Технологии Big Data найдут мошенников

Компания Scorista на базе данных компании DCA (Data-Centric Alliance) разработала новую модель оценки кредитных рисков для российских микрофинансовых организаций и банков. Модель разработана с использованием методов машинного обучения и технологий предиктивной аналитики.

На сегодняшний момент проблема мошенничества в сегменте потребительского кредитования крайне актуальна. Наиболее остро она стоит именно у микрофинансовых организаций, выдающих займы онлайн. В среднем 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 в МФО часто обращаются люди, которым по каким-то причинам банки отказали. Очевидно, что и процент мошеннических спекуляций тоже достаточно высок - около 5-8%.

Ранее в скоринговых моделях Scorista использовала данные Бюро Кредитных историй, 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.

Скоринг заемщика принимается на самом раннем этапе менее чем за минуту на основе анализа истории его поведения в Сети и большого количества фактов, накопленных на протяжении нескольких месяцев. 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 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.

Источник: www.cio.ru

Комментарии: