Кредитный конвейер что это
Финансовая сфера
Кредитный конвейер: возможно ли улучшить хаос?
Кредитный конвейер — набор важнейших банковских процессов, связанных с продажей, оформлением, выдачей, обслуживанием кредитов для физических лиц и организаций. Сегодня, на фоне сложной экономической ситуации, острой конкурентной борьбы между банками и ужесточившегося надзора со стороны ЦБ отлаженная работа основной бизнес-артерии особенно важна
Руководитель практики оптимизации банковских сетей
Построить быстрый, недорогой кредитный конвейер, качественно обслуживающий клиентов, — одна из основных задач менеджмента, которая на практике не имеет конечного решения: кредитным конвейером необходимо непрерывно управлять, совершенствуя ежедневно каждый его процесс, сокращая операционные расходы, повышая качество портфеля и улучшая при этом обслуживание клиентов.
Как все работает?
1. Кредитный конвейер состоит из множества разнородных процессов. Кредитные процессы не ограничиваются скорингом и выдачей кредита: клиентам неоходимо рассказать о банковском продукте, продать его, оформить и выдать кредит, затем на регулярной основе проводить его обслуживание и в некоторых случаях взыскать задолженность с неблагонадежного заемщика (см. рис. 1).
Источник: Либерти Гранд Консалтинг |
2. Каждый процесс в конвейере очень сложен. Шесть обозначенных на схеме процессов — это только вершина айсберга: каждый из них, как правило, состоит из десятков различных этапов, которые, хаотически перемешиваясь, образуют крайне запутанную структуру. На рис. 2, к примеру, представлен граф процесса выдачи кредитов физлицам в крупном российском банке.
Источник: Либерти Гранд Консалтинг |
Вершинами этого графа служат различные этапы процесса выдачи (всевозможные проверки, заполнения документов, этапы принятия решений, общения с клиентом); чем больше размер вершины, тем чаще происходит соответствующий этап; ребра графа символизируют наличие перехода с одного этапа на другой. Как видно, в этом процессе возможны переходы почти между всеми этапами. И подобные процессы выстроены в большинстве крупных российских банков!
3. Кредитный конвейер постоянно меняется, но заметить это не всегда просто. Основными причинами перемен являются: появление новых продуктов, обновления IT-систем и внедрение новых технологий, приход новых сотрудников. Обнаружить, что какой-либо процесс в конвейере теперь выполняется по-новому, весьма непросто: представьте, что к 83-м этапам процесса выдачи добавился новый, 84-й этап, с этапа 44 теперь возможен переход кредитной заявки на этап 68, а с этапа 77 заявка теперь идет напрямую на этап 81, минуя 79-й этап. Согласитесь, что даже самый опытный менеджер может сразу не уловить такие, на первый взгляд, незначительные изменения (см. рис. 3).
Источник: Либерти Гранд Консалтинг |
4. Информационные системы, задействованные в конвейере, генерируют непрерывный поток ценных данных. Параметры маркетинговых акций, характеристики воронки продаж, маршрут движения каждой кредитной заявки, результаты применения различных действий к должникам — все это и многое другое хранится в банковских информационных системах. Конечно, эти данные достаточно сложны для анализа из-за, как правило, низкого качества, из-за большого количества параметров клиентов и продуктов, из-за использования различных, не связанных друг с другом систем внутри одного конвейера. Но данные IT-систем в то же время позволяют банкам узнать, как на самом деле работают процессы, как происходит взаимодействие с клиентами, насколько эффективны маркетинговые акции, методы продаж, стратегии работы с должниками.
Что не сделает конвейер лучше?
1. Составление схем процессов. Этот, без сомнения, занимательный вид деятельности весьма бесполезен применительно к сложным, меняющимся процессам. Во-первых, сделать полную, правильную схему конвейера почти невозможно: вы просто запутаетесь в переплетениях десятков или даже сотен этапов, которые возникают для разных видов продуктов, типов клиентов, сумм кредитов, каналов взаимодействия с клиентом (отделение, колл-центр, Интернет). Во-вторых, даже если удастся составить схему того, как устроен (или должен быть устроен) какой-либо процесс, завтра все изменится — и схемы потеряют свою ценность.
