Журнал «Компьютерра» № 4 за 31 января 2006 года

Одновременно с этим существует конкуренция между банками, которая обостряется по мере роста рынка и расширения целевой аудитории потенциальных клиентов. А, между прочим, в России в прошлом году наблюдался настоящий бум потребительского кредитования, да и ипотека делала в 2005-м первые твердые шаги. Сейчас в это трудно поверить, но еще в 90-е годы абсолютное большинство розничных кредитов выдавалось сотрудникам банков и руководству корпоративных клиентов. Но уже в 2002 году, по данным Центробанка, населению был выдан 141 млрд. рублей. В 2003-м — 298 млрд., а в 2004-м — 616,5 млрд. А в январе 2006-го, по некоторым оценкам, объем рынка потребительского кредитования в России превысил 1 трлн. руб. На этом фоне клиента начинают уважать, за него борются и, единожды поймав добросовестного плательщика, стараются его не упустить. Если же заставлять его доказывать свою платежеспособность и ожидать «вердикта» несколько недель, а то и месяцев, клиент может обидеться и уйти в другой банк. Так что быстрота реагирования на обращение клиента становится прямым конкурентным фактором. Достаточно вспомнить рекламную кампанию, проведенную «Импэксбанком» в прошлом году, по поводу сокращения срока принятия решения до одного дня.

В то же время оперативность не должна отражаться на качестве принимаемых решений. Если выдавать кредиты всем без разбору, то лидирующее положение на рынке обернется финансовой катастрофой, подобной той, которая постигла в конце 2003 года Южную Корею. Объем просроченных потребительских кредитов к тому времени составлял 57,47 млрд. долларов, или 13,5% от общего числа выданных кредитов (аналогичные показатели 1999 года — 10,95 млрд. и 2,6% соответственно[Доля невозвратов в России, по разным оценкам, колеблется от 3 до 4%]). С одной стороны, это привело к возрастанию числа самоубийств и преступлений на долговой почве, а с другой — к серьезному банковскому кризису. Причиной столь безрадостной картины послужило отсутствие у банков отработанных систем управления рисками на фоне жесткой борьбы за рынок.

Впрочем, эта проблема гораздо старше и, по сути, родилась вместе с розничным кредитованием. Первый алгоритм для оценки потенциального кредитозаемщика был предложен еще в 1941 году Дэвидом Дюраном. К тому же времени можно отнести появление термина «кредитный скоринг», означающего сложную математическую систему определения степени платежеспособности заемщика, основанную на анализе нескольких характеристик клиента. Между прочим, модель Дюрана (см. врезку) широко применяется в финансовых организациях по сей день. Разумеется, в середине XX века речь шла не об использовании специализированного ПО, а о схеме работы кредитных инспекторов.

Заемщики с большой дороги

Задача скоринга — не только выявить потенциально неплатежеспособного клиента, но и пресечь деятельность мошенников, изначально не планирующих возвращать кредит. Если в первом случае шанс получения от клиента правдивых данных достаточно велик, то злоумышленники пытаются вводить специально составленный набор данных, для того чтобы найти и использовать «слабые места» в системе скоринга. Эта криминальная практика является довольно распространенной. Множество фирм, формально консультирующих заемщиков при заполнении документов на получение кредита, на деле за определенную сумму подсказывают своим клиентам «правильные» ответы на вопросы банковской анкеты. Иногда злоумышленникам удается обманывать систему до тех пор, пока схема мошенничества не будет обнаружена соответствующей службой банка.

«Обороноспособность» системы зависит прежде всего от модели оценки клиента. Обычный анализ вопросов анкеты наиболее уязвим для «взлома», так как обойти все «ловушки», которые банк может поставить для проверки достоверности предоставляемых данных, сравнительно просто. Обычно для этого формируются специальные группы «заемщиков», формально соответствующих требованиям банка по проверяемым характеристикам и «правильно» отвечающим на те вопросы анкеты, которые затруднительно проверить.

Более эффективным подходом в обеспечении кредитной безопасности является составление психологического портрета заемщика путем сбора максимально детализированной информации. Вкупе со средствами, вроде data mining, это дает неплохие результаты.