Опыт запуска кредитного скоринга в банках.

Скоринговая системаК сожалению (или к счастью — смотря с какой стороны смотреть), вступление в 2014 г. в силу ст. 6 Закона «О потребительском кредите (займе)», что фактически произойдет, когда Банк России начнет публиковать среднерыночные значения ставок (в Законе указан крайний срок 14 ноября), исключит привычную для большинства игроков возможность работать с максимальной премией за риск, а в этом случае и хороший collection может не спасти. Тем же банкам, которые на поток поставили работу по цессии, придется совсем туго.

Снижение премии за риск не означает автоматического падения прибыли, но, безусловно, выдвигает повышенные требования к управлению кредитным риском. В то же время руководители многих кредитных учреждений до сих пор полагают, что достаточно заказать разработку и внедрение скоринга или переманить именитого «рисковика», как вопрос с управлением кредитным риском сразу решится. Об этом свидетельствуют следующие анонимизированные, но абсолютно реальные кейсы из практики двух российских банков.

Нечего на скоринг пенять 

Банк X долгое время работал с физлицами только в области обеспеченного кредитования — в основном ипотеки. Затем собственники приняли решение развивать новое направление — кредитные карты с дистанционной доставкой по, условно, «модели Тинькова». Впрочем, в отличие от последнего владельцы банка X существенно меньше вложились в технологии и в персонал.

Так как собственной статистической базы у банка по понятным причинам еще не было (точнее, она была очень маленькая для требуемых целей), он заказал создание так называемой обобщенной заявочной скоринговой карты компании с мировым именем. После реализации проекта по разработке скоркарты подрядчик предупредил, что она может использоваться банком для принятия решения по новым заявкам на кредитные карты с первого дня внедрения, но «в связи с отсутствием у банка необходимого набора данных компания рекомендует ее использование в фоновом режиме (то есть для накопления статистики скоринговых баллов параллельно с ручной экспертизой) на протяжении шести месяцев с момента внедрения». В банке все-таки решили, что раз может использоваться с первого дня — так чего добру простаивать.

На седьмой месяц работы — то есть к тому моменту, когда компания-поставщик только предлагала запустить отвалидированную в фоновом режиме скоркарту в работу — показатели портфеля задолженности по кредитным картам оказались неутешительными: NPL (non-performing loan) достиг 23,5%, при этом 8,9% портфеля пришлись на FPD (first payment default) или заемщиков, не сделавших ни одного платежа. Обычно таких квалифицируют как мошенников. На NPL от 30 дней и более к концу рассматриваемого периода приходилось 11,7% портфеля. Считается, что для кредитных карт NPL 30+ всегда высок в силу особенностей этого продукта и поведения потребителей, но 11,7% — это чересчур по любым меркам.

Первая мысль, которая может прийти в голову при анализе данного кейса, — скоринговая карта оказалась плохой. Подрядчик, конечно, предупреждал, что карту нужно валидировать, но сам же допускал ее использование для принятия решения с первого дня, а тут такие провальные результаты. Но, во-первых, как уже было сказано выше, это — компания с мировым именем. Можно, конечно, допустить, что именно на данном конкретном заказе она каким-то образом схалтурила, но это представляется маловероятным. А во-вторых, судить о качестве скоркарты можно только в условиях, когда весь кредитный процесс выстроен правильно, но в банке X это было далеко не так.

Высокий уровень FPD (показатель уровня мошенничества) свидетельствует об отсутствии fraud prevention policy. И действительно, никаких антифродовых правил за исключением cut-off параметров скоринговой карты в банке не было, специально предназначенные для противодействия мошенникам сервисы вроде «Национального хантера» не использовались.

Не велись и работы по сопровождению кредитов — не было даже элементарного SMS-напоминания о предстоящем обязательном минимальном платеже, не говоря уже о подключении триггеров (услуга БКИ, когда банк извещается об изменении в бюро информации по текущему заемщику — обращении в другие банки за кредитными продуктами, появлении просрочек и т.п.). Также на момент старта в банке X не существовало soft collection. Все это вкупе вылилось, в первую очередь, в очень высокий показатель NPL 30+, да и на total NPL повлияло самым негативным образом.

