«Поскольку мы никого не спрашиваем, нас тяжело обмануть» - «Интервью»

Евгений Легкий
генеральный директор компании RuTarget

Генеральный директор компании RuTarget, российского разработчика RTB-платформ, занимающегося также онлайн-скорингом заемщиков, Евгений ЛЕГКИЙ рассказал порталу Банки.ру, почему нельзя полностью отдавать скоринг на «аутсорсинг» компьютеру и что неправильно судить заемщика только по его профилю в соцсетях.

— Какие показатели следует учитывать при скоринге заемщика в офлайн- и онлайн-пространстве?

— При скоринге, как и при любом другом автоматизированном процессе принятия решений, желательно учитывать максимальное количество релевантных факторов. От базовых социальных атрибутов (стаж, наличие недвижимости, владение автомобилем и прочее) до интересов и привычек человека. Пол и семейное положение — это, конечно, важные атрибуты для принятия банком решения о выдаче клиенту кредита. Статистика показывает, что семейное положение может влиять как на ответственность заемщика, так и на его финансовые возможности. Но это далеко не единственные факторы, которые нужно отслеживать.

В портфолио каждого банка есть услуги, предназначенные для разных категорий клиентов. Таким образом, один и тот же фактор может по-разному влиять на оценку в разных группах клиентов. Если речь идет о выдаче ипотечного кредита, то смена места работы (о чем скоринг-система узнает по размещению резюме или просмотру вакансий) понижает оценку потенциального ипотечного клиента сильнее, чем оценку клиентов, интересующихся кредитными картами. Система может учитывать больше 100 факторов, и конкретная формула зависит от потребностей банка.

— Какие виды скоринга вы выделяете?

— Я предпочитаю такую категоризацию:
Аpplication-scoring — автоматическая оценка кредитоспособности клиента при рассмотрении его заявки на получение кредитных средств.
Collection-scoring — скоринг-система, которая применяется на этапе работы банковских сотрудников с клиентами, отказывающимися от возврата задолженности. Цель этой программы — разработать ряд конкретных действий служащих банка, которые бы позволили вернуть «плохой» заем.
Behavioral-scoring — автоматическая система, позволяющая оценить предполагаемые финансовые действия кредитополучателя. Программа позволяет спрогнозировать возможные изменения платежеспособности клиента, тем самым облегчая корректировку устанавливаемых кредитных лимитов.
Fraud-scoring — оценка возможности совершения мошеннических действий потенциальным кредитополучателем, основанная на анализе статистических данных.

— Чем онлайн-скоринг принципиально отличается от других видов скоринга?

— Скоринг

в Интернете помогает отслеживать социальные данные о пользователе, то есть ту информацию, которую заемщик самостоятельно размещает во Всемирной паутине. А также поведенческие данные: то, на какие сайты он заходит, чем интересуется, какие товары в Интернете покупает, какие книги читает. Анализ поведенческих данных позволяет отследить краткосрочные изменения в жизни человека. А социальные данные, как правило, дают общее представление о заемщике. И та, и другая информация помогает просчитать, как клиент будет обслуживать кредит в ближайшие месяцы, насколько велик риск невозврата.

— В какой момент вы анализируете заемщика из Сети?

— Каждый раз, когда один из примерно 60 миллионов пользователей Рунета делает поисковый запрос или посещает какие-то страницы, сведения об этом записываются в служебные файлы, так называемые cookies. Эта информация не содержит имени, телефона или других персональных данных, поэтому ее получение не нарушает закон. При поступлении в банк онлайн-запроса на получение кредита от клиента мы просто «выдергиваем» информацию о нем из уже имеющейся у нас базы и выдаем свою оценку. Банк видит либо полный профиль человека, включая множество атрибутов, которые нужны банку для своего внутреннего скоринга, либо получает уже готовую оценку, если использует нашу модель.

— Как вы анализируете потенциальных заемщиков?

— Наш подход близок к модели «Яндекс.Крипта», которая изучает поведение аудитории в Интернете и выявляет ее типичных представителей. Можно задать параметры, по которым система будет искать информацию о конкретных пользователях, а можно «шерстить» всю аудиторию Рунета. «Яндекс.Крипта» анализирует порядка 300 факторов и рассчитывает значимость каждого из них для получателя информации. Наша система собирает информацию о действиях человека в онлайне и выстраивает некий профиль потенциального заемщика, исходя из его интересов. Технически можно даже отслеживать запросы клиента на тему суицида, здоровья и включать эти данные в скоринг, но мы этим из этических соображений не занимаемся. Конечно, точность нашего онлайн-скоринга может отличаться от скоринга, используемого в банке. Но ведь и окончательное решение о выдаче кредита принимает сам банк.

— И сколько юзеров в вашей базе?

— В целом сейчас в онлайн в России выходит порядка 60 миллионов человек, на них приходится свыше 150 миллионов cookies. Тут действует «правило трех девайсов» — обычно человек выходит в Интернет с домашнего компьютера, рабочего компьютера и телефона.

— Какой процент потенциальных заемщиков банка вы проскоринговать не можете?

— Логично предположить, что человек, оформляющий заявку на кредит в Сети, является ее частым гостем. Однако бывает и так, что человек первый раз заходит в Интернет именно для оформления кредита. Или информации по нему недостаточно для оценки его платежеспособности. Обычно у нас есть данные по 85% заемщикам, обратившимся в банк через форму онлайн-заявки на кредит.

— А как быть с тем, что многие люди предоставляют в Интернете недостоверные данные о себе, создают фейковые профили в соцсетях? Как можно проскоринговать таких людей?

