Компоненты кредитно-скоринговой системы

Назначение системы

Особенностью современного банковского ритейла (retail banking) является необходимость выдачи «быстрого» решения по кредиту. В связи с этим к системам риск-менеджмента кредитных организаций выдвигаются дополнительные требования в отношении скорости обработки заявок. Присутствие таких факторов, как:

• использование «ручных» операций при проверке;
• наличие большого числа разрозненных систем, задействованных в процессе формирования кредитного решения,

крайне сильно замедляет процедуру рассмотрения заявки, что в итоге создает серьезные неудобства для клиента.

Внедрение единой системы обработки заявок позволило бы автоматизировать весь бизнес-процесс принятия кредитного решения, что даст возможность:

• существенно сократить время рассмотрения заявки;
• разгрузить кредитных специалистов за счет ухода от рутинных «ручных» операций;
• перевести на единую платформу весь процесс обработки заявки (а не пользоваться десятком вспомогательных программ);
• стандартизовать процедуру проверки анкеты, исключив возможность совершения ошибки за счет человеческого фактора;
• снизить риск утечки информации по непубличным правилам выдачи кредита.

Функциональная схема

На кредитно-скоринговую систему возлагается задача автоматизации процедур обработки заявки по следующим направлениям:

• соответствие набору минимальных требований к заемщику («стоп-факторы»);
• поиск заявителя в «черных» списках (ЧС);
• кредитный скоринг;
• проверка в бюро кредитных историй (БКИ).

Дополнительно перед началом обработки анкета проходит через блок проверки на корректность заполнения ее полей.

Ниже на рисунке 1 представлена функциональная схема, на которой отображены основные этапы анализа кредитной анкеты, проводимые автоматизированной системой.

Рисунок 1 – Общая схема бизнес-процесса принятия кредитного решения

Рассмотрим каждый из представленных на рисунке 1 блоков системы в отдельности.

Проверка на корректность заполнения анкеты

Данный функционал необходим для предварительной оценки электронной заявки на возможность ее поступления в систему обработки. Анализу подлежат все поля анкеты, задействованные в процессе формирования решения. Проверка включает в себя поиск:

• незаполненных полей;
• полей, не соответствующих шаблону;
• полей, содержащих неадекватные данные (например, Дата выдачи паспорта ≤ Дата рождения).

Проверка по «стоп-факторам»

Данный модуль реализует проверку по минимальным требованиям, предъявляемым банком к своим клиентам. Анализ ведется на основании данных, заявленных в электронной анкете. Примерами таких правил могут быть ограничения:

• по возрасту;
• по расчету платежеспособности и т. д.

Результатом работы модуля является формирование списка несоответствий, выявленных в ходе проверки на основании тех правил, которые были зарегистрированы в системе в качестве «стоп-факторов» по соответствующему кредитному продукту.

Автоматизированный поиск в ЧС

Поиск заявителя в «черных» списках является одним из наиболее затратных по времени этапов при «ручном» анализе анкеты специалистами СБ. Автоматизация этого процесса позволяет существенно ускорить соответствующую процедуру проверки заемщика. Используя анкетные данные, а также заложенную в модуль логику поиска в ЧС, система самостоятельно осуществляет проверку, предоставляя конечному пользователю готовое решение по этапу с выявленными фактами обнаружения лица в ЧС. Возможности аналитической платформы позволяют дополнительно организовывать нечеткий поиск, то есть когда возвращаемые записи не полностью совпадают с запрошенной информацией, а только лишь характеризуются существенной близостью по отношению к интересующим сведениям.

Кредитный скоринг

Данный модуль предназначен для оценки кредитного риска, связанного с конкретным потенциальным заемщиком, в рамках решения задачи Application Scoring.

Определение

Application Scoring (скоринг заявок на кредит) – оценка кредитоспособности потенциального заемщика для принятия решения о возможности предоставления кредита.

Построение скоринговых карт может быть осуществлено на базе следующих наиболее распространенных в данной области инструментов моделирования:

• логистическая регрессия;
• деревья решений;
• нейронные сети.

