Бизнес по расчёту: что не так со скоринг-системами на рынке?

Банки и страховые компании  теряют деньги из-за недостаточно точной оценки рисков. Их скоринг-модели позволяют оценить клиента только с одной стороны. Повысить эффективность прогноза помогают данные мобильных операторов, интернет-провайдеров и ритейлеров, но где и как их взять? Мы создали решение, которое объединяет на одной платформе данные сотен разных поставщиков и за счёт этого помогает повышать точность прогнозов как минимум на 10%.

Скоринг времён Второй мировой

Методика прогнозирования рисков появилась в финансовой сфере ещё в начале прошлого века сотрудники банков определяли надёжность заёмщиков по внешнему виду.

Социальные параметры до сих пор лежат в основе скоринг-моделей, которые бизнес использует для оценки рисков. Раньше расчёты проводились вручную, сейчас их делают компьютеры. Чтобы прогнозы были более точными, компании добавляют в модели дополнительные данные. Для банков это кредитные истории из собственных архивов или из Бюро кредитных историй (БКИ). Страховщики тоже прибегают к этому источнику — оценка платёжной дисциплины клиента помогает отсечь потенциальных страховых мошенников.

1941 год

Американец Дэвид Дуран придумал вычислять скоринговый балл на основе анкетных данных: пола, возраста, семейного положения и места жительства заёмщика.

Каких данных не хватает скоринг-моделям?

Сегодня бизнес знает о клиентах многое, и эта информация способна обогатить скоринговые модели. Кроме социально-демографических данных и кредитной истории, это история покупок и перемещений, поведение в интернете и многое другое. Такие штрихи сделают портрет пользователя более полным.

физические лица

Портрет пользователя на основе ретаргетинга или интернет-трафика полезен при работе с физлицами.

Наш опыт показывает, что интерес потенциального клиента, например, к отелям в Южной Америке, дорогим шубам или конному спорту свидетельствует о низком риске просрочки по кредиту, а посещение сайтов микрофинансовых организаций — о нестабильном финансовом положении.

юридические лица

Данные помогают оценивать не только физических, но и юридических лиц.

Допустим, компания работает с клиентами, а телефон никак не используется: нет ни входящих, ни исходящих звонков — это может быть фирма-однодневка с формальным адресом и телефоном. При оценке бизнеса также важен трафик сайта компании — интернет-магазин с десятком уникальных посетителей в день вряд ли можно считать перспективным бизнес-партнёром.

Какой должна быть правильная скоринговая модель?

Один из самых важных параметров, по которым специалисты оценивают качество работы скоринг-моделей, — это коэффициент Джини (Gini)

Он показывает, насколько точно модель определяет принадлежность клиента к одной из групп по степени риска. Чем ближе показатель к единице или к 100%, тем сильнее распределяющая способность модели. Наши алгоритмы кредитного скоринга благодаря агрегированным данным от сотен поставщиков повышают коэффициент Джини действующих моделей в среднем на 10%.

Platforma

На практике такое улучшение приносит миллионную прибыль

Например, когда один из банков, назовём его банк «Икс», начал использовать в своей модели наши данные, коэффициент Джини вырос до 0,41. Банк стал одобрять на 10% больше заявок, хотя их совокупное количество не изменилось, осталось на уровне 20 тыс. заявлений в месяц. Только за счёт более точной классификации клиентов бизнес поднял прибыль на 170 млн рублей в месяц.

улучшить скоринговую модель

Platforma консолидирует анонимизированные данные миллионов пользователей. На их основе аналитики сервиса строят скоринговые модели или рассчитывают коэффициенты, которые можно использовать в готовых скорингах.

Качественная оценка рисков нужна многим бизнесам:

от транспортных компаний, застройщиков и маркетплейсов до небольших интернет-магазинов.

С помощью скоринга на основе больших данных они вовремя распознают ненадежного партнёра и откажут ему в сотрудничестве, это защитит от репутационных рисков и финансовых потерь.

  • Скоринг-модели помогают крупным логистическим компаниям смелее заключать контракты на перевозку грузов. Они проверяют благонадёжность небольших ИП в регионах перед тем, как доверять им перевозку ценных грузов.
  • Маркетплейсы при помощи скоринг-моделей выбирают, с кем из продавцов сотрудничать, а кому отказать, это защищает репутацию интернет-площадки.
  • Ещё одна область применения скоринг-моделей — государственные тендеры. С помощью скоринг-моделей их организаторы отсекают фирмы-однодневки и неблагонадёжных участников на этапе сбора заявок, чтобы сохранить бюджет и репутацию.

У нас есть решения для всех

до 25 000 запросов в месяц

Малый и средний бизнес: транспортные компании, интернет-магазины

Скоринговый балл или оценка надёжности партнёров

Банки, МФО и страховые компании, которые хотят усилить свои скоринги

Рассчитанные коэффициенты, которые встраиваеются в модели заказчика

Крупный бизнес: банки и страховые компании

Готовая скоринг-модель, адаптированная под задачи заказчика с поддержкой в течение года

© 2022 Platforma
,