Кейс: Скоринг в МФО на минимальных данных. Повышение скорости бизнес-процессовСбор минимальных данных о заемщикеСнижение возможности анализа Повышение. - презентация

1 Кейс: Скоринг в МФО на минимальных данных

2 Повышение скорости бизнес-процессов Сбор минимальных данных о заемщике Снижение возможности анализа Повышение неопределенности Упрощение форм ввода Микрофинансовые организации должны принимать решения за минуты. Требования рынка

3 Типичная форма заявки содержит минимум полей: сложно принимать обоснованные решения. Микрофинансовые организации

4 Обогащение данных из сторонних источников Социальные сети Бюро кредитных историй Государственные органы Данные мобильных операторов Возможные источники данных Может МФО нужно искать данные во внешних источниках?

5 Ожидания: Имеет кредитную историю Активен в социальных сетях По окружению можно судить о заемщике Портрет заемщика МФО

6 Реальность: Кредитная история плохая/отсутствует Пассивен в социальных сетях Окружение мало говорит о заемщике Портрет заемщика МФО

7 Доступны всегда: Анкетные данные для всех клиентов Поведенческие данные повторных клиентов Доступные иногда: Бюро кредитных историй Профили и активности в соцсетях Данные мобильных операторов Прочие источники Какие данные анализировать?

8 Вначале выжать максимум из минимальных существующих данных Задача

9 Пример построения скоринговой карты

10 Строим две скоринговые карты для 2-х категорий заемщиков: Новые – аппликационный скоринг Повторные – поведенческий скоринг Виды скоринговых карт

11 Первичные: 1. Возраст 2. Семейный статус 3. Число иждивенцев 4. Стаж 5. Основной доход 6. Дополнительный доход 7. Сумма займа 8. Срок займа 9. Отделение выдачи 10. Наличие телефона 11. Наличие Расчетные: 1. Пол 2. Совокупный доход 3. Наличие дополнительного дохода 4. Общая сумма выплат по договору 5. Проценты по займу 6. Отношение процентных выплат к сумме займа 7. Отношение общих выплат по займу к указанному доходу Анкетные характеристики

12 Агрегаты: 1. Суммы предыдущих займов 2. Сроки предыдущих займов 3. Сроки между займами 4. Отношение общих выплат по займу к указанному доходу 5. Отношение процентных выплат к сумме займа 6. Сумма выплат по предыдущим займам 7. Факты и длительность пролонгаций Расчетные показатели: 1. Количество посещенных отделений 2. Отношение количества отделений к займам 3. Количество займов 4. Мин. и макс. срок между займами 5. Отношение % по текущему займу к средним % 6. Отношение суммы последнего займа к максимально возможной 7. … Поведенческие характеристики

13 Входные данные: 11 анкетных полей История выплат Дополнительные данные: +7 анкетных показательней + Десятки поведенческих агрегатов + Десятки расчетных показательней Анализируемые атрибуты Итого ~50(!) атрибутов для построения скоринговой карты

14 Подготовка скоринговой выборки Анализ жизненных циклов счетов Моделирование (предварительная карта) Добавление в выборку отказов (Reject Inference)Перестройка карт с учетом отказов (окончательная карта) Тестовая эксплуатация и мониторинг Двумерный анализ – конечные классы (одобренные)Сэмплинг Сравнение качества карт, выбор оптимальной, назначение балла отсечения Разработка скоринговой карты

15 Новый клиент: значимость Самые важные характеристики аппликационного скоринга

16 Повторный клиент: значимость Самые важные характеристики поведенческого скоринга

17 Качество карты Даже на минимальных данных неплохой индекс GINI

18 Ретроспективный анализ

19 Портфель займов за 12 мес. Закрытые C просрочками Списанные Открытые Просрочка до 300 дней Просрочка от 300 дней 100% потери Частичные потери 100% потери Доход Без просрочек Доход Финансовая модель

20 Ретроскоринг займов Без карты: выдать тем же клиентам С картой: выдать только тем у кого балл выше порога

21 Показатель«Как есть»Скоринговая карта* Портфель займов, млн. руб Ожидаемые выплаты, млн. руб Реальные выплаты, млн. руб ROI Потери, млн. руб Дополнительный доход, млн. руб Финансовый анализ *Балл отсечения: 425

22 1. Соблюдение методологии построения скоринга 2. Тщательная предобработка и очистка данных 3. Обогащение данных, расчет агрегатов и производных характеристик 4. Частое перестроение скоринговых карт 5. Отказ от генрик-карт: множество скоринговых карт для разных продуктов, регионов, отделений, сегментов 6. Подбор балла отсечения с учетом финансовой модели 7. Построение скоринговой карты вероятности мошенничества Внимание нюансам

23 1. Даже на минимальных данных можно построить скоринговую карту, дающую экономический эффект. 2. Использовать сложные методы и дополнительные источники можно и нужно, но только после того, как выжат максимум из существующих данных. Резюме

24 basegroup.ru