2. Расчет и анализ агрегированных показателей. К таким показателям относятся, например, среднее время обработки заявки и среднее время ожидания клиентов. К сожалению, агрегированные показатели не отражают реальность. Рассмотрим, к примеру, длительность обработки заявки в процессе выдачи кредита. Допустим, мы рассчитали, что банк в среднем тратит 22 минуты на одну заявку. Это число, по сути своей, бессмысленно: если заявка прошла один этап и была отклонена, то, скорее всего, 22 минуты — это слишком долго; если же заявка успела пройти по службам безопасности, андеррайтинга и бухгалтерии, то, наверняка, 22 минуты — это очень хороший результат.
Источник: Либерти Гранд Консалтинг |
Как показывает практика, в процессе, состоящем из десятков этапов — например, из 80, заявка может побывать на любом числе этапов — от 1 до 80, из-за чего измерять время ее нахождения в процессе бессмысленно. Аналогичная ситуация справедлива и для времени ожидания клиента (см. рис. 4).
3. Анализ регулярных отчетов. Как правило, банковские отчеты формируются по итогам недели или месяца и состоят из набора агрегирующих показателей. Анализ таких отчетов задним числом редко бывает полезным: даже если мы узнаем какие-то характеристики процесса, через месяц (то есть уже сегодня, когда к нам в руки попал отчет) все они могут значительно измениться.
Что нужно делать?
1. Исследовать, как устроен процесс. Составлять вручную схемы процесса — долго, дорого и бесполезно, но знать, как работает конвейер, необходимо для его улучшения. Удобным инструментом здесь может стать интерактивный граф процесса (подобный тому, что мы представили на рис. 5). Такой граф можно получать автоматически из данных системы и, накладывая его на граф за другой период, определять, что изменилось в процессе.
Источник: Либерти Гранд Консалтинг |
2. Рассчитывать надежные показатели. Естественно, для улучшения процесса необходимо знать его производительность, и поэтому от показателей процесса уйти не удастся. Но необходимо выбирать правильные характеристики, в качестве примера которых мы можем предложить показатели вида «время до события»:
• время (с момента заведения заявки) до момента принятия отрицательного решения по кредиту;
• время до момента принятия положительного решения;
• время до момента получения денег клиентом;
• время до момента полного погашения долга клиентом.
3. Устанавливать нормативы. Показатели сами по себе не несут большую ценность при улучшении процесса: понять, «10» — это много или мало весьма непросто. Поэтому необходимо задавать нормативы для показателей. Правильно рассчитать норматив — сложная математическая задача (недостаточно просто взять среднее или 75%-ный квантиль за предыдущий период). К счастью, современные математические алгоритмы позволяют вычислять корректные нормативы для многих показателей.
4. Непрерывно создавать улучшения для каждого процесса конвейера. Среди различных видов улучшений выделим те, разрабатывать которые наиболее эффективно, основываясь на анализе данных:
• стандартизация выполнения операций и распростронения лучших практик, которые можно выявить, проанализировав данные о скорости и стабильности выполнения операций различными сотрудниками;
• автоматизация, которую стоит применять к самым трудоемким этапам;
• оптимизация численности сотрудников, которую необходимо проводить на регулярной основе при поддержке методов математического моделирования, рассчитывающих оптимальную численность при различной интенсивности клиентопотока;
• выбор стратегий работы с должниками, эффективность которых можно оценивать по историческим данным в системе сбора задолженности.
5. Контролировать внедрение улучшений. Разработать какое-либо обновление для процесса недостаточно: необходимо проконтролировать его внедрение и убедиться в его целесообразности. Сделать это возможно только при помощи онлайн-мониторинга кредитного конвейера: менеджеры должны в условиях реального времени видеть все ключевые показатели процессов, нормативы и цели, которые эти показатели должны достигнуть благодаря внедряемым улучшениям.