Антинаучная эффективность

Вполне вероятно, что противники использования скоринговых моделей в андеррайтинге сочтут представленный кейс лишним доказательством своей правоты. К таковым относится, в частности, совладелец группы «Лайф» Сергей Леонтьев, который публично заявляет, что скоринг антинаучен — мол, системы вылавливают зависимости, которых нет, а в действительности клиенты поступают иррационально, значит, лучше всего понять их мотивы способен только человеческий разум. Розничный флагман группы «Лайф» — банк «Пойдем!». Попробуем сравнить показатели эффективности его работы с аналогичными показателями учреждения, делающего ставку именно на «системы, вылавливающие зависимости», — с показателями ТКС Банка.

Чистая прибыль «Пойдем!» в 2013 г. составила 597,5 млн руб., при этом расходы на персонал — 1,1 млрд. У ТКС Банка те же показатели равнялись 3,06 млрд и 2,74 млрд руб. соответственно. Таким образом, каждый сотрудник банка, делающий ставку на человеческий разум, принес в минувшем году акционерам 54 коп. прибыли в расчете на рубль своей зарплаты, у ТКС Банка сотрудники на тот же рубль своей зарплаты зарабатывали для собственников бизнеса 1 руб. и 12 коп. чистой прибыли. То есть эффективность труда сотрудников банка «с системами» в два раза выше. Стоит добавить, что у «Пойдем!» чистая процентная маржа — одна из самых высоких на рынке и существенно выше, чем у ТКС (29,56% против 20,87% по состоянию на 1 октября 2013 г.). Интересно будет взглянуть на сравнительные показатели этих двух банков, когда Закон N 353-ФЗ в полной мере окажет свое влияние на рынок.

Возможно, кто-то сочтет, что это тоже зависимость, которой нет, но во всем мире признано, что внедрение скорингового метода принятия решений по кредитным заявкам позволяет:
Кредитная история
— улучшить качество оценки риска;

— повысить объективность и централизацию в принятии решений;

— снизить уровень операционного риска и внутреннего фрода;

— использовать различные стратегии, основанные на скоринговом балле;

— внедрить risk based pricing.

И, пожалуй, самое главное — существенно сократить издержки за счет автоматизации процесса. Точнее, частичной автоматизации, так как скоринг не отменяет необходимость ручной верификации данных, а кроме того, методологически верный подход заключается в использовании опять-таки ручного андеррайтинга в так называемой серой зоне. Смысл серой зоны легко объяснить на примере реальной скоринговой карты, использующей шкалу Experian.

Таким образом, использование скоринга серьезно улучшает эффективность деятельности банка, но нужно «научиться готовить кошку». Вот что утверждает Мона Мэйр, начальник отдела технологической поддержки принятия решений, управляющая всеми скоринговыми стратегиями потребительского кредитования в Citibank U.S.: «После разработки и оценки скоринговых моделей начинается самая важная стадия — внедрение. Большинство прогностических скоринговых систем могут стать неэффективными или привести к ошибочным результатам, если процесс внедрения осуществляется некорректно. Успешное внедрение требует совмещения знаний из различных областей бизнеса, таких как риск-менеджмент, маркетинг, проведение операций, обслуживание клиентов, законодательство, контроль качества, программирование. Но наиболее важное — понимание потребностей конечных пользователей».

В банке Y при запуске нового проекта руководство выяснением потребностей конечных потребителей озаботилось, после чего выяснилось, что кредитная политика приглашенного маститого риск-директора с большим опытом работы в ведущих розничных банках, по сути, ставит на бизнес-плане крест.

Метод отсечения 

Акционеры банка решили создать высокотехнологичный интернет-банк для представителей среднего класса. По замыслу целевая аудитория представляла собой много работающих и хорошо зарабатывающих людей, а value proposition для них — экономия времени, возможность пользоваться любыми продуктами банка без посещения офиса (идентификация клиента должна производиться только один раз), безопасный доступ к своим и кредитным средствам в любом месте и в любое время. Для определения потребностей ЦА и ее последующей количественной оценки было заказано масштабное USA-исследование (usage and attitude study).

В результате исследования выяснилось, что концепция интернет-банка, а также планируемые продукты и сервис более или менее интересны 67% жителям с соответствующими доходами. Маркетинговые затраты на привлечение остальных 33% не оправдались бы. При этом были обнаружены некоторые характеризующие каждый из метасегментов признаки, позволяющие строить коммуникации таргетированно именно на аудиторию с приемлемым прогнозируемым откликом.

