Убийственные большие данные. Как математика превратилась в оружие массового поражения

Множество компаний, например, хотят выйти на рынок микрокредитов до зарплаты. Эти «банки последней надежды» работают с бедняками, обирая их от зарплаты до зарплаты и запрашивая нереально высокие проценты по выплатам. Через 22 недели за взятые взаймы 500 долларов придется отдать уже 1500. Поэтому, если какой-то изобретательный игрок на этом рынке найдет новый способ эффективно оценивать риски, а затем отбирать более надежных кандидатов из множества отчаявшихся людей, он может даже назначить им процент слегка ниже рынка – и все равно получить огромную прибыль.

Именно в этом и заключалась идея Дугласа Меррилла. Бывший директор по информационным технологиям в Google, Меррилл считал, что сможет использовать Большие данные, чтобы подсчитать степень риска и предложить кредиты до зарплаты со скидкой. В 2009 году он основал стартап под названием ZestFinance. На сайте своей компании Меррилл объявил, что «любая информация – это кредитная информация». Другими словами, все пойдет в дело.

ZestFinance покупал информацию о том, насколько аккуратно соискатели кредитов оплачивают телефонные счета, а также многие другие данные, находящиеся в открытом доступе или доступные для приобретения. Меррилл пообещал, что проценты у него будут ниже, чем практически у всех других компаний, занимающихся микрокредитованием. Стандартный кредит в 500 долларов в ZestFinance стоит через 22 недели «всего» 900 – на 60 % ниже среднего в этой индустрии.

Конечно, это улучшение, но справедливо ли оно? Алгоритмы компании обрабатывают до десяти тысяч параметров по каждому претенденту, включая не вполне обычные сведения, такие как грамотность заполнения формы заявки претендентом, скорость, с которой он ее читает, и читает ли он все условия, перечисленные в договоре. «Те, кто следует правилам», считает компания, с большей вероятностью выплачивают свои кредиты.

Возможно, это действительно так. Но ошибки в орфографии и пунктуации – это также показатель плохого образования, что напрямую коррелирует с социальным классом и расой. Поэтому, когда бедняки и иммигранты подают заявку на кредит, плохое владение языком может привести к повышению процентной ставки. И если потом у них возникнут сложности с выплатой этих процентов, это лишь подтвердит, что они изначально находились в зоне высокого риска, – и понизит еще сильнее их кредитный скоринг. Создается токсичная петля обратной связи, и оплата счетов вовремя играет здесь лишь небольшую роль.

Когда новые предприятия строятся на основе оружия математического поражения, неизбежны проблемы, даже если создатели ОМП были преисполнены лучших намерений. Возьмем пример индустрии кредитования между физическими лицами. Она появилась в прошлое десятилетие, и в ее основе лежала идея предоставления физическими лицами взаимных кредитов. Это должно было демонстрировать демократизацию банковского дела. Больше людей смогли бы получить кредиты – и в то же время миллионы обычных людей смогли бы стать мини-банкирами и получать неплохую прибыль. Обе стороны при этом обходили бы стороной жадные банки.

Один из первых таких центров обмена, Lending Club, появился как приложение к Facebook в 2006 году и через год получил финансирование, чтобы стать банком нового типа. Чтобы подсчитать риски заемщиков, Lending Club объединил традиционные кредитные отчеты с информацией, собранной в интернете. Короче говоря, их алгоритм производил электронные скоринги, которые, как утверждалось, были точнее кредитных историй.

Lending Club и его основной конкурент Prosper – до сих пор относительно небольшие компании. Объем выданных ими кредитов не превышает 10 миллиардов долларов – это лишь крупица на кредитном рынке США размером в три триллиона. Однако они привлекают к себе много внимания. Члены руководства Citigroup и Morgan Stanley выступают как директоры участников кредитования между физическими лицами, а инвестиционный фонд Wells Fargo – самый большой инвестор Lending Club. IPO Lending Club в декабре 2014 года было самым большим из первичных публичных размещений за год. Lending Club собрал 870 миллионов и получил оценку рыночной стоимости в 9 миллиардов долларов, что поставило его на пятнадцатое место среди банков в Америке.