А тобі дадуть? Як штучний інтелект допомагає видавати кредити в Україні

6 лютого 2018, 05:53

В індустрії мікрокредитування успіх залежить від швидкості і правильності прийняття рішення. Тож не дивно, що тепер в цьому бізнесі на ура пішла технологія машинного навчання. Подивимося, як це працює в Україні.

Що спільного між одиноким молодим чоловіком без вищої освіти у віці 20-25, чоловіком без сім'ї, зате з вищою у 26-30 і жінкою під 40 років з таким же соціальним статусом?

Саме ця категорія людей найчастіше звертається в мікрофінансові компанії за кредитами до зарплати. До речі, з великою часткою ймовірності вони роблять це під кінець місяця і просять про суму близько 2000 гривень.

Відео дня

Чи вдається їм отримати бажане, залежить від майже сотні факторів, які ретельно вираховуються алгоритмами машинного навчання.

Сам термін «машинне навчання» поки що для багатьох є дивиною. Його часто плутають з такими поняттями як нейромережі і big data. Тим часом, машинне навчання – це один з напрямків штучного інтелекту. Під цим терміном розуміють технології, які дозволяють комп'ютерним алгоритмам не просто обробляти дані і робити якісь висновки, але і використовувати сам процес обробки даних для саморозвитку.

НВ розібралося, як ці технології використовуються в сучасній Україні і як машинне навчання «розуміє», що вам можна видати кредит.

Популярніше за банки

Для початку, опишемо масштаб явища.

Отже, в 2016 році в Україні сервіси мікрокредитування видали населенню більше кредитів, ніж банки.

Як пише видання PaySpace, джерелом такої популярності стало те, що організації працюють цілодобово і навіть у вихідні, позики видають швидше (швидкість обчислюється в десятках хвилин, а не в днях) і лояльніше, ніж банки.

Імовірність позитивного рішення у перших –70-80%, у других – 20-30%. На відміну від банків, мікрофінансовим компаніям нецікаво де клієнт працює і скільки заробляє, що є не останнім фактором для українських позичальників з низькими доходами.

Також у них діють програми лояльності, які стимулюють клієнтів звертатися знову і приводити друзів.

Алгоритми скорингу

Бути швидше і ефективніше вдається завдяки просунутим скоринговим системам.

Якщо банк в середньому оцінює позичальника за 15-20 параметрами, привласнює значимість кожного і на підставі цього приймає рішення про видачу кредиту, то скоринг-система в мікрокредитуванні може враховувати під сотню параметрів, і фахівці з аналізу даних постійно працюють над тим, щоб знаходити нові закономірності.

«У сфері мікрокредитування інвестиції в скоринг на старті складають до 30%, а в штаті часто є 1-2 фахівця з аналізу даних», – розповідає Іван Кривич, директор онлайн-сервісу Mycredit.

Питання фахівців з аналізу – хвора тема, нарікає співрозмовник. Це одна з найбільш високооплачуваних спеціалізацій в IT-індустрії, і знайти людину навіть за дуже великі гроші непросто.

В Україні їх майже ніде не готують. Тому якщо вже людину знайшли, то зроблять все, щоб вона залишилась. Не тільки тому що їх мало, але і тому, що не прийнято ділитися секретами алгоритмів з конкурентами.

Тут напрошується популярний нині термін big data, але співрозмовник НВ відхрещується від нього. До великих масивів даних, які використовуються, наприклад, для навчання нейромереж, цій сфері ще далеко (хоча саме до них все йде).

Тут не стільки клієнтів, не такий тривалий термін збору інформації. Проте, алгоритми враховують абсолютно різні параметри. Від банального – скільки кредитів є у людини зараз, до того, скільки часу людина провела, умовно, на третій сторінці сайту в верхньому лівому кутку.

Дані про уважне вивчення якоїсь сторінки не стануть приводом відмовити в кредиті або погодитися з видачею. Це один із предикторів (прогностичних параметрів), який теж має свою вагу. Навіть якщо він становить 0,01%, його не стануть відкидати.

Таких чинників може бути 100, і разом вони потягнуть на цілий відсоток, який, можливо, вбереже компанію від непотрібного ризику. Точну інформацію про те, що використовується в якості предиктора, прийнято приховувати. В інтернеті можна знайти інформацію про те, що онлайн-скоринг враховує, якими сервісами користується відвідувач, як поводиться у соціальних мережах і які ресурси читає.

Співрозмовник НВ запевняє, що їх скорингова система враховує тільки поведінку на сайті компанії, а яких би то не було закономірностей, пов'язаних з тим, що людина, що зайшла з певного пристрою, в певний час і зацікавилась певною сумою – немає. Софт працює складніше і враховує не тільки поведінкові, а й неповедінкові чинники.

Поведінкові чинники – це час заходу на сайт, поведінка на сайті. Неповедінкові – це в тому числі інформація з бюро кредитних історій. В Україні внесення інформації в БКІ необов'язково, але в Європі багато де навпаки.

У компанії говорять, що якби інформація про кожного позичальника перебувала в БКІ, то це б вплинуло позитивно на ризики і стимулювало б зниження ставок, можливо, вони б опустилися до європейських показників. Зараз в Україні ставки на 30-40% вище.

Є такі предиктори, які самі по собі мають вагу в соту частки відсотка, але всі разом, якщо їх скласти, дають результат в рази більш вагомий (як 2+2=20, наприклад).

