб.
374976 – 149990 =
224986 руб.
Экономический эффект от внедрения системы «EGAR Scoring» в одном
офисе ПАО «Сбербанк России» в Сибирском регионе составляет 224986 руб. в
месяц. Экономический эффект за минусом затрат на установку программы
(41344 руб.) составит 183642 тыс. руб. в расчете на один офис.
В настоящее время сеть ПАО «Сбербанк России» в Сибирском
федеральном округе составляет 23 филиала. Экономический эффект от
автоматизации всей филиальной сети составит 4224 тыс. руб. в первый месяц
внедрения:
183642 руб. х 23 офисов = 4224 тыс. руб.
За остальные 11 месяцев первого года использования системы экономия
ФЗП по 23 филиалам Сибирского ФО составят:
224986 руб. х 23 офиса = 5175 тыс. руб. в месяц.
Годовой эффект составит:
4224 тыс. руб. + 5175 тыс. руб. х 11 мес. = 61 149 тыс. руб. (61,1 млн. руб.)
Расчеты показывают, что внедрение системы «EGAR Scoring» для
72
автоматизации оценки кредитоспособности заемщиков – физических в ПАО
«Сбербанк России» лиц целесообразно, так как расчеты показали высокую
эффективность данного предложения.
Рассчитаем величину денежных средств ПАО «Сбербанк России»,
высвобожденных за счет взыскания задолженности по ссудам, сокращения
обязательных отчислений в резерв на возможные потери по ссудам и экономии
затрат:
6000 млн. руб. + 2004 млн. руб. + 61 млн. руб. = 8065 млн. руб.
Средняя процентная ставка по кредитам для физических лиц составляет
17 % годовых. Рассчитаем сумму доходов, если предоставить физическим
лицам дополнительные кредиты на общую сумму 8065 млн. руб.:
8065 млн. руб. × 17 % = 1371,1 млн. руб.
Средний риск при кредитовании физических лиц примем в размере 1,5 %.
С учетом банковского риска доходность кредитования физических лиц в ПАО
«Сбербанк России» составит:
1371,1 х (1- 0,015) = 1350,5 млн. руб.
Таким образом, за счет совершенствования системы оценки
кредитоспособности заемщиков – физических лиц процентные доходы ПАО
«Сбербанк России» по Сибирскому ФО увеличатся на 1350,5 млн. руб. в год.
Показатели экономической эффективности проекта совершенствования
системы оценки кредитоспособности заемщиков – физических лиц в ПАО
«Сбербанк России» представлены на рисунке 11.
73
Рисунок 11. Показатели экономической эффективности проекта
совершенствования системы оценки кредитоспособности
заемщиков – физических лиц в Сибирском банке Сбербанка России
По результатам разработки проекта совершенствования системы оценки
кредитоспособности заемщиков – физических лиц в Сибирском банке
Сбербанка России можно сделать следующие выводы:
В первую очередь, информация о потенциальном заемщике – физическом
лице, его доходах и объектах недвижимости должны быть достоверными. Для
этого специалистам кредитного отдела банка необходимо проверять их по
данным Пенсионного фонда, Бюро технической инвентаризации, Паспортно-
визовой службы, Кредитных бюро и Государственной инспекции безопасности
дорожного движения.
Во вторую очередь, для ускорения процедуры проверки информации о
клиенте и для создания кредитного «профиля» по дополнительным критериям,
необходимо использовать современные модели, алгоритмы. Для этого процесс
проверки должен быть автоматизирован. Предлагаем внедрение системы
«EGAR Scoring». Ее использование позволит снизить трудозатраты кредитного
74
отдела и повысить точность обработки информации.
В-третьих, общий экономический эффект от внедрения
автоматизированной системы «EGAR Scoring» оценки кредитоспособности
заемщиков – физических лиц в ПАО «Сбербанк России» по Сибирскому ФО
составляет 1350,5 млн. руб.
По второму сценарию автоматизации можно создавать «Deductor Credit
Pipeline» - это автоматизация принятия решений при массовом кредитовании
или «Кредитный конвейер», который обеспечивает высокую скорость без
ущерба качеству. Здесь речь идет о Работе на рынке массового розничного
кредитования и микрофинансования, что требует использования инструментов,
способных обеспечить высокую скорость принятия решений без снижения
качества кредитного портфеля.
Решения о выдаче кредита должны приниматься за несколько минут, но
при этом пройти все этапы проверок и анализа рисков, что возможно
реализовать только при наличии высокой степени автоматизации и
минимального влияния человеческого фактора. В этом случае можно
обеспечить качественный клиентский сервис в сочетании с приемлемым
уровнем рисков.
Основные риски в работе конвейера:
- снижение скорости обработки заявок в моменты пиковой загрузки;
- ошибочные действия сотрудников, невыполнение всех требований и
проверок, внутреннее мошенничество;
- потеря непрерывности бизнеса и рост операционных издержек;
- сложность изменения логики принятия решений и вывода на рынок
нового продукта.
BaseGroup Labs предлагает готовое решение Deductor Credit Pipeline для
автоматизации принятия решенийна всех этапах работы кредитного конвейера.
Каналы ввода заявки:
- CRM (система управления взаимоотношений с клиентами);
- Интернет-банк;
75
- Мобильный банк;
- Точки продаж;
- Фронт-офис.
Deductor Credit Pipeline выполняет функции:
- Расчет условий кредита: определение лимитов и тарифа;
- Скоринговая оценка;
- Поиск заемщика в ИС банка;
- Определение рисковой группы;
- Оценка кредитной истории;
- Проверка на мошенничество;
- Проверка правил: прескоринг, проверка стоп-факторов, черный список.
Deductor Credit Pipeline поддерживает интеграцию с внешними системами
и сервисами:
- НБКИ – получение кредитной истории и скоринговой оценки из бюро.
- НБКИ-AFS – проверка Заемщика на признаки мошенничества по
рассчитанным правилам.
- Equifax –получение кредитной истории и скоринговой оценки из бюро.
- Equifax-FPS - поиск признаков мошенничества, основываясь на
сравнении информации из кредитных заявок, хранящихся в бюро.
- ОКБ - получение кредитной истории Заемщика.
- Qiwi – получение сведений о суммах и количестве платежей по
мобильному номеру.
- National Hunter - проверка Заемщика на признаки мошенничества на
основе сравнений с известными шаблонами мошенничества и исторических
заявок в других банках.
Производительность предлагаемой системы:
- скорость обработки одной заявки решением до 30 секунд.
- пропускная способность решения составляет более 10 000 заявок в день.