Заключение
Таким образом, правильно управлять кредитным конвейером и улучшать его работу весьма непросто из-за его разнородности, объективной сложности и постоянного изменения. Но вместе с тем у банков есть информация о работе кредитных процессов, которой можно и нужно пользоваться. Анализ данных открывает большие перспективы для исследования и улучшения кредитного конвейера. На первом этапе данные можно использовать для того, чтобы понять, как действительно работает процесс, какова его структура и каковы его показатели. Далее целесообразно рассчитывать нормативы для показателей и одновременно разрабатывать и внедрять улучшения конвейера. Наконец, работу конвейера следует контролировать непрерывно при помощи онлайн-мониторинга показателей всех его процессов.
Нужен ли банку кредитный конвейер?
«Банковский ритейл», 2012, N 1
Задача динамичного наращивания кредитного портфеля за счет привлечения качественных заемщиков с хорошей кредитной историей в посткризисной реальности решается путем запуска технологичного кредитного конвейера. Не случайно именно по этому пути сегодня идут банки, стремящиеся упрочить свои позиции в сегменте массового кредитования.
Сегодня почти все банки, активно занимающиеся розничным кредитованием, совершенствуют свои системы риск-менеджмента, уделяя повышенное внимание отбору надежных заемщиков. В результате кризиса 2008 г. качество розничных кредитных портфелей упало, доля просрочки возросла, многие банки были вынуждены отстраивать процедуры реструктуризации просроченной задолженности.
При развитии массового кредитования ручная обработка заявлений заемщиков неэффективна: она не только повышает операционные издержки, затраты на персонал, увеличивает время принятия решений, но и является причиной низкого качества принимаемых кредитных решений.
Немного о технологии
Технология компании FICO обеспечивает создание кредитных конвейеров, которые способны поддержать работу нескольких тысяч пользователей, обработку десятков тысяч заявок в день и возможность независимого масштабирования каждого из его компонентов по мере роста бизнеса банка.
OM4 состоит из трех модулей (рисунок), которые совместно представляют собой полноценное предложение для сквозной обработки продуктовых/сервисных заявок:
Структура системы Origination Manager 4
OM4 построен с использованием FICO(TM) Blaze Advisor(R), наиболее известной в мире системы управления бизнес-правилами. Blaze Advisor позволяет организовать управление бизнес-правилами посредством проектирования, разработки и тестирования услуги обеспечения решений, а также внедрения и сопровождения услуги работы с правилами. Blaze Advisor взаимодействует со всеми компонентами OM4 и позволяет пользователям рассматривать логику, модели и стратегии для работы с бизнес-решениями в сфере обработки кредитных заявок как авуары всей организации, которые доступны для использования из единого репозитория решений.
Модуль обработки заявок
Рабочий цикл OM4 обеспечивает маршрутизацию транзакций в службу обработки заявок, службу обеспечения принятия решений, службу ввода данных и аналитическую службу в зависимости от введенных пользователем настроек. Когда транзакция маршрутизируется в какую-либо службу, рабочий поток обеспечивает обработку ответа, сформированного по итогам ее обработки, и добавляет полученные ответные данные в заявку.
Как только данные по транзакции будут сохранены (т.е. еще до того, как рабочий поток реально отработает по заявке, и до передачи управления в другую часть рабочего потока), система гарантирует, что данные могут быть извлечены после сбоя или зависания системы, и, таким образом, данные по клиенту оказываются застрахованными от потери.
Доступ к функциям OM4 организован по ролевому принципу. Роль содержит набор прав доступа, назначаемых пользователям. Роли создаются на основе функций, необходимых для выполнения работы или работ, и могут формироваться путем группировки предварительно разработанных разрешений на доступ. Роли могут добавляться в интерфейсе либо путем модификации существующих ролей для отображения в системе нужных наборов разрешений. Кроме того, в банке можно интегрировать систему OM4 с корпоративной системой LDAP для обеспечения единого входа в систему (single sign on).
