Сейчас, когда многие компании накопили уже достаточно большие наборы данных, возникает вопрос их обработки. Термин Big Data появился давно, но при этом казахстанский бизнес только подходит к пониманию полезности этой аналитики. Она может быть применима в различных сферах бизнеса, и, конечно, финансовые организации — наиболее вероятный потребитель подобной информации. Причем, пул тех задач, которые можно решить на основе Big Data, практически неограниченный. Асем Нургалиева, директор по развитию бизнеса Первого кредитного бюро, рассказала о нескольких вариантах аналитики, которая может применяться в скоринговых моделях в кредитных организациях.

«Данных очень много, их можно собирать бесконечно. Аналитический и R&D центры ПКБ ведут несколько проектов по изучению влияния ряда данных на финансово-кредитную дисциплину. Мы занимаемся изучением того, как влияют те или иные данные на поведение заемщика, вернет он кредит или нет. Так, ПКБ находится в стадии завершения первого в Казахстане тестирования по использованию данных мобильных операторов в верификации и скоринге клиентов. Практика соседней России показывает хорошую применимость данных телеком-операторов — плюс 5-7% к эффективности текущих скоринговых карт. Полагаем, что пилот будет достаточно успешен и у нас», — считает Асем Нургалиева.

Полезны для скоркарт и данные социальных сетей. Но здесь аналитики сталкиваются с так называемым низким «матчболлом» — количеством успешно идентифицированных пользователей в социальных сетях. Сейчас в Казахстане около 2,3 млн активных аккаунтов в Instagram, 560 000 — в сети Facebook и более 1 млн активных аккаунтов Vkontakte. Но аккаунты могут быть заведены на разные имена и поэтому они сложно опознаваемы. Так что в вопросе эффективности «социального скоринга» идентификация пользователей играет важную роль.

«Практика показала, что скоринг на данных социальных сетей может применяться как добавочный коэффициент, когда уже использованы данные кредитной истории, платежеспособности, мобильного телефона», — отмечают в ПКБ.

Один из новых и пока неиспользуемых в Казахстане видов скоринга — скоринг по психометрическим параметрам. Такой скоринг уже применяется за рубежом для клиентов без кредитной истории или каких-либо других, кроме социодемографических параметров, данных. Ответив на набор специально составленных вопросов, модель способна предсказать вероятность выхода заемщика в дефолт. В Казахстане, например, насчитывается порядка полутора миллиона человек, у которых нет кредитной истории. Психометрический скоринг способен в таких случаях выдать вполне объективную картину по тому или иному заемщику.

«Что касается кредитной истории, у нас уже есть три скоринговые модели и мы перешли на моделирование на нейронных сетях. Всего в активе ПКБ свыше 50 проектов разной модификации и сложности. Оценивается поведение клиента в интернете, геоданные, кадровая история и многие другие факторы. Готовые сервисы предиктивной аналитики направлены на минимизацию кредитных и иных рисков фининститутов, повышение технологичности процессов», — заключила Асем Нургалиева.