УДК 681.5, 336.71, 336.77

 

Аннотация: Данная статья посвящена проблеме оценки кредитоспособности потенциального заемщика небольшим банкам и кредитным организациям. В своих рассуждениях автором предлагает создать аналитическую информационную систему для средних и малых кредитных организаций, которая сможет предоставить наиболее конкретный и качественный анализ потенциального заемщика, тем самым способствуя понижению риска невозврата кредита обратно организации.

Annotation: This article is devoted to the problem of assessing the creditworthiness of a potential borrower to small banks and credit institutions. In his reasoning, the author proposes to create an analytical information system for medium and small credit organizations that will be able to provide the most specific and qualitative analysis of a potential borrower, thereby contributing to reducing the risk of non-repayment of a loan back to the organization.

Ключевые слова: Кредитная организация, оценка кредитоспособности, потенциальный заемщик, краулер, скоринг, мобильное приложение для заемщиков.

Keywords: Credit organization, credit rating, potential borrower, crawler, scoring, mobile application for borrowers.

 

Проблематика качественной оценки кредитоспособности потенциального заемщика банка является актуальной для любой кредитной организации. В данной предметной области риски котируются количественными показателями денежных средств невозвращенных заемщиком и самих заемщиков. Согласно данным Объединенного Кредитного Бюро (ОКБ), на 01.07.2017 г. количество граждан, которые не вносили платежи по кредитам 90 и более дней, достигло 7,20 млн человек или 15,3% от общего количества заемщиков с открытыми кредитами.2 

Результаты первого полугодия 2017 года показывают на сколько велики трудности, связанные с должниками. Поэтому чтобы понизить вероятность возникновения ситуаций связанных с риском, обычно кредитной организацией выполняется анализ потенциального заемщика. Для помощи в оценке кредитоспособности потенциального заемщика автор предлагает использовать аналитическую систему. Предлагается, что предлагаемая аналитическая информационная система будет предоставлять рекомендательную информацию оценки кредитоспособности потенциального заемщика. А выдаваемые ею рекомендации будут основаны на анализе и обработки данных о физических лицах, переданных кредитными организациями.

Предлагаемая  информационная система будет состоять из четырех частей:

  1. программы, размещенной на облачном сервере,
  2. базы данных, где будет храниться статистика и клиентская база, нарабатываемая в дальнейшем,
  3. программы краулер, при помощи которой будет осуществляться сбор дополнительных сведений из альтернативных источников
  4. программного модуля, подразумевающего внедрение в информационную систему кредитной организации (если таковая имеется) для передачи данных. Также для некоторых организаций при необходимости система будет предоставлена именно в виде программы.

Получение рекомендации кредитным организациям c помощью предлагаемой аналитическая система будет выполняться в следующем порядке:

  • физическое лицо предоставляет информацию о себе кредитной организации,
  • сотрудник по предоставленным данным заполняет анкету в электронной форме, в конце заполнения осуществляя передачу по зашифрованным канала связи информации предлагаемой системе в качестве запроса,
  • после поступления сведений о клиенте система производит оценку потенциального заемщика, параллельно дополняя (обновляя) его данными имеющуюся базу данных,
  • далее происходит классифицирование и оценка кредитоспособности физического лица, и программа формирует отчет,
  • данный отчет передается по соответствующим канала обратно сотруднику кредитной организации в форме рекомендаций.

Следует отметить, что вышеописанные действия производятся в течение минуты, что позволит предоставить необходимую информацию  кредитной организации (клиенту) в короткие сроки.

