Убальдо Тамбини, Директор направления бизнес-консалтинга, CRIF Decision Solutions. 

 

В настоящее время все больше и больше кредиторов обращают внимание на процесс управления и взыскания просроченной задолженности, стремясь более структурно подойти к этому процессу с целью максимизации его вклада в общий бизнес.

Усиление внимания к вопросу управления взысканием просроченной задолженности объясняется следующими причинами:

•          невозможностью добиться эффективной максимизации прибыли без минимизации цены риска (потерь), связанной с просроченными счетами и операционными расходами по взысканию долгов;

•          постоянно растущая конкуренция на розничных рынках ставит кредиторов перед необходимостью предлагать все более выгодные условия клиентам (в том числе на основе логики Risk Based Pricing) и диверсифицировать свои портфели, открывая доступ к своим продуктам для новых сегментов, таких как сабпрайм, иммигранты, заемщики с нефиксированным и непостоянным доходом и т.д. Такие стратегии нельзя реализовать, не имея возможности использовать проверенные и эффективные методы и инструменты по взысканию и погашению задолженности;

•          банки, намеревающиеся остановить свой выбор на современном подходе IRB (на основании внутренней системы рейтингов), обязаны определять не только PD, но и рассчитывать и учитывать LGD (уровень возможных убытков) и EAD (задолженность в момент дефолта), что требует доступ к широкому спектру данных, которые обычно относятся к процедурам взыскания.

Цель любого кредитного учреждения по отношению к клиентам-должникам не должна ограничиваться только взысканием просроченных к оплате сумм, но также необходимо делать это максимально быстро, сохраняя отношения с клиентом и минимизируя (или исключая, используя применение пени и штрафов) финансовые потери, вызванные задержкой оплаты, и цену риска в виде понесенных убытков.

Хорошо известно, что службы взыскания играют стратегическую роль в снижении стоимости риска, фактически их цель – снижение уровня создаваемых резервов и списываемых долгов, что оказывает экономический эффект на показатели банка. При этом важно уделять особое внимание связи между операционными затратами и стоимостью риска и, говоря об экономической эффективности взыскания, учитывать операционную эффективность процессов.

 

Роль службы взыскания

Основываясь на большом проектном опыте, мы рассматриваем Службу взыскания как специфическую отдельную организацию внутри финансового учреждения и определяем ее стоимостную цепочку в соответствии со следующей моделью:

 

Накопление исторических данных имеет стратегическое значение для повышения эффективности процессов взыскания: действительно эффективными являются процессы, управляемые данными. Информация о клиенте – ключевой фактор успеха в профилактике просроченной задолженности и процессе взыскания и как минимум необходима для:

•          определения позиции для проведения мониторинга, профилактических мероприятий и непосредственно взыскания;

•          сегментации просроченных кредитов и выбора стратегии взыскания;

•          предоставления необходимых данных операторам, работающим с клиентом на разных этапах взыскания.

 

Важнейшим инструментом в повышении эффективности процессов взыскания является сегментация, обеспечивающая дифференцированный подход к работе с просроченной задолженностью с учетом различных факторов – от параметров кредитных продуктов до платежной дисциплины клиента. Например, некоторые клиенты просто забывают внести вовремя платеж, и им необходимо лишь напоминание; другие не могут или просто не хотят платить, и к ним требуется соответствующий подход. Более того, в некоторых случаях активные действия на раннем этапе возникновения просроченной задолженности оказываются более эффективными и позволяют оптимизировать ресурсы, затрачиваемые на взыскание.

Роль скоринга взыскания

Если сегментация играет стратегическую роль в управлении клиентами, скоринг взыскания является наиболее мощной техникой, которая эффективно определяет профиль должников. Если организация полагается на скоринг заявок в ходе принятия решения на стадии выдачи кредита, нет никакой причины, по которой не понадобился бы также скоринг взыскания для управления портфелем просроченной задолженности: поведенческие модели обычно являются более мощным и более надежным инструментом, так как построены на внутренних и объективных данных, позволяют быстрее производить все необходимые расчеты.

Данные, которые значимы для процесса управления просроченной задолженностью, достаточно обширны и неоднородны, поэтому нам необходимо объединять их для правильной сегментации портфеля просроченной задолженности.

Также важно идентифицировать тех должников, которые более подвержены к переходу на более поздние страдии просрочки, а также идентифицировать те области, где не имеет значения, какие дополнительные усилия (внутренние или внешних агентств) будут приняты, от тех областей, в которых дополнительные усилия смогуть дать достаточно высокие результаты взыскания.

Более того, одинаковая работа с каждым счетом недостаточно эффективна. Поэтому возникает вопрос объединения данных, и с помощью методологии скоринга взыскания мы можем повысить эффективность их использования:

•          данные могут эффективно объединяться для создания предиктивных индикаторов, благодаря использованию техник кредитного скоринга;

•          возможно использование скоринговых моделей, построенных с использованием статистических методологий, для предсказывания возможности определенного события, которое может произойти в заданный период времени (т.е. возможность оплаты в течение последующих х-месяцев), и на основе этих данных возможно фокусировать свои усилия на счетах с более высокой возможностью попадания на более поздние стадии взыскания.

