Юрий Чекалин, Руководитель направления «Продукты компании FICO», Неофлекс

 

Розничное кредитование – один из самых конкурентных сегментов банковского рынка. Маркетинговые кампании становятся все агрессивнее, процентные ставки по займам – все ниже, а сроки рассмотрения заявок – все короче. Счет идет уже не на недели или дни, а на часы, минуты или даже секунды. Однако, сохраняя высокую скорость принятия решений и рассматривая солидный поток заявок, финансовые организации стремятся обеспечить качественную проверку каждого заемщика, максимально сократить кредитные риски. Решение этих задач требует эффективных IT-инструментов, которые обеспечивали бы гибкость кредитной стратегии, основанной на многостороннем анализе данных о заемщиках и качестве кредитного портфеля финансовой организации.

 

При этом набор стоящих перед банком IT-задач во многом зависит от того, на какой стадии развития находится направление розничного кредитования.

В целом финансовые организации, работающие в этом сегменте, можно разделить на три больших группы, у каждой из которых будут свои специфические цели в области бизнеса и в сфере IT.

 

Первая из них – банки, впервые идущие в сегмент розничного кредитования или «реанимирующие» это направление. То есть речь идет о продвижении первого пилотного кредитного продукта. Вторая группа – финансовые организации, наращивающие объемы кредитования и расширяющие сеть точек продаж. Такие банки успешно прошли стадию пилотных продуктов, они находятся на этапе активного роста продаж. Наконец, третья группа банков – это крупные игроки с широкой линейкой розничных предложений и объемным кредитным портфелем. У каждой из этих групп свой набор бизнес-задач, для решения которых компания «Неофлекс» готова предложить необходимые IT-инструменты и консалтинг.

 

 

Один из первых вопросов, которые обычно возникают у банков, находящихся в стадии запуска «пилотного» кредитного продукта: в какой системе будут регистрироваться заявки? В идеале регистрация и обработка заявок должна проходить во фронт-офисной системе, и в продуктовой линейке «Неофлекс» есть соответствующий продукт – Neoflex FrontOffice. Однако на этапе, когда банк только пробует розничное кредитование на вкус, полномасштабное внедрение фронт-офисной системы не всегда оправданно. Например, возможны сложности с выделением бюджета: пока новый бизнес не дает прибыли, трудно защитить IT-проект с существенными расходами и неясными перспективами окупаемости.

 

Многие банки идут по пути использования существующих АБС и CRM-приложений, то есть на начальном этапе развития розничного кредитования именно на существующие решения обычно ложится задача регистрации заявок.

 

Без чего будет действительно трудно обойтись «здесь и сейчас», так это без инструмента для автоматизации принятия решений по кредитной заявке. Это вызвано в частности тем, что срок принятия решения по обращению потенциального заемщика становится все короче. Например, в «АлтайЭнергоБанке», с которым «Неофлекс» сотрудничает по целому ряду проектов, время принятия решения по кредитной заявке – 40 секунд. При этом в день рассматривается до полутора тысяч заявок.

 

Понятно, что люди, даже самые квалифицированные, не способны работать в таком темпе и качественно справляться с растущим потоком обращений. Для решения этой задачи нужна автоматизированная система. При этом важно, чтобы риск-аналитики могли менять логику принятия решений по заявке самостоятельно, без участия IT-службы. Это позволяет избавиться от ситуации «испорченного телефона» и повысить адаптивность кредитной стратегии.

 

Наша компания предлагает своим заказчикам несколько программных продуктов, с помощью которых решается проблема комплексной автоматизации кредитной стратегии банка. Один из них, система FICO Capstone Decision Accelerator, – это промышленная платформа для автоматизации принятия решений по кредитным заявкам, лидирующая в своем классе.

 

Однако, каким бы технологичным ни был IT-продукт, на первом месте всегда остаются бизнес-задачи, которые решаются людьми. Одна из самых сложных задач – детально сформулировать кредитную стратегию, опираясь на экспертное мнение риск-менеджеров, специалистов по продажам и сотрудников службы безопасности банка. В команде «Неофлекс» есть и собственные эксперты, готовые помочь в формировании стратегии, основываясь на опыте предыдущих проектов. В частности, в проекте, который сейчас выполняется для «Балтинвестбанка», сотрудники компании выступают именно в таком качестве. Естественно, специалисты интегратора отвечают и за корректный перенос правил стратегии в автоматизированную систему.

 

Наш опыт говорит о том, что автоматизация стратегии принятия решений по продуктам массового кредитования позволяет резко сократить поток заявок, попадающих к андеррайтерам, – вплоть до нуля для «мгновенных» кредитов. Собственно, в этом и состоит смысл автоматизации – в переносе максимального числа операций в систему. Сама по себе заявка на получение потребительского кредита содержит немного информации, но для принятия решения необходимо проанализировать значительный объем данных из БКИ, ФМС, базы ГИБДД, «черных» списков самого банка и из других источников. Причем значительную часть этих данных вполне можно обрабатывать в автоматическом режиме, без привлечения эксперта.

