Розничное кредитование - это большие объемы обрабатываемых данных, высокие требования к оперативности и качеству принимаемых решений. Словом, как раз та информационная среда, где автоматизация видится оправданной. Какие стадии развития ИТ-ландшафта характерны для банков, выбирающих розничное кредитование в качестве приоритетного направления? Как достичь соответствия между возникающими бизнес-задачами и применяемыми ИТ-инструментами? Где искать баланс между аппетитами департамента продаж и желанием минимизировать кредитные риски? На эти вопросы ответил директор направления «Управление рисками» компании «Неофлекс» Юрий ЧЕКАЛИН.

НБЖ: В каких банках автоматизация кредитной стратегии для розничного бизнеса востребована в наибольшей степени? Постарайтесь нарисовать своего рода портрет клиента компании «Неофлекс».

Ю. ЧЕКАЛИН: Здесь понадобится не один, а как минимум три портрета - к нам обращаются банки с различной спецификой деятельности, но в целом их можно разделить на три группы.

Первая из них - банки, впервые идущие в сегмент розничного кредитования или реанимирующие это направление. То есть речь идет о продвижении первого пилотного кредитного продукта. Вторая группа - финансовые организации, наращивающие объемы кредитования и расширяющие сеть точек продаж. Такие банки успешно прошли стадию пилотных продуктов, они находятся на этапе активного роста продаж. Наконец, третья группа обращающихся к нам банков - это крупные игроки с широкой линейкой розничных предложений и объемным кредитным портфелем. У каждой из этих групп свой набор бизнес-задач, для решения которых мы, со своей стороны, предлагаем необходимые инструменты и консалтинг.

НБЖ: Начнем с банков, находящихся в стадии запуска пилотного кредитного продукта. Сразу вопрос: в какой системе будут регистрироваться заявки?

Ю. ЧЕКАЛИН: В идеале регистрация и обработка заявок, конечно же, должна проходить во фронт-офисной системе, и в продуктовой линейке компании «Неофлекс» есть соответствующий продукт - Neoflex FrontOffice. Но давайте вспомним, что банк только пробует розничное кредитование на вкус. Полномасштабное внедрение фронт-офисной системы на этой стадии не всегда оправдано, например, возможны сложности с выделением бюджета: пока новый бизнес не дает прибыли, трудно защитить ИТ-проект с существенными расходами и неясными перспективами окупаемости.

Многие банки идут по пути использования существующих АБС и CRM-приложений, то есть на начальном этапе развития розничного кредитования именно на существующие решения обычно ложится задача регистрации заявок.

Без чего будет действительно трудно обойтись «здесь и сейчас», так это без инструмента для автоматизации принятия решений по кредитной заявке. Рынок розничных кредитов - довольно конкурентный, и каждый игрок стремится максимально ускорить процесс рассмотрения заявки, чтобы получить преимущество в глазах клиента. Сегодня счет идет уже не на дни, а на часы, минуты, иногда - на секунды. Например, в Алтайэнерго-банке, с которым мы сотрудничаем, время принятия решения по кредитной заявке - 4° секунд. При этом в день рассматривается до полутора тысяч заявок, и помимо скорости принятия решений необходимо обеспечить качественную проверку каждого заемщика, отсеять возможных мошенников.

Понятно, что люди, даже самые квалифицированные, не способны работать в таком темпе и качественно справляться с растущим потоком обращений. Для решения этой задачи нужна автоматизированная система. При этом важно, чтобы риск-аналитики могли менять логику принятия решений по заявке самостоятельно, без участия ИТ-службы. Это позволяет избавиться от ситуации «испорченного телефона» и повысить адаптивность кредитной стратегии.

НБЖ: Какое решение предлагает в этой области «Неофлекс»?

Ю. ЧЕКАЛИН: Мы предлагаем своим заказчикам несколько программных продуктов, с помощью которых решается проблема комплексной автоматизации кредитной стратегии банка. Один из них, система FICO Capstone Decision Accelerator, - это промышленная платформа для автоматизации принятия решений по кредитным заявкам, лидирующая в своем классе.

Однако каким бы технологичным ни был ИТ-продукт, на первом месте всегда остаются бизнес-задачи, которые решаются людьми. Одна из самых сложных задач - детально сформулировать кредитную стратегию, опираясь на экспертное мнение риск-менеджеров, специалистов по продажам и сотрудников службы безопасности банка. В команде Неофлекса есть и собственные эксперты, готовые помочь в формировании стратегии, основываясь на опыте предыдущих проектов. В частности, в проекте, который сейчас выполняется для Балтин-вестбанка, наши сотрудники выступают именно в таком качестве. Естественно, специалисты компании-интегратора отвечают и за корректный перенос правил стратегии в автоматизированную систему.