Процесс оценки кредитоспособности предлагаемой аналитической информационной системы будет осуществляться в несколько этапов:

  1. считывание информации заполненной в электронном формате основной анкеты, передача ссылки на социальную страницу заемщика программе краулер, если такая была предоставлена,
  2. обработка и анализ данных посредством скоринговой методики, адаптированной под конкретный регион (в нашем случае в качестве региона выступает Самарская область),
  3. формирование основной качественной оценки кредитоспособности клиента (в виде вероятности причисления физического лица к классу «надежного» или «ненадежного» заемщика). Параллельно происходит считывание данных из дополнительно предоставленных источников, т.е. со страницы пользователя в социальной сети, согласие на обработку данных с которой предоставляется клиентом через кредитную организацию добровольно (ниже будет описан алгоритм выполнения сбора информации предназначенной именно для этого программой краулером с примером обработки считанных сведений со страницы в социальной сети),
  4. анализ считанных сведений,
  5. формирование дополнительной качественной оценки (коэффициент/баллы), которая суммируются с основной и выдают итоговое вероятностное значение, определяющее добросовестность потенциального заемщика,
  6. далее расчет диапазона количественных значений возможно выдаваемого кредита данному заемщику (с наименьшим риском для кредитной организации),
  7. соединение сведений в единую рекомендацию.

Оценка дополнительной альтернативной информации со страниц в социальной сети, для уточнения кредитоспособности потенциального заемщика (при его личном согласии на обработку этих данных) производится модулем - краулером системы в несколько этапов:

  1. поиск требуемой страницы пользователя в социальной сети,
  2. определение типа страницы. (Открытая, или закрытая)
  3. если страница открыта, то программа начинает сканирование доступной информации,
  4. по стандартным настройкам, программа, сканирует всю страницу клиента. Основные данные, о клиенте (Город, дата рождения, место работы), фотографии (геолокационные сведения, комментарии и лайки под фотографиями). В обязательном порядке проверяется новостная лента, на предмет активности пользователя, и наличие недопустимых записей (для обеспечения безопасности). Производится проверка страницы на достоверность, по датам активности пользователя,
  5. если какие-либо из перечисленных данных закрыты пользователем - программа пропускает и не берет их в расчет, предоставляя соответствующую информирующую сводку дынных для дальнейшей обработки скоринговой системой,
  6. после сканирования страницы программа передает считанные открытые данные модулю обработки, предназначенному  именно для анализа данных из социальной сети.

Анализ собранных программой краулер  данных  выполняется по методу рейтинговой оценки. Данная методика предоставляет возможность оценивать действия пользователя в социальных сетях, обрабатывая информацию, которая там храниться, в неизменном виде. Скоринговая методика оценивает «предпочтения» пользователя/заемщика социальной сети, проставляя определенное количество баллов за достоверность, полноту и за само присутствие информации на странице.

  11  

Рисунок 1 – «Схема обработки данных социальной страницы скоринговым методом»

Именно таким образом, как показано на (рис. 1), осуществляется разбор всего шаблона страницы в социальной сети. В методике также предусматривается поиск запретных групп и слов(словосочетаний), на наличие, которых программой краулером проверяется каждая страница заемщика.

Запретными группами считаются группы, пропагандирующие: экстремистскую деятельность, социальную, расовую, национальную, религиозную ненависть и вражду, социальное, расовое, национальное, религиозное или языковое превосходство, суицид, наркоманию, другие запрещенные законом РФ противоправные действия. За запретные слова и словосочетания принимаются слова и словосочетания, связанные с экстремистской деятельностью, социальной, расовой, национальной, религиозной ненавистью, враждой, неравенством, суицидом, наркотиками  и т.д.

При наличии запретных слов/словосочетаний или групп на странице потенциального заемщика выполняется передача соответствующих сведений в отдел кредитной политики, где дело клиента отмечается как рассмотренное, а решение относительно его просьбы  как «отказ в кредите».

После анализа данных по баллам соответствующим каждой графе шаблона пользовательской страницы и группировки итоговых сложенных значений, выполняется перерасчет кредитного коэффициента в соответствии с полученными результатами обработки социальной страницы заемщика. Исключением являются случаи, когда анализ дополнительных источников не дает необходимых результатов, например итоговое количество баллов после анализа социальной страницы заемщика менее 30 или отрицательно. В таких ситуациях прирост конечного кредитного коэффициента не производится и данный шаг осознанно опускается.

