How to best leverage advanced analytics to enhance credit process in emerging markets

Pri

vate

an

d c

onfi

den

tial

Убальдо Тамбини (Ubaldo Tambini) CRIF Decision Solutions Business and Analytics Consulting Director

Как наиболее эффективно использовать углубленную аналитику для оптимизации кредитного процесса на развивающихся рынках

4 июня, 2013 - Киев

| 2 | Private and confidential

“Предсказывать очень трудно,

особенно будущее.”


АНАЛИТИКА В УПРАВЛЕНИИ ЖИЗНЕННЫМ ЦИКЛОМ КРЕДИТА Обзор наиболее общих вариантов применения

Маркетинг § Модель таргетирования § Propensity-скоринг-карта

РЕГУЛИРОВАНИЕ Стресс-

тестирование Прогноз Ценообразование на основе оценки

рисков

Уведомле-ние о риске

ПРОГНОЗНАЯ АНАЛИТИКА

Выдача § Общая скоринг-карта § Специальная скоринг-карта § Оценка кредитного бюро § Фрод-скоринг-карта

УПРАВЛЕНИЕ

РЕШЕНИЕ

Оптимизация

Управление портфелем

§ Поведенческая скоринг-карта § Скоринг-карта по доходам § Propensity-скоринг-карта

Взыскание § Модель LGD § Скоринг-карта для раннего/среднего/позднего взыскания

Таргетирование, субсидия, управление,

продажа

Анализ, предсказание, отслеживание, оптимизация

процесс управление


•  Надежное, полноценное, устоявшееся КРЕДИТНОЕ БЮРО существует (возможно, с позитивной информацией, большим количеством деталей для сегментации, с некоторыми ограничениями по нормативно-правовой базе ... и набором готовых скоринг-карт)

•  Обновленные и надежные источники доступны для официальной финансовой информации о юридических лицах (и официальная ... "экономика" имеет смысл)

•  Обширная внутренняя информация об общем процессе (от заявки до взыскания) хранится правильным образом

•  Ситуация на рынке «стабильна» (или по крайней мере без внезапных изменений)

•  Внутренние бизнес-процессы «стабильны» (или по крайней мере без недавних серьёзных изменений)

•  «Цифр» достаточно для полноценного статистического анализа

АНАЛИТИКА ПРОСТА, ЕСЛИ… Рай для специалистов по статистике


…НО ЖИЗНЬ МОГЛА БЫ БЫТЬ И ПОЛЕГЧЕ


РАЗНООБРАЗИЕ ДЕЛАЕТ МИР ИНТЕРЕСНЕЕ Мы имеем дело со множеством разных ситуаций


•  Основана в 1988 г.

•  Офисы более чем в 20 странах Европы, Америки и Азии

•  Корпоративный головной офис в Болонье, Италия

•  Операции в 40 странах по всему миру

•  Доходы: 285 млн € (2012)

•  Служащие: 1,400+ (2011)

•  Доходы и количество служащих постоянно растет даже в последние годы экономического кризиса

•  Более 1,900 банков, финансовых и нефинансовых учреждений в более чем 40 странах используют решения CRIF.

•  Более 25,000 бизнес клиентов •  Отчеты и информация более чем по 200 миллионам компаний по всему миру

КЛЮЧЕВЫЕ ЦИФРЫ CRIF

Ведущий поставщик услуг кредитного бюро, аналитики и принятия решений

Общий доход (млн евро)

Количество служащих (по всему миру)


УСЛУГИ CRIF ДЛЯ БАНКОВ И ФИНАНСОВЫХ ОРГАНИЗАЦИЙ

ü Услуги кредитного бюро ü Объединение данных кредитных бюро

ü Бизнес-информация ü Аналитика и системы принятия решений

(скоринг, системы рейтингов, предотвращение мошенничества)

ü Кредитные решения ü Аутсорсинг бизнес-процессов ü Взыскание задолженности –

Управление дебиторской задолженностью

Приобретение Управление портфелем

Взыскание задол- женности

Планирова- ние и

развитие


НЕКОТОРЫЕ ТИПИЧНЫЕ ПРОБЛЕМЫ РАЗРАБОТКИ АНАЛИТИКИ (1/2) Маркетинг и выдача кредита

Типичные проблемы Возможные подходы

•  Полное отсутствие в заявке или в истории большинства предиктивных переменных которые обычно используются для разработки специальных моделей заявок (напр. доход, информация Кредитного Бюро, место жительства, цель кредита, и т.д.)

•  Низкая достоверность данных (особенно в отношении финансовых отчетов и доходов)

•  Низкое качество данных

•  Местные Кредитные Бюро не предоставляют скоринг Кредитного Бюро

•  Много Кредитных Бюро, большинство из которых с низким уровнем охвата и/или надежности

•  Ограниченные предиктивные возможности количественных переменных в сегменте Малого бизнеса

•  Трудности в оценке серой зарплаты

•  Низкий уровень надежности справки о доходах

•  Ввод и/или внесение в историю этих дополнительных переменных в форму заявки, для совершенствования будущих моделей.