Результатом работы модуля вне зависимости от использованного математического аппарата является предположение о будущей принадлежности клиента к одному из двух возможных классов благонадежности – Хороший или Плохой, определяемых в соответствии с выбранным банком правилом деления заемщиков.

Проверка в БКИ

Анализ кредитной истории заемщика по праву считается одним из наиболее эффективных средств оценки его кредитоспособности. Поддерживаемая большинством БКИ возможность передачи кредитных историй в структурированном формате (например, в виде xml-документов) позволяет автоматизировать процедуру их проверки и включить ее в качестве одного из этапов обработки заявки кредитно-скоринговой системой. В свою очередь, это приводит к следующим результатам:

• экономия времени, ранее затрачивавшегося оператором на ввод параметров запроса в web-форму БКИ;
• ускорение процедуры проверки КИ;
• стандартизация правил проверки;
• возможность последующего хранения приобретенных КИ в структурированном виде.

Компоненты системы

В составе кредитно-скоринговой системы можно выделить следующие основополагающие компоненты (рисунок 2):

• подсистема хранения;
• подсистема анализа;
• подсистема отчетности.

Рисунок 2 – Составные части кредитно-скоринговой системы

Подсистема хранения

На данный компонент системы возлагаются функции по хранению следующей информации:

• сведения по заемщикам (анкетные данные, просрочки и т. п.);
• результаты, полученные в ходе обработки заявки системой (выявленные при проверке нарушения, решения по этапам и т. п.);
• служебная информация, используемая системой (например, справочник кодов ошибок);
• прочая информация.

Физически подсистема хранения реализована в виде 2-х составляющих:

1. Транспортная БД;
2. Хранилище данных.

Основное предназначение транспортной БД состоит в обслуживании операций, характеризуемых частым обращением к подсистеме хранения с целью записи в нее оперативной информации (например, промежуточных результатов обработки). ХД в свою очередь призвано накапливать в себе более статичную информацию, не предполагая ежеминутных обновлений своих таблиц.

Подсистема анализа

Появление в подсистеме хранения новой заявки инициирует запуск алгоритма по ее анализу. Процесс обработки анкеты представляет собой последовательный запуск модулей системы, каждый из которых предназначен для выполнения определенного этапа проверки (кредитный скоринг, БКИ и т. д.). Результатом работы системы на каждом из этапов обработки выступает формирование одного из трех возможных вариантов решения по заявке (таблица 1):

Таблица 1 – Решение по этапам обработки, формируемые системой

№, п/п	Решение по этапу	Признак в системе	Действие системы
1	этап успешно пройден	true	Переход к следующему этапу
2	отказ по этапу	false	Досрочное прекращение обработки заявки
3	модуль этапа не отработал	null	Информирование администратора системы о сбое (например, по e-mail);

В случае принятия решения Отказ по этапу дополнительно формируется список проблемных сторон кредитной анкеты, выявленных в ходе проверки.

Подсистема отчетности

Данная подсистема включает наборы отчетов следующего характера:

• результаты обработки заявки;
• общее функционирование системы (доля отказов по этапам, временные характеристики обработки и др.);
• отчеты, не имеющие отношение к системе.

Подсистема отчетности является опциональной (необязательной) и может быть замещена отчетностью сторонних приложений.

Средства реализации

Широкие функциональные возможности Deductor в сочетании с легкодоступным в понимании интерфейсом программы делают данный продукт одним из наиболее предпочтительных инструментов для создания автоматизированной системы обработки кредитных заявок. Платформа включает в себя все компоненты, необходимые для реализации на ее базе последовательности процедур проверки анкет, в том числе:

• мощный математический аппарат для построения скоринговых карт;
• средства интеграции с различными БКИ;
• функционал, реализующий нечеткий поиск;
• консолидированное хранилище Deductor Warehouse;
• OLAP-отчетность и др.

Существенным достоинством предложенного решения по созданию автоматизированной системы обработки кредитных заявок является заложенный в нее принцип модульности, что в свою очередь делает систему «гибкой», способной легко перестроиться под нужды конкретного организации путем добавления/удаления соответствующего блока.