Модуль решений
Модуль решений в составе системы OM4 обеспечивает полноценную работу со сложными правилами и функциональность принятия решений, построенную на основе технологии FICO Blaze Advisor. Модуль решений был специально разработан для обработки кредитных заявок, он дает пользователям возможность автоматизировать принятие решений по кредитным заявкам, применять политики обработки кредитных данных, исполнять правила по ссудам и ценообразованию, а также применять стратегии «чемпион/претендент». Система обработки заявок управляет всем процессом обработки заявок с момента ввода данных по ней до принятия окончательного решения. Она может вызывать модуль решений неоднократно в ходе процесса обработки заявки.
Модуль решений включает рабочую станцию управления стратегиями. Рабочая станция управления стратегиями представляет собой удобную рабочую среду, в которой бизнес-пользователи работают с графическим представлением ссудных продуктов, наборов правил, стратегий, деревьев решений и таблиц, которые используются в принятии решений по кредитным заявкам.
Бизнес-пользователи работают с политиками на основе знакомых им структур, например таблиц назначения лимитов и деревьев решений по принятию/отклонению заявок. Модуль решений поставляется преднастроенным и имеет в своем составе объектную модель, в которой уже содержатся наиболее часто используемые в заявках поля данных для вопросов и соответствующие поля ответов. Объектную модель легко расширить под конкретные задачи.
Аналитический модуль
Аналитический модуль состоит из решения FICO(TM) Model Builder, которое дает возможность банкам строить и развертывать предиктивные модели в составе своего решения, а также решения FICO(TM) Decision Optimizer, преднастроенного таким образом, что оно содержит модель обеспечения принятия решений для оптимизации клиентских стратегий.
Эти инструменты, по сути, являются интегрированной средой для разработки, оценки и внедрения моделей. В них присутствует набор лучших в отрасли компонентов, разработанных для бесшовной интеграции друг с другом, что в итоге дает значительное сокращение времени на разработку, внедрение и тестирование решения.
Модель расчета скоринга на основе данных БКИ
Анализ, проведенный крупнейшими розничными банками, показал, что при совместном использовании Application Scoring и скорингового решения бюро эффективность оценки заемщика возрастает в 1,5 раза.
Рекомендованные пути внедрения скоринга НБКИ в банке
Перед внедрением скоринга для оценки его эффективности для своего портфеля и установки уровней отсечения необходимо провести анализ статистики по присвоенным скоринговым баллам. Это возможно сделать как по выданным ранее кредитам (ретроанализ), так и по вновь выдаваемым.
I. С предварительным проведением ретроскоринга:
II. Без предварительного проведения ретроскоринга:
В существующей высококонкурентной среде банкам все сложнее находить пути решения задачи, как предложить клиенту наиболее подходящий для него продукт и уровень сервиса и при этом сохранить (а лучше увеличить) рентабельность бизнеса, не забывая о контроле за рисками. Решить эту задачу можно, построив автоматизированный процесс на основе промышленных систем класса «кредитный конвейер». Это и есть наилучшее решение, сочетающее в себе гибкость настройки, масштабируемость и возможность выстроить процессы наиболее эффективным образом.
Деньги на поток – кредиты на конвейер
В постковидный период в банковской сфере, находящейся под пристальным надзором регулятора, особенно актуальным становится совершенствование механизма кредитования юридических и физических лиц.
Галина Бахметьева, генеральный директор компании «Брейнисофт» (резидент Технопарка «Сколково»)
За поддержкой обращается с трудом переживший локдаун бизнес. Растет поток уличных клиентов, и банк тратит на их обслуживание все больше ресурсов. Однако в силу специфики направления (проведение большого количества однотипных операций) финансовые организации могут сократить расходы на найм дополнительных сотрудников с помощью кредитного конвейера (КК), который упрощает процедуру заключения и ведения кредитных договоров.
Еще 10 лет назад, когда рынок потребительского кредитования только разворачивался, банки гасили риски за счет высоких процентных ставок. Из четырех кредитов не возвращались три, но процентов с одного хватало, чтобы возместить убытки. Решение о выдаче кредита принималось около недели, ведь для того, чтобы подготовленные параметры однозначно интерпретировать (при нелинейности связей между ними), банки опирались на накопленный субъективный опыт сотрудников-экспертов, и окончательные решения принимали кредитные комитеты с ограниченными ресурсами. Сейчас на это времени нет.