•  Интеграция модели заявки с экспертными правилами политики

•  Усиленный фокус на поведенческие переменные и/или переменные кредитного бюро

•  Управление изменениями учебные сеансы для бизнес-сети для освещения важности процесса ввода надлежащих данных

•  Интеграция «сырой» информации Кредитного Бюро в модель заявки

•  Разработка спец. скоринга Кредитного Бюро

•  Разработка специального скоринга Кредитного Бюро, используя лишь самые предиктивные

•  Статистическая модель, интегрированная с Качественным Опросником

•  Ситуативные модели для проф. категорий с серыми зарплатами, с анализом предыдущего опыта

•  Лишь очень небольшие суммы для новых клиентов


НЕКОТОРЫЕ ТИПИЧНЫЕ ПРОБЛЕМЫ РАЗРАБОТКИ АНАЛИТИКИ (2/2) Управление кредитным портфелем и Взыскание

Типичные проблемы Возможные подходы

•  Быстрые и резкие экономические перемены (от глубокого кризиса к быстрому росту и наоборот) которые сильно влияют на риск кредитного портфеля и на предиктивные возможности скоринг-карты

•  Недостаточная история для разработки поведенческой скоринг-карты

•  Отсутствие уникального ID клиента в различных единицах банковской группы (для вычисления Basel II PD)

•  Отсутствие кредитного ХД, но данные разбросаны по нескольким различным неофициальным архивам в разных подразделениях банка

•  Трудности в упорядочении одной и той же информации для разных единиц, особенно в отношении просроченной задолженности

•  Низкое качество данных

•  Необходимость постоянного мониторинга скоринг-карты

•  Разработка прогнозной аналитики

•  Использование более короткого периода работы для разработки моделей

•  Применение алгоритмов, использующих несколько альтернативных ID (напр. номер паспорта, ID-номер, ИНН) чтобы объединить инф. о клиенте на уровне группы

•  Требуются большие усилия в составлении катр источников данных, сборе данных и подготовке данных

•  Упорядочение определения просроченной задолженности начиная с «сырых данных» каждой единицы группы

•  Создание целевых групп для понимания причин и улучшения качества данных хотя бы одного набора важных переменных


СЛУЧАЙ 1: СИСТЕМА ОЦЕНКИ РИСКА «СТАРТАП» – УКРАИНА Цели и описание проекта

Подход

Недоступность исторических данных в банке (стартап-продукт в новом потребительском сегменте)

Низкая вероятность предоставления клиентом справки о доходах из-за специфических каналов распределения («shop-in-shop», аэропорты, и т.д.)

Высокая важность серой зарплаты в целевом сегменте

Низкая степень надежности по доходам и справке о доходах

Необходимость управлять тремя разными кредитными бюро

Специфические

проблемы проекта

Клиент §  Крупнейший частный банк с 2-мя десятилетиями опыта в Украине

Охват §  Розничные клиенты §  Возобновляемые кредитные карты (стартап)

Цели

§  Установление процесса кредитных заявок, ведомого системой скоринга кредитных рисков, позволяющей одновременно оценивать и будущие действия заявителей, и действия по управлению кредитными рисками (установка кредитного лимита)

§ Разработка стартап-системы скоринга кредитных рисков. Это стартап-решение основано на наборе данных Кредитного портфеля с местного рынка для учёта местных особенностей

§ Чтобы максимально подстроиться под особенности банка, это стартап-решение будет специально создано на репрезентативной пробе целевого населения банка.

1

2

3

4

5

Контекст и цель


Измерение результатов(*)

Индекс Gini

Новые клиенты

Существующие клиенты

Рыночное население 0.39 0.40

Целевое население 0.41 0.44

Индекс Gini

Цель – новые клиенты

Цель – существующие клиенты

Удовл. 20-35%

Хорошо 35-60%

Отлично >=60%

Методологический подход

СКОРИНГ ЗАЯВОК Методологический подход и результаты

ü  Данные клиентов (возраст, доход) ü  Данные договора (сумма) ü  Внешние данные/ Кредитное бюро UBKI

(MBKI)

ü  Внутренние поведенческие данные/существующие данные клиента (транзакции/использование кредитной карты)

ü >60 дней просрочки (12 месяцев работы)

ü  Стратегия банка заключалась в ориентации на особую целевую группу населения, состоящую из потребителей с доходом более 4.000 ГРН)

ü  Специфические и предварительные модели были разработаны начиная с данных местного рынка

ü  Разработка скоринговой системы, позволяющей оценивать, оперируя набором данных местного рынка, возможность для каждой заявки иметь схожий профиль целевой группы потребителей, среднего сегмента.