Наш опыт говорит о том, что автоматизация стратегии принятия решений по продуктам массового кредитования позволяет резко сократить поток заявок, попадающих к андеррайтерам, - вплоть до нуля для «мгновенных» кредитов. Собственно, в этом и состоит смысл автоматизации - в переносе максимального числа операций в систему.

Кроме того, автоматизация решает проблему человеческого фактора. Даже когда правила четко формализованы, у кредитного инспектора есть возможность не просто руководствоваться ими, но и трактовать на свое усмотрение -в пользу клиента или, наоборот, в пользу того, чтобы отказать заемщику. При таком подходе банк не сможет накопить объективные статистические данные по заемщикам.

НБЖ: Какое место занимает скоринг в процессе автоматизации кредитной стратегии?

Ю. ЧЕКАЛИН: Автоматизация кредитной стратегии - многогранный процесс, в котором скоринг является одним из важных элементов. Для создания скор-карт наша компания предлагает использовать FICO Model Builder или IBM SPSS Modeler - это мощные инструменты для сбора и анализа данных, которые подходят и для решения задач скоринга. На этапе, когда розничное кредитование только начинает развиваться как бизнес-направление, у банков, как правило, есть сравнительно небольшой объем данных, которые могли бы служить основой для создания скор-карт. К примеру, это могут быть данные о клиентах, обслуживающихся в банке по дебетовым программам. Другой возможный способ создания скор-карт - на основе так называемых синтетических заявок: в этом случае заполняется несколько тысяч анкет с фиктивными социально-демографическими данными, однако их рассмотрение ведется кредитными инспекторами так же, как если бы это были данные о реальных заемщиках. На основе полученных результатов - мотивированных отказов и одобрений - формируется скоринговая карта. Наконец, третий возможный подход - формирование скор-карт на базе экспертного мнения одного или нескольких специалистов с богатым практическим опытом в области розничного кредитования. По мере накопления статистических данных о заемщиках у банка появляется возможность совершенствовать скоринговую карту, моделировать поведение клиентов с большой степенью достоверности.

НБЖ: Давайте перейдем ко второй, согласно вашей классификации, группе банков - к тем организациям, которые готовы расширять свою продуктовую линейку в части розничного кредитования, а возможно, и сеть точек продаж. Какие задачи будут приоритетными для таких банков?

Ю. ЧЕКАЛИН: Основная задача - усовершенствовать процессы выдачи кредита, что связано с необходимостью быстрой адаптации кредитной стратегии.

У специалистов по продажам может возникнуть желание расширить продуктовую линейку - вместо одного кредитного продукта предложить клиентам несколько, ввести специализированные сезонные или региональные условия по уже существующему предложению. К примеру, в преддверии Нового года многие банки идут на смягчение ставок по кредитам, однако это означает ужесточение кредитной политики: да, банк готов улучшить условия, но при этом необходимо ужесточить требования к заемщикам. Это лишь частный случай, подобных задач возникает множество, ведь банку нужно постоянно следить за тем, чтобы предложение было конкурентным.

Для риск-менеджеров это означает, что пришло время оттачивать стратегию принятия решения, тем более что популяция клиентов и конкурентные условия рынка меняются. Банк уже располагает значительным объемом данных по заемщикам, может оценить их кредитную дисциплину и смоделировать поведение. По итогам такого анализа и моделирования нередко меняется подход к заемщику: возможно, части «отказников» следовало выдать кредит, а некоторым из тех, кто получил займ, наоборот, нужно было отказать.

Постоянный поиск приемлемого баланса между требованиями бизнеса и ограничениями по рискам приводит к многочисленным изменениям в кредитной стратегии. Для тестирования таких изменений применительно к существующим предложениям, как и для обкатки стратегий по новым кредитным продуктам, в FICO CDA существует механизм champion/challenger. Это означает, что у банка в определенный момент времени есть две стратегии. Champion - проверенная стратегия, которой банк вполне доверяет, но все же хочет улучшить. Challenger - усовершенствованная, но еще не опробованная на практике стратегия. Чтобы провести такую «разведку боем», решение по небольшому проценту заявок - скажем, го% от их общего количества - принимается согласно обновленным алгоритмам. Если стратегия-challenger подтверждает свою эффективность, нагрузка на нее постепенно увеличивается, и в итоге ей может быть присвоен статус champion. Этот цикл соперничества стратегий повторяется вновь и вновь.

НБЖ: Остается рассмотреть третью группу финансовых организаций - крупные банки со сложившимся кредитным портфелем. Какие задачи остаются нерешенными, и какой необходим инструментарий?