Все бы хорошо, но в управлении маркетинга банка решили посмотреть, что произойдет, если наложить на полученные данные cut-off параметры из разработанной для проекта кредитной политики, а именно: отсечь разведенных и холостых мужчин всех возрастов, а также незамужних и разведенных женщин в возрасте до 38 лет. Выяснилось, что ЦА резко сузилась — до 52%. Более того, среди «более или менее заинтересованных» на самом деле было выявлено несколько сегментов разной степени привлекательности для банка (неслучайно выше говорится о «метасегментах»), и доля тех, для кого планируемый интернет-банк оказался по-настоящему интересен, после выбраковки оказалась всего 11%. После количественной оценки всех сегментов с учетом выбраковки из-за cut-off параметров выяснилось, что для выполнения утвержденного акционерами бизнес-плана потребуется в короткие сроки занять совершенно нереальную для нового игрока долю рынка.

Мало того, кредитная политика абсолютно не отвечала потребностям тех 11% потенциальных клиентов, которые лучше всего отнеслись к концепции проекта, так как определение лимитов было настолько консервативным, будто предназначалось для subprime-сегмента, а не для потенциальной аудитории «продвинутого» интернет-банка, нацеленного на занятых и высокооплачиваемых клиентов. По всей видимости, данная кредитная политика не разрабатывалась непосредственно под нужды проекта, а была просто принесена из другого банка с другой моделью работы и другой аудиторией. В итоге руководству доложили, что при такой кредитной политике никаких шансов на реализацию бизнес-плана нет, так как она никоим образом не учитывает ЦА и ее интересы.

Любопытно, что в рамках разразившейся дискуссии автор кредитной политики, директор по рискам с действительно большим опытом работы в известных банках, заявил, что это все ерунда и особенности целевой аудитории никоим образом повлиять на рисковые параметры не могут, но так и не смог объяснить, в чем заключается смысл его работы, если в результате нее можно создавать только кредитные продукты, которые ЦА не нужны. В конечном итоге он попросту уволился, заявив о несогласии работать под таким «давлением».

Анализ, сделанный другими специалистами в области риск-менеджмента, показал, что спорная кредитная политика действительно не отвечала потребностям конкретного проекта — особенно в части cut-off параметров. Хотя они и отсекают более рискованные сегменты, но сильно ограничивают в размерах ту нишу, на которой хотел сосредоточиться банк Y, что неприемлемо с точки зрения бизнеса. Однако проблему рискованности данных сегментов можно решить иначе. Дело в том, что потенциальная ЦА банка — сплошь пользователи банковских продуктов с существенным проникновением кредитных продуктов, а значит, кредитной историей.

Таким образом, использование «Национального хантера» и нового сервиса от ОКБ IDV позволило бы снизить уровень фрода. Кроме того, было предложено решение по новым заявкам принимать не на основании обобщенной заявочной скоринговой карты (как в кейсе с банком X — выше), а с помощью поведенческого скоринга, то есть на основании кредитной истории. В отсутствие необходимого массива данных у самого банка решили воспользоваться услугой скоринга от БКИ, причем от двух сразу для большей надежности, и созданием интегральной модели. При таком подходе банк вынужден был на первом этапе совсем отказаться от заемщиков без кредитной истории, но это существенно меньше ограничивало размер ЦА, чем cut-off параметры, предложенные уволившимся риск-директором. Идея не кредитовать холостых и разведенных — есть плод не только, и даже не столько, статистических наблюдений, сколько мышления в духе «у нас хороший collection».

Вместо резюме 

Мона Мэйр из Citibank U.S. отмечает, что ключевые ошибки при внедрении скоринговых моделей — слабая заинтересованность или недостаточное участие руководства в процессе, а также отсутствие координации общих усилий по внедрению.

К этому стоит добавить, что недостаточные заинтересованность и участие руководства в процессе и координации в основном есть следствие недостаточной компетентности. Правильнее сказать, что в период, когда примитивное ростовщическое кредитование уходит в прошлое, достижение (или сохранение) хорошего уровня прибыли требует от руководителя банка или розничного блока принципиально большего, чем было достаточно ранее, объема знаний и понимания буквально всех областей, включая маркетинг, риск-менеджмент и даже IT. Только в этом случае руководитель сможет нанимать правильных людей на правильные позиции и эффективным образом выстраивать их взаимодействие. В результате действия Закона N 353-ФЗ «О потребительском кредите (займе)» мы, помимо прочего, еще и узнаем, много ли на российском рынке руководителей со столь широким объемом компетенций.