ü  Калибровка моделей по целевой группе потребителей

(*) образец разработки

Источник данных

Стандартное определение

Целевая модель


СЛУЧАЙ 2: BASEL II СКОРИНГ ЗАЯВОК И ПОВЕДЕНИЯ – МАРОККО Цели и описание проекта

Подход

Контекст и цель

Специфические

проблемы проекта

Клиент §  Крупнейшая банковская группа Магриба

Охват § Потребители, профессионалы и малый бизнес §  Различные типы продуктов (закрытого и открытого типа)

Цели

§ Цель банка – соблюдение требований Basel II и создание процедур, которые могли бы стать наилучшей практикой в управлении кредитными рисками и их измерении. Банк предпочитает применение подхода IRB для розничных потребителей в 2015 г.

§  Разработка специфических моделей, построенных на внутренних данных с использованием статистического подхода

Полное отсутствие в форме заявки большинства предиктивных переменных, обычно используемых для разработки спец. моделей заявок (напр. дохож, место жительства, цель кредита и т.д.) Информация кредитного бюро не вносится в историю Отсутствие уникального ID клиента в разных единицах банковской группы Отсутствие кредитного ХД, но данные разбросаны по нескольким различным неофициальным архивам в разных подразделениях банка Трудности в упорядочении одной и той же информации для разных единиц, особенно в отношении неуплат

1

2

3

4

5


СКОРИНГ КРЕДИТНЫХ ЗАЯВОК Методологический подход и результаты

0,480,29

without C/A with C/A

+16pb

+19pb

ü Демографические (возраст, сектор деят.,…)

ü Операционные данные (сумма займа) ü Фин. данные малого бизнеса (собственный капитал, суммарные активы ...)

ü  Расчетный счет (Транзакции, баланс)

ü ПРОДУКТЫ ОТКРЫТОГО ТИПА >90 дней просрочки (12 мес. работы)

ü ОВЕРДРАФТЫ: Заморозка счета > 90 дней (12 месяцев)

Заявки

Малый бизнес

Профессионалы 2 (рабочие, трейдеры, …)

Потребители

Профессионалы 1

(врач, адвокат,…)

0,420,32


0,54 0,65


Малый

бизнес

Профессионалы

1

Профессионалы

2

Потребители

Измерение результатов Индекс Gini (*)

ü Кредитные заявки


+11pb

+10pb




Охват

Карта моделей


ПОВЕДЕНЧЕСКИЙ СКОРИНГ Методологический подход и результаты

ü  Поведенческий риск/продукт (невыплата, Использование/авторизация, кредитные/дебетовые транзакции)

ü  Сводный баланс/Малый бизнес (варьирование доходов)

ü  ПРОДУКТЫ ЗАКРЫТОГО ТИПА: как минимум 4 невыплаченных платежа подряд (12 месяцев)

ü  ОВЕРДРАФТЫ: Заморозка счета > 90 days

Клиенты

Со сводн. балан-сом

С ипотекой Без ипотеки Без св. баланса

ü  Рейтинговая система создана на контрагенте Группы (включая другие банки Группы)

ü  Уникальный код клиента был создан чтобы связать идентификационные коды, используемые в разных компаниях Группы


Малый бизнес Потребители

Измерение результатов(*)

Сегменты Индекс Gini

Малый бизнес со свод. балансом 0.52

Малый бизнес без свод. баланса 0.59

Потребители с ипотекой 0.76

Потребители без ипотеки 0.62

Индекс Gini

Удовл. <50%

Хорошо 50-70%

Отлично >=70%




Охват

Карта моделей

1

2

3

4

1

2

3

4


ФУНКЦИОНАЛЬНАЯ КОНЦЕПЦИЯ Рабочее применение и регулятивные требования

>6мес >0мес 6мес

Запрос кредита

Модель заявки

Поведенческая модель

Поведенческая модель

Последующий запрос кредита


Запрос кредита

PD1

0-10 11-20 90-100


PD1

RWA x 8% Требования к капиталу IRBA

RWA = x 8%

•  Уровень авторизации •  Кредитное решение

КЛИЕНТ КРЕДИТНАЯ ЗАЯВКА

…

Рабочее применение

Регулятивные

требования

Bas

el I

I

PD2 PDn

•  Уровень авторизации •  Кредитное решение

PD2 PDn


АНАЛИТИКА ОЧЕНЬ СИЛЬНА, НО НЕ СТОИТ ЗАБЫВАТЬ О БИЗНЕСЕ Аналитика дает возможность принятия решений, но последнее - всё еще задача

менеджера


Business Consulting Crif Decision Solutions Via M. Fantin 1-3 40131 Bologna Tel.: + 39 051 4176111 Fax.: + 39 051 4176010

How to best leverage advanced analytics to enhance credit process in emerging markets

Documents

confidential crif

confidential propensity

id basel

withoutca withca12 gini

baseliipd2 pdn pd2 pdn

pd1rwa x

withoutca withca0

analytics consulting