Mail.ru Group переоценит заемщиков - «Финансы»
Mail.ru Group совместно с бюро кредитных историй (БКИ) "Эквифакс" разработала модель оценки кредитных рисков для российских банков. Это первый продукт бизнес-направления "большие данные" (Big Data), которое холдинг запустил в январе. Участники рынка предупреждают, что для распространения сервиса придется накопить серьезную историю его применения.
Mail.ru Group и БКИ "Эквифакс Кредит Сервисиз" создали продукт для российской банковской системы — предсказательную модель оценки кредитных рисков, разработанную с использованием методов машинного обучения, рассказали "Ъ" в интернет-компании. Для этого эксперты Mail.ru Group совместно с аналитиками "Эквифакса" провели оценку рынка розничного кредитования, выявив высокорисковые сегменты, которых избегают основные игроки, говорит представитель компании. К примеру, по его словам, есть много людей, у которых прежде были проблемы с получением кредита по разным причинам (несоответствие параметрам банка, кредитная история и т. д.). "Банки очень настороженно относятся к такому сегменту, стараясь минимизировать им выдачу кредитов. Наша модель позволяет среди них выявлять качественных заемщиков",— добавил он.
Как объясняют в Mail.ru Group, эффект для участников финансового рынка состоит в возможности выйти в новые сегменты кредитования, получить минимальную стоимость риска, повысить approval rate (уровень одобрения заявок). "Применение такого продукта в среднесрочной перспективе может привести к снижению процентных ставок за счет контроля над одной из основных составляющих — стоимостью риска",— полагают в компании. По ее расчетам, использование сервиса даст банкам "десятикратную экономию на рисках".
У Mail.ru Group уже есть клиенты, пользующиеся новым сервисом, но их имена и стоимость услуги не раскрываются. "Не исключено, что они будут зарабатывать на внедрении и кастомизации платформы под заказчика, а также примут за основу сервисную модель, в рамках которой деньги берутся либо за количество обработанных заявок, либо в качестве платы взимается некий процент от суммы кредита",— считает глава отраслевых проектов управления сервисов ГК Softline Дмитрий Новиков.
Big Data — аналитика неструктурированных данных огромных объемов и значительного многообразия для получения человеком воспринимаемых результатов. К "большим данным" относят информацию, которая генерируется как пользователем и может быть его персональной, так и техникой, независимо от человека (показатели счетчиков, данные видеонаблюдения, нагрузки на сегменты сетей электроэнергии, геопозиционирования, базовых станций сотовых сетей). По оценке Wikibon, в 2015 году мировой рынок продуктов и услуг для работы с Big Data вырос на 17%, до $33,3 млрд, а к 2020 году увеличится до $61 млрд. Его российский сегмент Московская биржа оценивала в 2015 году в $500 млн, считая, что в 2018 году он вырастет до $1,7 млрд. Mail.ru Group создала направление "большие данные" в январе этого года.
Большинство банков, особенно крупные, сами строят свои модели скоринга, и войти на этот рынок с независимым решением непросто, считает Сергей Скрипников из Фонда развития интернет-инициатив (его портфельный проект Scorista использует 7 тыс. параметров для скоринга высокорисковых заемщиков в микрофинансовых организациях). "Но есть и плюс: многие банки уже работают с "Эквифаксом", выборка у этого БКИ большая и хорошая,— продолжает он.— Вообще, у банков скоринг в решении о выдаче кредитов занимает 20-25%, остальное приходится на "безопасников". Кроме того, в среднем у банков "плохих" заемщиков — 10-15%". Если Mail.ru Group со своим продуктом покажет, что они снижают эти цифры хотя бы на несколько процентов, банки заинтересуются, полагает господин Скрипников.
Предиктивная аналитика и машинное обучение сейчас широко используются многими вендорами: из иностранных — IBM (Watson), SAS (SAS Intelligence Platform), из российских разработок — ABBYY и Cognitive, приводит примеры господин Новиков. Но, по его словам, разработчик столкнется с рядом сложностей: должна накопиться история применения сервиса, поскольку такие системы работают тем точнее, чем больше исторических данных в их распоряжении.
Смотрите также:
