[к сведению] Какие данные собирают мфо и как социальные сети влияют на получение займов

Как социальные сети влияют на займы.​

Для различных организаций, которые специализируются на выдаче займов и кредитов важным является определение платежеспособности клиента. Для оценки данного критерия используют многочисленную информацию о потенциальном заемщике: его социальные сети, платежи и поступления на банковских картах. Мы спросили у представителей микрофинансовых организаций, – каким образом они все такие оценивают платежеспособность клиента.

В своем интервью, Екатерина Казак – директор по управление финансовыми рисками поделилась:

Для создания определенного алгоритма оценки мы в своей программе «Скоринг 5.0» использовали около 500 совокупных механизмов. Данная модель позволяет принять положительное или отрицательное решение о выдаче микрозайма на основе многочисленных показателей. Среди них встречаются такие, как кредитная история, данные о национальной кредитной истории, информация о платежах на мобильную связь и даже анализ аккаунтов в социальных сетях. И это дало свои положительные результаты. Просрочка по кредиту более 90 дней у данной организации составило около 14%, в то время как нормальным уровнем NPL составляет не более 35%.

Компания Fingooroo также использует собственную модель скоринга. Как говорит Анастасия Мухачева – генеральный директор отдела кредитования, собственные разработки на основе дерева решений и логистической регрессии позволили получать информацию изо всех возможных источниках. В результате такое модели около 80% неплатежеспособных клиентов отсеиваются моментально.

Немного другой подход к оценке риска платежеспособности у директора МФО «Займо», Евгения Ждановских. Алгоритм принятия решения задействует, в большую очередь информацию личностную о клиенте. Прежде всего,учитывается информация, которую предоставляет о себя сам клиент. Затем полученные данные сравнивают с теми, которые могут быть получены от третьих лиц (семьи, сотрудников на работе), а также с помощью всемирной сети (анализ личных страниц, посещаемых сайтах, мобильных оплат и так далее). Ввиду этого большое внимание уделяется именно страницам клиента в социальных сетях. Во-первых, более достоверной личная страница выглядит, если клиент ведет ее достаточно продолжительное время. Данные в анкете обязательно должны совпадать с данными, которые клиент указал в заявке на получение микрозайма. Это касается места проживания, работы, семейного положения. Кроме того, происходит тщательный анализ «друзей». Обращают внимание на наличие семейных пар в близких друзьях, а также проверяют, нет ли в друзьях у потенциального клиента финансовых мошенников. Такая процедура скоринга дате коэффициент NPL12%.

К МФО «Займер», генеральный директор Сергей Седов рассказал, что анализ клиента ведется более чем по 1750 показателей. Среди них есть стандартные, такие как данные из бюро кредитных историй, выписки со счетов за коммунальные платежи, опять же, анализ социальных сетей. Кроме того, используются и эксклюзивные показатели: например, каким образом клиент двигает бегунок в соотношении срока и сумму кредита. Все это крупномасштабные исследования дают весьма устойчивый результат. Количество просрочек по кредиту более 90 дней составляет менее 20%.

Иль Саломатов, директор Platiza.r использует в построении онлайн систем скоринга bigdataи machine learning. Основным методом является логистическая регрессия. Анализируемая область – кредитная история, пол, возраст клиента, его территориальное расположение.

Директор отдела управления рисками компании SASРоссии, Филипенков Николай: В первую очередь мы анализируем данные о кредитной истории клиента, отслеживать детальную информацию по всем платежам, учтенным в банковской системе. И, конечно же, обязательным к изучению является результаты исследование личных интернет страниц – анкетные данные, информация о друзьях и многое другое.