— Поскольку мы никого не спрашиваем, нас тяжело обмануть. Я имею в виду, что мы не задаем вопросы потенциальным заемщикам, а сами находим информацию о них. В этом плане мало кто станет специально менять манеру своего поведения на всех посещаемых им сайтах, чтобы его вдруг не отследили. Большинство россиян прекрасно знают, какие службы и на каких сайтах следят за ними, но при этом никого этот факт не пугает, а воспринимается как суровая правда жизни.

Соцсети действительно позволяют создать полностью виртуальную личность, но ведь мы отслеживаем поведение человека во всем Интернете — там скрыться сложнее. В любом случае у потребителя будет личная и рабочая почта, какие-то резюме на кадровых порталах — полностью виртуальный образ он себе придумать не сможет. В этом плане мы принципиально самостоятельно не мониторим соцсети, при необходимости для нас это делают партнеры.

— Как вы относитесь к скорингу заемщиков исключительно через соцсети? Это эффективный способ?

— И да и нет. С одной стороны, можно подтверждать социальные данные и использовать список друзей пользователя, чтобы понять, к какой финансовой категории он относится. C другой стороны, социальные сети имеют свойство выдавать только позитивную сторону жизни людей. Согласитесь, вы нечасто встречаете жалобы на жизнь, негативную активность или фотографии с депрессивного вида квартирами во «ВКонтакте» или на Facebook. Зато все любят выкладывать фотографии с красивыми пейзажами из отпуска или хвастать новой покупкой.

Помимо этого, данные соцсетей стационарны. Они слабо отражают ваши текущие намерения и планы. Тут гораздо интереснее отслеживать онлайн-активность, например, в поисковых системах.

— Какие банки являются вашими клиентами и заинтересованы ли вы в сотрудничестве с микрофинансовыми организациями?

— На данный момент мы проводим пилотный проект по онлайн-скорингу с одним банком, но его я пока называть не могу. Отмечу только, что в целом нашей системой скоринга в Интернете интересуются порядка пяти игроков на рынке.

Что касается микрофинансовых организаций, мы заинтересованы в сотрудничестве с ними, но у них пока не тот уровень, чтобы внедрять у себя онлайн-скоринг. У МФО сейчас стоит задача быстрого роста и захвата как можно большей доли рынка. Через некоторое время, возможно, уже через год, они задумаются о маржинальности и расширении своего бизнеса. Тогда и по размерам они станут нам интересны.

— Можно ли поставить скоринг на поток и осуществлять его только за счет компьютера?

— Я считаю, что автоматизированная система должна помогать человеку, но ни в коем случае не заменять его полностью. Разумеется, автоматизированный скоринг колоссально экономит ресурсы банка

на разных этапах, но полностью убирать людей из этого процесса нельзя. Максимум — можно сократить количество персонала, который будет заниматься скорингом вручную. Однако нестандартные ситуации, когда машина выявила нетрадиционное поведение заемщика, должны анализироваться живым человеком.

В случае анализа обычных анкетных данных компьютеру зачастую тяжело построить модель с процентом ошибки менее 25%, поскольку полученные им данные характеризуются большим уровнем шума (случайные факторы, прямо не влияющие на невозврат кредита). Однако если использовать новые виды данных из тех же интернет-аккаунтов и современные DMP-технологии (Data Management Platform позволяет получать и обрабатывать профили пользователей и, управляя полученными данными, осуществлять более точный таргетинг), можно значительно снизить процент ошибки.

— Насколько реально применять системы автоматизированного скоринга при принятии решения о выдаче кредита заемщикам-юрлицам из сегментов малого и среднего бизнеса?

— Скорее всего, для скоринга юрлиц поточная автоматизированная система окажется слишком простой, а объем статистики, получаемый ею, не будет достаточным для качественной оценки. Все-таки иногда кредиты предприятиям предоставляются на индивидуальных условиях, такие займы сразу выпадут из выборки. Проще и эффективнее выводить процесс оценки кредитоспособности корпоративных клиентов на экспертную оценку вручную. Если же модель бизнеса банка предусматривает большой поток однотипных кредитов, тогда можно запустить кредитный конвейер. Но это больше решение для кредитования индивидуальных предпринимателей, а не крупных корпораций.

— Какие новые тенденции вы отмечаете на рынке скоринга в последнее время?

— В первую очередь растет интерес к Big Data и ее консолидации. Зачастую банки сами располагают качественными данными, но им не хватает экспертизы или ресурсов для агрегации и обработки таких данных. Также сильно растет использование сторонних поставщиков данных — как поведенческих, так и социальных.

Накопленные банками данные — это сегодня, наверное, самый мощный и качественный ресурс на рынке данных. Радует, что эту простую истину начинают понимать и сами банки — с осени прошлого года мы все чаще получаем заказы на разработку технологий, позволяющих банкам пустить полученную ими информацию о заемщиках в дело.

Однако на рынке явно не хватает экспертизы в области правильного выбора и использования технологий. Например, использование обезличенной информации из банковских данных позволяет делать потрясающие по эффективности кампании в Сети как по продаже собственных продуктов, так и по генерации прямых продаж для партнеров банка. К примеру, на основе своих данных банк легко может спрогнозировать вероятность того, что его клиент в ближайшее время купит автомобиль. Стоит ли говорить, сколько готовы заплатить за такие данные партнеры банка — автосалоны, страховщики, продавцы комплектующих?

— По вашим оценкам, в течение скольких лет большинство банков начнут использовать в своем бизнесе онлайн-скоринг?

— Это станет неотъемлемой частью бизнеса банков в рамках двух-трех лет.

Беседовала Анна ДУБРОВСКАЯ,