Разработка альтернативного скоринга на основе транзакционных данных

Как цифровой банк оценил скрытые доходы клиентов и увеличил выдачу кредитов в 2 раза

Отрасль: Финансовые услуги, цифровой банкинг

Как всё начиналось
Представьте, что вы банк, который хочет выдавать кредиты, но не можете, потому что по документам у клиентов денег нет и это может нарушить требования регулятора. Да, они ходят в рестораны, оплачивают фитнес, регулярно летают заграницу, но официально зарабатывают 200 долларов. Именно с этой проблемой к нам пришёл один цифровой банк: как оценить реальную платёжеспособность клиентов, если страна только начинает развивать экономику, а регулятор требует учитывать только "белые" доходы?

Банк мог бы просто сказать "нет" этим клиентам, но тогда он потерял бы огромный сегмент платежеспособных заемщиков. С другой стороны, выдавать кредиты наугад – это прямой путь к дефолтам. Нам предстояло найти баланс: учесть реальные доходы, не выходя за рамки правил Центробанка.


Решение
Мы предложили своем клиенту - банку альтернативный скоринг, который анализировал поведение потенциальных заемщиков, а не только их официальные доходы. Как это работало:
      1. Расходы как зеркало доходов – если клиент ежемесячно оплачивает фитнес-клуб, рестораны и такси, а официально получает копейки, значит, где-то он зарабатывает больше. Мы использовали транзакционные данные, чтобы "восстановить" реальный доход.
      2. Коллаборативная фильтрация – метод, который применяют Netflix и Spotify. Мы находили клиентов с похожими расходами и прогнозировали их доход, даже если у них самих данных было мало.
      3. Добровольное обогащение данных – клиенту предлагалось привязать дополнительные банковские карты, чтобы скоринг стал точнее. Многие охотно соглашались, поскольку это увеличивало их «уровень доходов», а значит, и вероятность позитивного решения о кредите.


Результат
      ○  Банк смог увеличить одобрение кредитов в 2-3 раза, охватив новых клиентов без роста рисков.
      ○  Система позволила снизить невозвраты на 27% – благодаря точному прогнозированию финансового поведения.
      ○  Центральный банк одобрил методику, что позволило банку работать в правовом поле.


«Этот кейс показал, что главное – не сумма в справке о доходах, а реальные финансовые привычки человека. Мы научили банк видеть этих людей и давать им доступ к кредитам без рисков для себя», - Николай Дорогов