Подразумевается, что предлагаемая автором аналитическая система будет дополнена клиентоориентированным мобильным приложением, которое на прямую будет взаимодействовать с ней. Это мобильное приложение будет разрабатываться для пользователей смартфонов под ОС Android. Аналогов, такого рода мобильных приложений, на данный момент в России не существует.

Работа с приложением будет производиться следующим образом:

  1. скачивание мобильное приложение пользователем на смартфон;
  2. запуск приложения;
  3. Далее регистрация пользователя через номер мобильного телефона (для «личного кабинета»);
  4. после успешной регистрации пользователь может пройти анализ кредитоспособности при помощи соответствующей кнопки в приложении.
  5. для того, чтобы воспользоваться данной услугой, пользователю необходимо заполнить анкету, состоящую следующих категорий:
  • «личные данные» (ФИО, пол, дата рождения, место рождения, данные паспорта);
  • «адрес прописки» (место жительства, место прописки, квартира);
  • «данные о работе» (настоящее место работы, должность, стаж, доход);
  • «собственность» (квартира, земельный участок и иное);
  • «транспорт» (наличие наземного или водного транспорта и их характеристики: модель, марка, год выпуска);
  • данные о «социальной сети» (пользователь указывает ссылку на страницу соцсети и ставит галочку «Согласен на предоставление и обработку данных социальной страницы».)Стоит отметить, что не указывая ссылку, оценка кредитоспособности пользователя будет осуществлена на данных из основной анкеты, начисление дополнительных баллов производиться не будет;
  • сведения о сумме, сроке и дате погашения кредита;
  1. после ввода данных, мобильное приложение отправляет их в виде запроса в информационную систему. Ею выполняется процесс оценки кредитоспособности(по пунктам, что были описаны выше) по переданным сведениям, затем отправляет ответ мобильному приложению.
  2. результат анализа выводится на экране. В случае положительного ответа пользователю показывается список кредитных организаций (МФО, средние и малые банки, кредитные организации не являющиеся банками), готовых предоставить требуемую сумму. В противном случае кредит будет не одобрен;
  • пользователь осуществляет выбор из доступных ему вариантов, соглашаясь с одним из которых, он вводит номер карты и ему начисляется запрашиваемая сумма;

Предлагаемая автором аналитическая информационная система будет взымать денежные средства - с кредитной организации (финансовый аспект при использовании мобильного приложения был описан выше) за функцию запрос-ответ. Количественные показатели денежного аспекта будут зависеть от того, сколько раз кредитной организации понадобится помощь описываемой в статье системы. В дополнение, данная программа будет отлична от тех информационных и CRM систем, что на данных момент существуют на рынке кредитования, тем, что она будет являться узкоспециализированной и направленной на решение задачи: определение кредитоспособности потенциального заемщика. Также она будет являться клиентоориентированной, что будет предусмотрено для тех кредитных организаций, в которых нет специалистов по аналитике.

Функционал и спектр услуг сферы кредитования огромен, предлагаемая аналитическая информационная система подразумевает создание глубокой потенциально рабочей и практично ориентированной системы для комфортной работы людей из кредитных организаций, с последующим привлечением клиентской аудитории и повышением ее производительности, компетентности и продуктивности.

Литература

1.Захарова О.И. Методика определения кредитоспособности заемщика банка. Международная научно-практическая конференция «Социально-экономические аспекты развития современного государства», Саратов, февраль 2010 г.

2. Платежи по кредитам более трех месяцев не вносили 7,2 млн российских заемщиков//FlashNord. Информационное агентство // http://www.flashnord.com/news/platezhi-po-kreditam-bolee-treh-mesyacev-ne-vnosili-72-mln-rossiyskih-zaemshchikov