 

Самый простой пример такого правила – автоматический «стоппер» при наличии судимости, возрасте заемщика до 18 лет или наличии значительной просрочки по существующим ссудам. Это простой и достаточно эффективный способ отсева нежелательных, высокорисковых заемщиков.

 

Кроме того, автоматизация решает проблему человеческого фактора. Речь идет не столько об ошибках, которые инспектор может допустить, сколько о субъективности решений. Даже когда правила четко формализованы, у кредитного инспектора есть возможность не просто руководствоваться ими, но и трактовать на свое усмотрение – в пользу клиента или, наоборот, в пользу того, чтобы отказать заемщику. При таком подходе банк не сможет накопить объективные статистические данные по заемщикам, а они впоследствии не просто пригодятся – они станут критически важны, когда речь пойдет о необходимости бизнес-анализа, моделирования поведения клиентов, прогнозирования дефолта и т.п.

 

К тому же автоматизированная система позволяет мгновенно вносить изменения в кредитную стратегию – нет необходимости обучать весь штат инспекторов новым правилам.

 

 

Автоматизация кредитной стратегии – многогранный процесс, один из важных элементов которого – скоринг. Для создания скор-карт «Неофлекс» предлагает использовать приложение FICO Model Builder или IBM SPSS Modeler – это мощные инструменты для сбора и анализа данных, которые подходят и для решения задач скоринга. На этапе, когда розничное кредитование только начинает развиваться как бизнес-направление, у банков, как правило, есть сравнительно небольшой объем данных, которые могли бы служить основой для создания скор-карт. К примеру, это могут быть данные о клиентах, обслуживающихся в банке по дебетовым программам. Другой возможный способ создания скор-карт – на основе так называемых синтетических заявок: в этом случае заполняются несколько тысяч анкет с фиктивными социально-демографическими данными, однако их рассмотрение ведется кредитными инспекторами так же, как если бы это были данные о реальных заемщиках. На основе полученных результатов – мотивированных отказов и одобрений – формируется скоринговая карта. Наконец, третий возможный подход – формирование скор-карт на базе экспертного мнения одного или нескольких специалистов с богатым практическим опытом в области розничного кредитования. По мере накопления статистических данных о заемщиках у банка появляется возможность совершенствовать скоринговую карту, моделировать поведение клиентов с большой степенью достоверности.

 

 

Для финансовых организаций, успешно прошедших стадию первых пилотных продуктов и находящихся на этапе расширения продуктовой линейки розничных кредитов, приоритеты смещаются в сторону совершенствования процессов выдачи кредита, что связано с необходимостью быстрой адаптации кредитной стратегии.

 

У специалистов по продажам может возникнуть желание расширить продуктовую линейку – вместо одного кредитного продукта предложить клиентам несколько, ввести специализированные сезонные или региональные условия по уже существующему предложению. К примеру, в преддверии Нового года многие банки идут на смягчение ставок по кредитам, однако это означает ужесточение кредитной политики: банк готов уменьшить процент, но при этом необходимо ужесточить требования к заемщикам. Это лишь частный случай, подобных задач возникает множество, ведь банку необходимо постоянно следить за тем, чтобы предложение было конкурентным.

 

Для риск-менеджеров это означает, что пришло время оттачивать стратегию принятия решения, тем более что популяция клиентов и конкурентные условия рынка меняются. Банк уже располагает значительным объемом данных по заемщикам, может оценить их кредитную дисциплину и смоделировать поведение. По итогам такого анализа и моделирования нередко меняется подход к заемщику: возможно, части «отказников» следовало выдать кредит, а некоторым из тех, кто получил займ, наоборот, нужно было отказать.

 

Постоянный поиск приемлемого баланса между требованиями бизнеса и ограничениями по рискам приводит к многочисленным изменениям в кредитной стратегии. Для тестирования таких изменений применительно к существующим предложениям, как и для обкатки стратегий по новым кредитным продуктам, в FICO CDA существует механизм champion/challenger. Это означает, что у банка в определенный момент времени есть две стратегии. Champion – проверенная стратегия, которой банк вполне доверяет, но все же хочет улучшить. Challenger– усовершенствованная, но еще не опробованная на практике. Чтобы провести такую «разведку боем», решение по небольшому проценту заявок – скажем, 10% от их общего количества – принимается согласно обновленным алгоритмам. Если стратегия-challenger подтверждает свою эффективность, нагрузка на нее постепенно увеличивается, и в итоге ей может быть присвоен статус champion. Этот цикл соперничества стратегий повторяется вновь и вновь.

 

 

Остается рассмотреть третью группу финансовых организаций – крупные банки со сложившимся кредитным портфелем. У такого банка уже сформировалась широкая продуктовая линейка, да и процесс принятия решений по заявкам уже проработан. Если судить по опыту клиентов «Неофлекс», то на этом этапе развития финансовые организации обычно решают две масштабные и взаимосвязанные задачи. Первая – удержание клиентов и повторные продажи. Вторая – улучшение качества кредитного портфеля. Что касается используемых IT-продуктов, то сами инструменты остаются теми же, о которых мы упоминали, однако сфера их применения существенно расширяется и заметно смещаются приоритеты. Если раньше большая часть задач решалась с помощью системы FICO CDA, то теперь на первые роли выходит FICO Model Builder или IBM SPSS Modeler – крупному банку со сложившимся портфелем розничных кредитов нужна в первую очередь мощная аналитическая система.

