На сегодняшний момент проблема мошенничества в сегменте потребительского кредитования крайне актуальна. Наиболее остро она стоит именно у так называемых микрофинансовых организаций, выдающих займы онлайн. В среднем порядка 15-19% от общего объема заемщиков каждого онлайн МФО неблагонадежны (те, кто не платит по кредиту вообще ничего). Это в 1,5 раза больше чем у любого банка, поскольку заемщиками МФО часто становятся люди, которым по каким-то причинам банки отказали. Очевидно, что и процент мошеннических спекуляций у онлайн МФО тоже достаточно высок — около 5-8%.
В существующих скоринговых моделях Scorista использует данные Бюро Кредитных историй (БКИ), сайта судебных приставов и других открытых источников информации. Однако требования к точности кредитного скоринга растут вместе с учащением случаев мошенничества, кредитования по подложным документам и другим видам недобросовестного поведения клиента.
В новой предиктивной модели помимо всех этих данных теперь используется огромный массив аудиторных данных, которыми обладает компания DCA. Это позволит существенно обогатить профиль потенциальных заемщиков, и как следствие, повысить качество и эффективность оценки, а главное — сократить число займов, взятых профессиональными кибер-мошенниками по подложным документам. Решение поможет МФО и банкам не только быстрее и качественнее вычислять мошенников и снижать свои риски, но и, в среднесрочной перспективе, может привести к снижению процентных ставок для благонадежных заемщиков.
Помимо скорингового балла Scorista совместно с DCA разработали набор предсказательных атрибутов, которые можно использовать кредитным организациям для самостоятельного моделирования. Атрибуты в значительной степени облегчат использование аудиторных данных и повысят эффективность внедрения скоринговой модели.
Первый опыт показывает, что при использовании оценки, построенной на данных DCA, число займов, взятых по подложным документам сокращается на 80%, а число заемщиков, которые заплатили менее суммы займа — на 20-30%.
Помимо сокращения издержек и снижения рисков, новая модель Scorista и DCA является и инструментом повышения доходности: алгоритм выявляет не только заведомо неблагонадежных клиентов, но и увеличивает на 10-15% количество качественных заемщиков, которые ранее получали отказ.
Система работает следующим образом: на сайт финансовой организации устанавливается специальный пиксель (специальная метка)DCA, который позволяет определить, что пользователь, зашедшей на сайт организации — это один и тот же пользователь в базе данных DCA. Для этого на сторону DCA передается уникальный индикационный номер пользователя, присвоенный ему на стороне организации. После идентификации каждого отдельного пользователя делается запрос в DCA или Scorista на получение всех известных по нему данных, включая атрибуты и скоринговые баллы. Ощутимые результаты в виде снижения количества просроченных и невозвратных займов можно увидеть уже через месяц использования модели и атрибутов.
«Требования к скоринговым моделям в банках и микрофинансовых организациях растут. Поэтому мы постоянно улучшаем наши модели, внедряем новые источники данных. Сотрудничество с DCA — это еще один качественный шаг в этом направлении», — комментирует Мария Вейхман, Генеральный директор Scorista.«Дополнительные знания о поведении заемщиков в сети помогут компаниям грамотно оценивать все риски, выявлять некачественных заемщиков и еще на этапе оформления онлайн заявок отсекать откровенных мошенников», — отмечает Александр Кириллов, Руководитель направления монетизации данных DCA.