Ю. ЧЕКАЛИН: Если судить по опыту наших клиентов, то здесь можно выделить две масштабные и взаимосвязанные задачи. Первая - удержание клиентов и повторные продажи. Вторая - улучшение качества кредитного портфеля. Что касается используемых ИТ-продуктов, то сами инструменты остаются теми же, о которых я уже говорил, однако сфера их применения существенно расширяется, и заметно смещаются приоритеты. Если раньше большая часть задач решалась с помощью системы FICO CDA, то теперь на первые роли выходит FICO Model Builder или IBM SPSS Modeler. Крупному банку со сложившимся портфелем розничных кредитов нужна, в первую очередь, мощная аналитическая система. Эти продукты дополняют друг друга.

НБЖ: Каким образом эта связка продуктов помогает банку сформировать привлекательное предложение для клиентов?

Ю. ЧЕКАЛИН: Аналитический инструмент, будь то FICO Model Builder или IBM SPSS Modeler, может служить для выявления скрытых зависимостей в поведении клиентов, а также для моделирования правил подбора продуктов для определенных клиентских групп. Но в то же время результатом этой сложной аналитической работы зачастую оказываются довольно простые бизнес-правила, реализовать которые можно в FICO CDA. Это похоже на айсберг, где массивная подводная часть - это FICO Model Builder или IBM SPSS Modeler, а сравнительно небольшая вершина - FICO CDA.

С позиций банка с развитой розницей кредит или кредиты - это лишь часть предложения, способного заинтересовать клиента. Чем шире продуктовая линейка банка, тем сложнее будет применяемая бизнес-логика. Для ее проработки как раз и предназначены продукты FICO Model Builder и IBM SPSS Modeler.

Кроме того, компания «Неофлекс» в своих проектах реализует применение механизмов risk based pricing (rbp) и risk based limits (rbl). Смысл rbp и rbl в целом понятен уже из названия: надежному заемщику будет предоставлен кредит на более выгодных условиях. Если же риск работы с заемщиком высок, то и процентная ставка будет выше, и лимит по ссуде меньше. Такой дифференцированный подход к заемщикам позволяет расширить аудиторию, с которой банк готов работать.

В том или ином виде подход rbp/rbl применим на каждой стадии развития розничного кредитования, начиная с первых пилотных предложений. Однако если на старте банки нередко полагаются лишь на экспертное мнение опытных специалистов, то в стадии зрелости основой для выверенных расчетов может служить накопленная статистика. При этом для вычисления лимитов и ставок используются десятки взаимозависимостей, учитывающих кредитную историю заемщика и его возможных поручителей, социально-демографический профиль клиента, историю контактов и многое другое. Для подобных расчетов и моделирования требуется не только обширная статистика, но и возможность внедрения моделей в процесс принятия решения.

НБЖ: Что подразумевается под улучшением качества кредитного портфеля?

Ю. ЧЕКАЛИН: В первую очередь -оптимизация кредитной стратегии. Когда банком накоплено достаточно данных, можно с высокой достоверностью тестировать модели новых кредитных стратегий в виртуальном пространстве и только потом - в реальном бизнесе. Появляется возможность ответить на вопрос, каким был бы кредитный портфель, если бы новую стратегию начали применять полгода назад. Это значит, что качество стратегий, выбранных для практического применения, оказывается намного выше, что позволяет повысить доходность и нивелировать множество рисков еще на этапе моделирования.

НБЖ: Автоматизацию розничного кредитования можно рассматривать не только в разрезе трех различных групп банков, но и в разрезе трех последовательных этапов - ведь те задачи, о которых мы говорили, могут решаться и в рамках одного развивающегося банка. И здесь возникает вопрос сроков: сколько времени необходимо на решение всего цикла ИТ-задач, возникающих на разных стадиях роста - от первого пилотного продукта до обширного кредитного портфеля?

Ю. ЧЕКАЛИН: Вы правы - это могут быть и три последовательных этапа развития розничного кредитования. Причем наш опыт показывает, что времени на решение соответствующих ИТ-задач, по крайней мере в части внедрения FICO CDA, FICO Model Builder или IBM SPSS Modeler, требуется не так много, как может показаться. Так, для первого этапа -автоматизации принятия решений по кредитным заявкам - достаточно двух-трех месяцев. Это доказывает, например, уже упомянутый проект, выполненный нами в Алтайэнергобанке, где всего за два месяца «с нуля» было автоматизировано принятие решения по кредитной заявке на базе системы FICO CDA. Этап активного развития продуктовой линейки и совершенствования кредитной стратегии может занимать три - шесть месяцев, иногда и более. И наконец, этап, на котором автоматизируется выполнение сложных аналитических задач, связанных с управлением кредитным портфелем и удержанием клиентов, требует обычно от трех до девяти месяцев.

Однако хочу отметить, что автоматизация не исчерпывается теми двумя системами, о которых мы говорили, и сроки во многом зависят от того, с какой скоростью идет внедрение других приложений, входящих в ландшафт конкретного банка.