 

Аналитический инструмент, будь то FICO Model Builder или IBM SPSS Modeler, может служить для выявления скрытых зависимостей в поведении клиентов, а также для моделирования правил подбора продуктов для определенных клиентских групп. Но в то же время результатом этой сложной аналитической работы зачастую оказываются довольно простые бизнес-правила, реализовать которые можно в FICO CDA. Это похоже на айсберг, где массивная подводная часть – это FICO Model Builder или IBM SPSS Modeler, а сравнительно небольшая вершина – FICO CDA.

 

С позиций банка с развитой розницей кредит или кредиты – это лишь часть предложения, способного заинтересовать клиента. Допустим, у человека уже открыта зарплатная карта, и есть необходимая информация о том, каковы объемы ежемесячных поступлений, сколько клиент тратит, сколько остается на счету и т.д. В этом случае логично, исходя из этих данных, предложить клиенту овердрафт или предодобренный кредит с выгодной ставкой. Удержать важного клиента поможет предоставление VIP-менеджера или предложение депозита с премиальной ставкой. А если у клиента положительная кредитная история, то, возможно, стоит предложить ему качественно новый продукт. Вариантов взаимодействия с клиентом – множество, и чем шире продуктовая линейка банка, тем сложнее будет применяемая бизнес-логика. Для ее проработки как раз и предназначены такие платформы, как FICO Model Builder или IBM SPSS Modeler.

 

Кроме того, «Неофлекс» в своих проектах реализует применение механизмов risk based pricing и risk based limits. Смысл rbp и rbl в целом понятен уже из названия: надежному заемщику будет предоставлен кредит на более выгодных условиях. Если же риск работы с заемщиком высок, то и процентная ставка будет выше, и лимит по ссуде – меньше. Такой дифференцированный подход к заемщикам позволяет расширить аудиторию, с которой банк готов работать.

 

В том или ином виде подход rbp/rbl применим на каждой стадии развития розничного кредитования, начиная с первых пилотных предложений. Однако если на старте банки нередко полагаются лишь на экспертное мнение опытных специалистов, то в стадии зрелости основой для выверенных расчетов может служить накопленная статистика. Для вычисления лимитов и ставок используются десятки взаимозависимостей, учитывающих кредитную историю заемщика и его возможных поручителей, социально-демографический профиль клиента, историю контактов и многое другое. Для подобных расчетов и моделирования требуется не только обширная статистика, но и возможность внедрения моделей в процесс принятия решения.

 

При этом применять модель на практике можно не сразу для всей клиентской базы, а использовать механизм champion-challenger, о котором мы говорили ранее. Это способно существенно снизить кредитные риски.

 

Под улучшением качества кредитного портфеля подразумевается в первую очередь оптимизация кредитной стратегии. Когда банком накоплено достаточно данных, можно с высокой достоверностью тестировать модели новых кредитных стратегий в виртуальном пространстве, и только потом – в реальном бизнесе. Появляется возможность ответить на вопрос: каким был бы кредитный портфель, если бы новую стратегию начали применять полгода назад? Это значит, что качество стратегий, выбранных для практического применения, оказывается намного выше, что способно повысить доходность банка и нивелировать множество рисков еще на этапе моделирования.

 

 

Автоматизацию розничного кредитования можно рассматривать не только в разрезе трех различных групп банков, но и в разрезе трех последовательных этапов – ведь рассмотренные выше задачи могут последовательно решаться и в рамках одного развивающегося банка. И здесь возникает вопрос сроков: сколько времени необходимо на решение всего цикла IT- задач, возникающих на разных стадиях роста – от первого пилотного продукта до обширного кредитного портфеля?

 

Опыт «Неофлекс» показывает, что времени на решение соответствующих IT-задач, по крайней мере в части внедрения FICO CDA, а также FICO Model Builder или IBM SPSS Modeler, требуется не так много, как может показаться. Так, для первого этапа – автоматизации принятия решений по кредитным заявкам – достаточно двух-трех месяцев. Это доказывает, например, уже упомянутый проект, выполненный в «Алтайэнергобанке», где всего за два месяца с нуля было автоматизировано принятие решения по кредитной заявке на базе системы FICO CDA. Этап активного развития продуктовой линейки и совершенствования кредитной стратегии может занимать три – шесть месяцев, иногда и более. И наконец, этап, на котором автоматизируется выполнение сложных аналитических задач, связанных с управлением кредитным портфелем и удержанием клиентов, требует обычно от трех до девяти месяцев. Однако необходимо отметить, что автоматизация не исчерпывается теми двумя системами, о которых мы говорили, и сроки во многом будут зависеть от того, с какой скоростью будет идти внедрение других приложений, входящих в ландшафт конкретного банка.