Поэтому в рамках КК автоматизируются такие функции, как: подбор кредитного продукта, подача заявки, первичная классификация заемщика и присвоение ему определенного статуса, формирование и отправка запросов в Бюро кредитных историй, принятие решения согласно скоринговой системе оценки с возможностью использования ручного анализа в спорных моментах, оформление и выдача кредита, ведение досье и т.п. Система скоринговых карт должна очень точно ранжировать все входящие сделки по уменьшению или увеличению вероятности дефолта. Насколько модуль будет точно прогнозировать дефолт – настолько точным будет конвейер. Но первым этапом внедрения кредитного конвейера остается запуск системы сопровождения кредитных договоров (рассылка уведомлений, прием платежей, учет и взыскание проблемной задолженности), без которой в банке случится коллапс.
В процессе кредитования используется структурированная и агрегированная информация на основе big data с применением технологий Business Intelligence и Advanced Analytics, вся информация о заемщике перемещается по конвейеру вместе с задачей, вся процедура стандартизирована и регламентирована.
С внедрением КК организационные риски заменяются технологическими, причем последние должны в перспективе сократиться. Автоматизированное решение исключает ошибку оператора, качественная интеграция с банковскими системами снижает риск искажения данных, система не позволит пропускать шаги, необязательные с точки зрения человека, журналирование позволит отследить ошибку на любом этапе операции по выдаче кредита, если это потребуется.
Окупаемость КК зависит общего количества и регулярности потока кредитных заявок в разрезе продуктовой линейки банка, а также от степени стандартизации самих заявок. Для банка без развитого розничного бизнеса стоимость КК будет высокой.
Свой облачный конвейер для финансового сектора предложила компания «Брейнисофт», резидент Технопарка «Сколково». Компания разрабатывает ПО для микрофинансовых и микрокредитных организаций, лизинговых компаний, кредитных кооперативов, банков и ломбардов.
Кредитный конвейер полного цикла (то есть от заявки на кредит до отчетности в контролирующие органы) автоматизирует процессы по выдаче займов удаленно и в офисе, обратному лизингу, POS-кредитованию, продуктам по подписке, исламскому банкингу. Важно отметить, что российским кредитным организациям, работающим в нескольких часовых поясах, необходимо в короткий технологический перерыв до начала следующего операционного дня уложить все начисления процентов по займам и рассчитать кэшбек. В условиях онлайн-кредитования и онлайн-погашений обработка начислений и расчетов во время технологического перерыва не должна блокировать возможность приема платежей в реальном времени.
Кредитный конвейер «Брейнисофт» состоит из 3 этапов: лидогенерация (получение заявки от потенциального клиента), заполнение анкеты-заявки и оценка благонадежности заемщика, по итогам которой принимается решение о выдаче займа. Процесс оценки заемщика протекает с помощью «Системы принятия решений» (СПР) через запросы во внешние базы данных. Вместе с тем для каждой заявки система предполагает индивидуальную настройку параметров — как ручную, когда решения принимаются специалистами компании, так и автоматическую, в режиме которой робот по настроенному алгоритму за несколько секунд выдает ответ. К платформе можно подключить практически любую внешнюю базу данных через API. Возможно более 60 интеграций с внешними сервисами.
Для корректного сопровождения сделки система позволяет настроить кредитование по 134 доступным параметрам и вести учет практически любого кредитного продукта — краткосрочные и долгосрочные займы, кредиты наличными, лизинг, ипотека и POS-кредиты.
Бэкенд системы «Брейнисофт» построен на основе сервис-ориентированной архитектуры, ключевым компонентом которой является ядро — в нем сосредоточена основная бизнес-логика и основные механизмы расчета. Совместно с ядром работают периферийные сервисы, в которые выносится вспомогательная функциональность. Отдельная категория сервисов в бэкенде — это шлюзовые сервисы, в которых реализуются механизмы интеграции с внешними системами.
Для обеспечения отказоустойчивости и высокой доступности сервисы бэкенда организовываются в виде кластеров. В кластере одновременно работает несколько инстансов сервиса. Отдельные инстансы развертываются таким образом, чтобы отказ на любом уровне не приводил к отказу в обслуживании сервиса в целом.
