Белорусы создали платформу, которая оценивает кредитоспособность заемщиков по их поведению в соцсетях и не только
— Какие данные помимо кредитных историй используются в GiniMachine для оценки заемщика?
— Кредитная история, безусловно, важна, однако она не всегда нужна, чтобы оценить кредитоспособность заемщика. Например, так часто происходит в странах, где у заемщиков нет кредитной истории или банковского счета. GiniMachine в таких случаях позволяет использовать альтернативные источники данных. Ими могут быть информация из социальных сетей, внутренние и внешние базы данных банка, данные телеком-операторов, транзакционные данные заемщика, поведенческие факторы в процессе заполнения онлайн-заявки и т. д.
Мы не ограничиваем наших клиентов в выборе источников данных. Но хотели бы подчеркнуть, что GiniMachine работает с той информацией, которая у клиента уже есть. То есть банкам не нужно тратить годы и копить сведения.
Главная задача, которую решает GiniMachine как инструмент анализа, — поиск так называемого сигнала. То есть определение тех параметров, которые имеют значение и влияние на силу скоринговой модели. Очевидно, что в зависимости от типа бизнеса клиента, географии, целевой аудитории и достоверности данных наиболее значимые параметры для скоринговой модели могут отличаться. Используя современные методы машинного обучения, GiniMachine позволяют быстро находить скрытые зависимости, которые неочевидны и очень трудно найти, а также определить, какие из собираемых данных содержат искомый сигнал.
— Чем ваше скоринговое решение отличается от существующих специализированных программ по автоматической оценке кредитоспособности?
— Самое главное преимущество GiniMachine — инновационный, полностью автоматический подход к построению скоринговых моделей. В том виде, в котором это делает GiniMachine, конкурентов мало — буквально 2-3 компании во всем мире.
Все, что использует GiniMachine — подход, методы машинного обучения, собственные исследования и наработки, — позволяет строить модель в автономном и автоматическом режимах, не нужно привлекать оператора специфических знаний в области машинного обучения, программирования или статистических методов.
В итоге экономятся сотни и тысячи человеко-часов труда высокооплачиваемых специалистов отдела рисков и аналитики. В среднем GiniMachine строит модель за 5-10 минут, в то время как традиционные методы требуют недели кропотливого труда.
Количество «плохих» кредитов снижается до 50%, улучшается процент одобрения кредитов.
— Судя по проекту GiniMachine, для его авторов уже не стоит вопрос о том, заменят ли однажды роботы-алгоритмы кредитные комитеты...
— Мы в GiniMachine не ставим перед собой задачу заменить кредитные комитеты как часть процесса принятия кредитных решений. Наше решение позволяет менеджерам банков, сотрудникам скоринговых отделов, риск-аналитикам быстрее строить более качественные модели и лучше оценивать заемщиков.