Сукупність факторів визначає частку ймовірності, що людина поверне кредит. «Кожному з нас знайоме поняття ментальності. Вона складається з індикаторів. По суті, це оцифровка ментальності – знаходження закономірностей за великою кількістю ознак. На цьому побудована наша аналітика», – пояснює Кривич.

У MyCredit використовують скоринг, побудований на R (ретро-скоринг на основі історичних даних про кредитну історію), а самі алгоритми – внутрішня розробка. Використовуються і стандартні моделі залежностей, які пропонує платформа, і власні.

Крім того, йде постійний пошук нових предикторів. «Щоб побудувати скоринг, потрібно розуміти, що ми хочемо сказати. Ми беремо вибірку з 1000, наприклад, і дивимося, наявність яких параметрів свідчить про ймовірність настання якоїсь події. Це може бути що завгодно – від повернення кредиту до поїздки за кордон, покупки певного товару», – пояснює Кривич.

За таким принципом працюють всі скоринг-системи. Наприклад, в підрозділі Київстар, який займається великими даними, розробили власну систему скорингу для фінансових організацій, вона базується на даних, які є у оператора в прив'язці до номеру. Це, наприклад, вік номера, середній чек (причому в довгостроковій перспективі), знаходження в одному і тому ж місці в робочий час і т.д.

Тестування гіпотез в скорингу відбувається постійно. Серед позичальників є якась частка людей, яким компанія повинна б відмовити, але не відмовляє. Серед них є як відповідальні, так і ті, хто гроші не повертає.

«У нас параметр false negative близько 15%, – пояснює Іван Кривич. – Тобто 15% людей, яким ми не видаємо кредит – це наша помилка. Але тут постійна дилема. Я можу видавати більшій кількості людей кредит. Знизити рівень відсікання. У мене false negative стане менше, але виросте false positive. Знаходження золотої середини – нескінченний творчий процес».

Якщо взяти скоринг в чистому вигляді, то можна знайти золоту середину, при якій буде компанія буде видавати максимальну кількість позитивних кредитів, мінімальну – негативних. Але включаються інші фактори. Наприклад, маркетингові витрати і вартість операційної діяльності. Чим більше кредитів – тим більше витрат на персонал.

Кредити для одиноких

Аналіз людської поведінки допомагає виявляти несподівані закономірності. Так кредит з більшою часткою ймовірності повернуть ті, у кого їх вже 2-3, так як у них є платіжна дисципліна. Клієнт, у якого бувала прострочення до 30 днів, надійніше того, у кого його не було, а ось більше 60 вже означає, що кредит більше не дадуть. Найчастіше звертаються за мікрокредитами самотні люди.

Як тільки в інформаційному просторі з'являються тривожні новини про фінансову або політичну ситуацію, інтерес до «кредитів до зарплати» падає, а в стабільні часи зростає. Влітку кредити майже не беруть, а з 1 по 10 січня не повертають.

Середня сума – 40-60% від мінімальної зарплати, в Україні ця цифра вище, так як офіційні зарплати не відповідають реальним, але в цілому в Європі закономірність зберігається. Нарешті, найпопулярнішим часом для позики є кінець місяця, хоча є невеликий сплеск перед авансом. За даними Mycredit, в останні 12 днів місяця кредитів видають стільки ж, скільки в перші 18.

А як у них?

Подібні сервіси з'явилися за кілька років до кризи 2008 року, але скорочення кредитних ліній в банках і проблеми із заробітком стимулювали їх розвиток. Причому велике поширення вони отримали не тільки в країнах з нестабільною економікою.

Батьківщиною онлайн-кредитів стала Велика Британія. Там компанія Wonga – місцевий лідер ринку – кілька років тому подолав позначку в мільярд доларів капіталізації. Як пишуть «Ведомости», у компанії є мільйон клієнтів у своїй країні і 3 млн за її межами. При цьому в іншій європейській країні - Німеччині - навпаки, мікрокредити не так прижилися. Ймовірно, тут позначається різниця в менталітеті.

За даними дослідження Technavio, найбільш швидкозростаючим за розмірами виручки ринком для подібних сервісів став Азіатсько-Тихоокеанський регіон. Лідирують в ньому Китай, Гонконг, Південна Корея, Макао, Монголія, Японія і Тайвань. У дослідженні говориться, що драйвером зростання виступає швидка індустріалізація, збільшення обсягів виробництва та як наслідок – зростання попиту на товари і послуги. За прогнозами, до 2020 року мікрофінансові організації займуть 70% ринку в цьому регіоні.

У багатьох країнах процентні ставки, як і в цілому діяльність МФО (мікрофінансових організацій), не врегульована. Очолила рух в сторону регулювання діяльності МФО також Велика Британія. Кілька років тому уряд країни позначив розмір максимальної ставки в день (0,8%) і пені. До цього ставки по кредитах в компанії Wonga досягали 6000% річних. Також максимальний розмір ставки є в Польщі та США.

До речі про відсотки. У Mycredit кажуть, що високі ставки на подібні сервіси обумовлені перш за все ризиками.

Значна частина доходів йде на покриття витрат за неповернення. Саме тому скорингові моделі з максимально точною якістю передбачення критично важливі для бізнесу. Інший співрозмовник редакції оцінював прибутковість кредитів до зарплати в 400% річних.

Приєднуйтесь до нас у соцмережах Facebook, Telegram та Instagram.

Показати ще новини
Радіо НВ
X