Запросы к сервису приходят через входящий балансировщик, который затем распределяет их по отдельным инстансам в кластере. Балансировщик также резервируется, чтобы не стать единой точкой отказа.
Мультитенантность сервиса обеспечивается за счет выделения данных разных тенантов в разные базы данных.
Мощность конвейера позволяет проводить ежедневную обработку 3 млн кредитных контрактов за 3 часа, и это далеко не предел. Безопасность сделки обеспечивается посредством идентификации клиента во время видеозвонка.
При этом входная стоимость конвейера в 2 раза ниже, чем у европейцев. Внедряется он за 2 месяца.
Использовать время: зачем ВТБ новый кредитный конвейер на микросервисах
«Успешные люди вырываются вперёд, используя то время, которые остальные используют впустую», — говорил (так пишут в интернете) изобретатель конвейера Генри Форд. Как микросервисы и графовая платформа помогают экономить время в новом кредитном конвейере ВТБ, читайте под катом.
Почему конвейер
Процесс формирования предложений по кредитам и одобрения заявок клиентов включает несколько стадий. Банку нужно проанализировать потребности клиента, кредитную историю, риски, оценить, нужен ли клиенту продукт, справится ли он с кредитной нагрузкой, какую сумму и какие условия можно ему предложить.
За каждую стадию отвечает определённый модуль, вместе они образуют кредитный конвейер.
оценку кредитной истории (основные источники: БКИ, внутренние данные банка);
оценку платёжеспособности (зарплатные зачисления, транзакционные и иные внутренние данные);
определение уровня риска (вероятности дефолта);
расчёт лимита кредитования;
определение ценовых условий;
выбор продукта для клиента с использованием моделей склонности (в случае формирования предодобренных предложений).
Основной кирпичик в построении архитектуры кредитного конвейера — статистические модели, использующие для оценки всю доступную информацию. На первом этапе запуска конвейера ВТБ внедрил модели оценки кредитного риска клиента и модели склонности к кредитному продукту.
Уникальность кредитного конвейера ВТБ в том, что модели обрабатываются с помощью обращения к централизованной платформе исполнения моделей.
Платформа исполнения моделей
В кредитном конвейере ВТБ мы реализовали платформу исполнения моделей на микросервисах, она позволяет предоставлять различным потребителям модель-как-сервис (MaaS) с использованием различных фреймворков обработки данных как в режиме онлайн с малым временем ответа и высокой нагрузкой, так и в пакетном режиме для обработки практически любых объёмов данных.
Описывающие бизнес-процесс модели обращаются к единой платформе, в ней осуществляются необходимые расчёты и предоставляются результаты для дальнейшего использования в процессе.
С кредитным конвейером платформа связана через набор интеграционных адаптеров, что даёт возможность гибко настраивать процессы конвейера и взаимодействовать с ней на различных этапах обработки заявки.
В процессе работы платформы все данные о работе системы сохраняются, что позволяет их использовать в дальнейшем для мониторинга работы и обучения моделей.
Вскоре мы дополним её централизованной системой управления моделями, которая позволит вести полный независимый реестр используемых в банке моделей, их версий, оперативно поставлять обновлённые модели и даже автоматически переобучать их без участия человека.
Платформа исполнения дополняется новыми специализированными компонентами — графовой платформой и геоплатформой.
Графовая платформа
Графовая платформа служит для выявления и предупреждения мошенничества. Она состоит из графовой СУБД и удобного интерфейса для работы пользователей. СУБД интегрирована с хранилищем данных на базе Hadoop и служит для построения связей (рёбер) между различными вершинами. Интерфейс используется для дополнительного анализа построенных пользователями графов.
Выявление потенциального кредитного мошенничества может производиться как в режиме реального времени, так и в рамках offline-мониторинга (выявление и расследование реализованных случаев кредитного мошенничества, анализ концентраций уровня риска на предмет возможного кредитного мошенничества и т. д.).