Скоринг взыскания является основным драйвером сегментации в процессе управления и оптимизации взыскания и может быть использован для:

 

Управления очередью активностей

•          Приоритизация действий по взысканию по должникам с наименьшей вероятностью возврата долга

•          Сосредоточение усилий на должниках с более выскоим риском

 

Принятие экономически выгодных решений

•          Определение момента передачи внешнему агентству

•          Избежание высоких затрат на взыскание по должникам с низкой вероятностью возврата задолженности

 

Увеличения результативности
и эффективности взыскания

•          Автоматизация процесса взыскания на основании конкретных показателей оценки риска

 

Избежания времязатратных действий по должникам, производящим оплату на ранних этапах просрочки

•          Определение должников, которые произведут оплату при первом возникновении просрочки

•          Определение должников, которые будут платить, даже если просрочка возникает каждый месяц

 

Примеры использования скоринга взыскания

Сегментация портфеля

В следующем примере показано распределение популяции через универсальные матрицы «вид кредита» – «тип клиента» – «уровень просрочки», которые часто используются в процессах взыскания.

Использование скоринга взыскания, сегментация и связанные процессы (как использовать скоринг)

Пример, приведенный выше, показывает вариант использования скоринга взысканий на ранней фазе взыскания задолженности (Early Collection): «преду-
предительный» процесс для сегмента клиентов с высоким уровнем риска и «сохраняющий отношения» процесс для клиентов с низким уровнем риска.

 

Соотношение моделей скоринга взыскания
с этапами процесса взыскания

Системы, работающие с использованием скоринга взыскания, увеличивают свою эффективность, когда цели, референтные популяции и соотвествующие переменные, показывающие эффективность работы, четко опеределены на каждом этапе просрочки. На рисунке (стр. 59) представлены три главных этапа работы с просроченной задолженностью с примерами бизнес-требований и технических характеристик.

 

Моделирование на ранней фазе

•          Подход: скоринг взыскания на ранней фазе ранжирует портфель по коэффициэнту успешности взыскания (Success rate)

•          Основные цели:

–          Реабилитировать клиента

–          Избежать разрушения хороших отношений с хорошими клиентами

–          Оптимизировать распределение ресурсов для больших объемов просроченных кредитов

–          Минимизировать стоимость

Моделирование на средней фазе

•          Подход: скоринг взыскания на средней фазе ранжирует портфель по коэффициэнту улучшения (Improvement rate)

•          Основные цели:

–          Идентифировать явных неплательщиков от тех, с кем можно договориться или рестуктуризировать кредит

–          Грубо оценить возможную сумму взыскания

–          Выбрать дейтвия взыскания с наилучшей денежной отдачей

 

Моделирование на поздней фазе

•          Подход: скоринг взыскания на средней фазе ранжирует портфель по вероятности списания (Write-off probability)

•          Основные цели:

–          Идентифицировать ожидаемую сумму взыскания

–          Продать / отдать на аутсорсинг

 

Процесс разработки пользовательских скоринговых моделей

В процессе разработки пользовательских статистических скоринговых моделей передовые одномерные и многомерные статистические методы используются для определения, какая информация является уместной и насколько данная информация важна для решения бизнес-задачи. Конечным результатом этого анализа является построение пользовательской статистической модели скоринга, которая может быть легко реализована во многих традиционных компьютерных системах. Данные скоринговой оценки могут быть напрямую использованы для определения того или иного решения или могут быть объединены с другими данными с помощью матриц принятия решения, построенных на основе эвристического или статистических подходов.

Существуют возможности разработки скоринговых моделей, используя различные популярные технологии, такие как CART, CHAID, линейная регрессия, логистическая регрессия и нейронные сети. Нас часто спрашивают: «Какие технологии лучше?» К сожалению, нет однозначного ответа, так как выбор конкретной технологии обусловлен стоящими перед бизнесом задачами и выбором IT-приложений.

Скоринговый механизм или система, которая генерирует скоринговый балл, должна иметь как минимум следующие свойства:

 

•          Интерпретируемость

•          Легкость понимания

•          Устойчивость во времени

•          Изменения в скоринге должны быть объяснимы

 

 Выбор соответствующей технологии скоринга должен гарантировать, что вышеупомянутые требования удовлетворены. CRIF поэтому предлагает разрабатывать дискретные обобщенные аддитивные скоринговые модели для разных сегментов клентов. Разделение совокупности клиентов на однородные сегменты, а затем разработка обобщенных аддитивных скоринговых моделей внутри каждого сегмента позволяет достичь нужного результата.

Опираясь на специализированные знания и более чем десятилетний опыт работы в Италии и на международном рынке в области разработки скоринга, компания CRIF предлагает полный спектр моделей по оценке рисков и помогает в определении стратегии развития на каждом этапе работы с клиентом: от определения методов привлечения клиентов до принятия решения о предоставлении кредита, от управления сформированным кредитным портфелем до определения стратегии по работе с просроченной задолженностью.