Загадочные решения банков
Многие заемщики сталкиваются с парадоксальной ситуацией: один банк отказывает в кредите, несмотря на безупречную историю и полный пакет документов, а другой — почти мгновенно одобряет заявку. Сотрудники кредитных отделов часто сами не могут объяснить такие решения, что вызывает законное недоумение и у клиентов, и у персонала.
Две стороны одной медали
Существует и обратная, не менее удивительная ситуация. Банк может выдать деньги клиенту с явными проблемами: текущими просрочками, высокой долговой нагрузкой и низким доходом. Со стороны это выглядит как необъяснимая ошибка или безрассудство. Однако у обоих явлений — и несправедливых отказов, и рискованных одобрений — есть общая технологическая причина.
Робот вместо менеджера: как работает современный скоринг
Сегодня решение о выдаче кредита в большинстве случаев принимается не человеком, а автоматизированной системой. Специальные алгоритмы, часто построенные на нейронных сетях, анализируют сотни параметров о клиенте и рассчитывают вероятность своевременного погашения займа. Именно эти «цифровые мозги» становятся главными оценщиками надежности.
Почему система ошибается?
Ключевая проблема заключается в принципе обучения таких систем. Искусственный интеллект нуждается в огромных массивах реальных данных: информации как о надежных плательщиках, так и о злостных неплательщиках. Если нейросеть обучать только на «идеальных» клиентах, которых банк изначально одобрил, она станет чрезмерно осторожной. Это приводит к так называемым «ложным отказам» — когда формально все в порядке, но система из-за «перестраховки» блокирует выдачу.
Обратите внимание: Все о кредитах и кредитных картах простыми словами: советы от Сравни.ру.
Иногда отказы имеют и более простые причины, не связанные со скорингом. Например, банк может временно приостановить кредитование из-за избытка ликвидности или внутренних ограничений, не раскрывая истинных мотивов клиенту.
Зачем банк кредитует «плохих» клиентов?
Чтобы собрать данные для обучения и калибровки системы, банкам иногда приходится идти на осознанный риск. Они могут на короткий период смягчить критерии и выдавать кредиты практически всем подряд, формируя ту самую контрольную группу. Анализируя дальнейшее поведение этих заемщиков (кто платит, а кто нет), нейросеть учится точнее предсказывать риски. Хотя такие «эксперименты» приносят убытки от конкретных непогашенных кредитов, в долгосрочной перспективе они окупаются за счет повышения общей точности и прибыльности кредитного портфеля.
Более умная и дешевая альтернатива
Существует менее затратный способ улучшить скоринговую модель. Банк, отказавший клиенту, может продолжить следить за его судьбой через кредитное бюро. Если этот клиент получил заем в другом банке, первый банк, имея его согласие на обработку данных, может запросить отчет и проанализировать, как идет погашение. Таким образом, рискует и несет убытки конкурент, а банк-наблюдатель получает бесценные данные для обучения своей системы, оплачивая лишь стоимость отчета. Это превращает чужие решения в учебный материал для собственного искусственного интеллекта.
Больше интересных статей здесь: Банки.
Источник статьи: Часто слышал жалобы от клиентов, которые обижаются, что банк незаслуженно отказал в выдаче кредита.
Я часто слышал жалобы от клиентов, обиженных тем, что банк несправедливо отказал им в выдаче кредита. Самое смешное, что такой клиент может сразу же обратиться в другой банк и получить быстрое одобрение.
Меня это всегда раздражало: почему наш банк отказал в кредите клиенту, у которого была идеальная кредитная история, который выполнил все наши условия и т.д.? К сожалению, политика банков такова, что даже кредитным специалистам часто не говорят о причинах отказа, и понять, что именно произошло, не очень просто.
Есть и обратные случаи. Банк может выдать кредит клиенту, который совершенно безнадежен. У человека есть задолженность по предыдущему кредиту, непогашенная кредитная карта и зарплата, которой едва хватает на жизнь, чтобы не платить кредит, но банк соглашается. В таких ситуациях сами сотрудники банка не могут объяснить, как это произошло.
Однако этому есть объяснение, и, что интересно, в обоих случаях оно связано с современными технологиями.
Банк принимает решение о выдаче кредита полуавтоматически (или полностью автоматически). Для этого используются специализированные скоринговые системы, которые на основе информации о клиенте рассчитывают вероятность того, что клиент сможет вовремя погасить кредит без просрочек.
Такие системы сегодня очень часто используют нейронные сети, и это ответ на вопрос, почему банки могут, а иногда даже вынуждены кредитовать самых разных людей, включая клиентов, для которых с самого начала ясно, что они будут испытывать трудности с погашением долга.
Дело в том, что такая система должна быть обучена на реальных данных, используя данные реальных клиентов, которые взяли кредит, выплатили его и теперь имеют просроченную задолженность.
Если такая система будет постоянно анализировать только тех клиентов, которых банк считает хорошими, и искать среди них лучших, то в итоге система окажется слишком строгой - будет много отказов.
Обратите внимание: Все о кредитах и кредитных картах простыми словами: советы от Сравни.ру.
Это случаи, когда документы клиента в порядке и соответствуют кредитной политике банка, но в кредите отказано - система "перестраховывается", и сотрудники не могут выяснить, в чем дело.Конечно, часто бывают и другие случаи. В действительности банк отказал клиенту по причине, которую он не хочет раскрывать. Однажды я работал в банке, который прекратил выдачу кредитов, столкнувшись с массовым притоком вкладов. Они отказывали всем клиентам без объяснения причин - "Банк не будет раскрывать причину отказа".
Чтобы избежать ситуации, когда машинное обучение проводится на уже отфильтрованных данных, машинное обучение необходимо обучать, просматривая всех клиентов, подавших заявку на получение кредита.
Для этого банки могут периодически начинать кредитовать буквально всех подряд, чтобы собрать такие данные. Это позволит создать контрольную группу, которую нейронная сеть будет обучать для выявления тех, кто действительно не выполняет свои кредитные платежи.
Получается, что время от времени банк, использующий в своих системах нейронные сети, вынужден кредитовать всех, включая плохих клиентов.
Конечно, банк несет убытки, но это издержки, которые с лихвой компенсируются тем, что вся система работает более точно и прибыль банка увеличивается.
В качестве альтернативы, чтобы снизить затраты, банк может использовать другой способ анализа клиентов, которым он отказал в кредите.
Откуда вы знаете, что они не являются плохими клиентами и могут получить кредит? Если клиенту отказано, но он все равно получает кредит в другом банке. Первый банк может использовать информацию по этому кредиту для усовершенствования своей скоринговой системы.
Дело в том, что когда клиент подает заявку на получение кредита, он также подписывает согласие на получение информации из кредитного бюро. Даже если заявление будет отклонено, согласие остается в силе, и банк может получить и проанализировать кредитные данные.
Это гораздо выгоднее для банка, чем кредитовать всех подряд - риск несет второй банк, а первый банк платит кредитному бюро только за получение кредитного отчета.
Больше интересных статей здесь: Банки.
Источник статьи: Часто слышал жалобы от клиентов, которые обижаются, что банк незаслуженно отказал в выдаче кредита.