Выявление, расследование и противодействие кредитному мошенничеству осуществляется с применением методов графовой аналитики, анализа связей и установления противоречий. Результаты расследования признаков кредитного мошенничества могут влиять на маршрутизацию кредитной заявки и уровень принятия кредитного решения.
Геоплатформа
Удобным инструментом для анализа потребностей и интересов клиента в процессах банка выступает геоплатформа. Она представляет собой совокупность геослоёв различных обезличенных данных, на основе анализа которых с применением методов автоматического машинного обучения (Auto ML) можно прогнозировать спрос, потоки клиентов и другие факторы для принятия решений. Продукты геоплатформы служат для оценки и прогноза потока покупателей и для размещения таргетированной рекламы.
Собранные в единую геосетку данные позволяют использовать методы Аuto ML, что ускоряет процесс вывода продуктов на рынок. Геоплатформа вмещает 170 слоёв обезличенных данных из банковской сферы, телекома и digital-сервисов. Такой модуль позволяет учитывать в моделях оценки клиентов широчайший спектр географических особенностей — от уровня региона и ситуационной конфигурации расположения офисов до локаций проживания и работы отдельного клиента.
Модель оценки дохода
При выдаче кредита одной из главных задач является определение платёжеспособности клиента. В современных банках эта задача чаще всего решается вручную, в то время как в кредитном конвейере на помощь снова приходят статистические модели. Модели оценки дохода позволяют оценить потенциальный доход клиента по всей доступной по нему информации:
информация о ранее поданных заявках на кредитные и некредитные продукты;
информация по депозитам и счетам;
платёжная дисциплина по ранее выданным кредитам и т. д.
Использование этой модели в процессе кредитования позволяет формировать полноценные предодобренные предложения и определять оптимальную кредитную нагрузку, как если бы клиент обратился в банк сам, без запроса дополнительной информации на момент оценки.
Технологический стек под капотом
Для реализации расчётного кредитного конвейера мы использовали микросервисную архитектуру с оркестрацией посредством bpm-движка Camunda. Camunda представляет собой набор библиотек, которые позволяют выполнять описанные процессы. Такой подход позволил разработать гибкую и масштабируемую архитектуру и помимо этого имел следующие плюсы:
возможность восстановления процесса ровно с того места, где произошел сбой, причём это доступно из коробки;
наличие GUI, позволяющего увидеть, что происходит с процессом;
возможность написания юнит-тестов не только на логику и интеграцию, но и на сам процесс.
Микросервисы, осуществляющие этапы работы конвейера, реализованы как java-компоненты с использованием каркаса Spring и конфигурируются при помощи Spring Boot. Компоненты имеют собственные источники данных, построенные на базе СУБД PostgreSQL. Поскольку конвейер должен принимать решение за несколько минут, доступ к БД осуществляется посредством Spring ORM с оптимизацией для быстрых и высоконагруженных запросов. Взаимодействие между компонентами системы асинхронное и реализовано посредством Apache Kafka.
Кроме этого, микросервисы интегрируются с внешними системами, используя различные технологии и протоколы, такие как REST API, IBM MQ, Apache Kafka.
Для чего всё это нужно
На данный момент кредитный конвейер уже формирует предодобренные предложения по кредитам наличными и кредитным картам, это начальный этап его внедрения.
Технологическая основа конвейера в перспективе позволит формировать предодобренные кредитные предложения для 30 млн клиентов менее чем за 4 дня. Входящие заявки клиентов будут переведены на новую платформу до конца 2021 года.
В 2022 году он позволит нам принимать 95 % решений о выдаче кредитов розничным клиентам за 1–3 минуты. Что касается остальных 5 % заявок, они приходятся на те случаи, когда к проверке заявки необходимо подключать андеррайтера. Полностью исключать сотрудников банка из процесса андеррайтинга мы не планируем, поскольку их участие крайне важно для выявления новых схем мошенничества.
Кроме того, с 20 до 5 % снизится доля клиентов, которые для получения кредита предоставляют подтверждающую доход и занятость справку.
Новый конвейер позволит оперативно подключать новые источники информации о клиентах, что сделает точнее оценку рисков и позволит предложить лояльным клиентам более низкую ставку.