Скоринг

Что такое кредитный скоринг?

Скоринг (от англ. scoring – подсчет очков в игре) это модель классификации клиентской базы на различные группы, если неизвестна характеристика, которая разделяет эти группы, но известны другие факторы, связанные с интересующей нас характеристикой.

В основе скоринговых систем лежит предположение, что люди со схожими социальными показателями ведут себя одинаково. Априорно принимая такой постулат, можно строить различные статистические модели весьма полезные при ведении любого бизнеса.

Если некоторым социальным характеристикам клиента (Пол, Возраст, Место проживания, Должность, Длительность работы в одном месте и т.д.) присвоить определенные веса, то каждого нового клиента можно, на основе его анкеты, отнести к группе сильно или слабо соответствующих бизнесу. То есть, клиенту автоматически присваивается целочисленный ранг, указывающий степень доверия и внимание, которое ему следует оказывать со стороны данного бизнеса.

Можно выделить следующие этапы построения скоринга:

  • определение интересующей характеристики; 
  • cбор второстепенных сведений о клиентах и значения интересующей характеристики; 
    разработка скоринговой модели (присвоение весов второстепенным данным) на основе имеющихся данных;
  • автоматическое ранжирование новых клиентов по приоритетным группам посредством скоринговой модели.

Если в качестве интересующей характеристики взять способность клиента вернуть кредитный заем, тогда в итоге мы получим две группы: клиенты, которым можно выдать кредит и клиенты, кредитование которых очень рискованно.

В каждом случае следует выявлять несколько промежуточных интересующих характеристик, строить скоринг для каждой из них, а затем рассматривать совокупность результатов.


Применение скоринга в банковской сфере

Посмотрим, как можно применить описанные выше идеи к оценке кредитных рисков.

Банкам, выдающим кредиты, требуется каким-либо образом оценить нового клиента и принять решение о выдаче или невыдаче ему запрашиваемого кредита.

В мировой практике существует два основных метода осуществления этой процедуры, которые могут применяться как отдельно, так и в сочетании друг с другом:

  • субъективное заключение экспертов или кредитных инспекторов;
  • автоматизированные системы скоринга.

Методика оценки кредитного риска посредством скоринговых систем, позволяет, оценив набор социальных признаков, характеризующих заемщика, сказать, стоит ли выдавать ему кредит. Эта методика используется уже на протяжении более полувека для оценки кредитоспособности, как предприятий, так и физических лиц. Важной особенностью скоринговых систем является то, что решение о выдаче кредита может приниматься автоматически без участия специалиста.

Согласно общей философии скоринга, не требуется искать объяснения, почему данный клиент не вернул выданные деньги. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. 


Применение скоринга в маркетинге

Если в области кредитования скоринг применяется уже давно (по существу, скоринговые системы зародился именно как системы для оценки кредитных рисков в отсутствие квалифицированных экспертов), то в маркетинге идея применения скоринга сравнительно нова.

Предположим, большой супермаркет желает удержать своих постоянных клиентов, посредством различных поощрений (скидки на товары, рассылка рекламы по почте или e-mail и т.д.). Магазин не может снизить цену на все товары сразу, тем самым, угодив всем покупателям, а так же не может сделать рассылку рекламы всем покупателям – это не принесет никакой прибыли. Таким образом, требуется выделить группу покупателей, поощрение которых принесет наибольшую прибыль магазину и интересующие их товары (примечание: согласно принципу Парето 80% прибыли приносят лишь 20% клиентов).

Посредством дисконтных карт, социологических опросов и анкет можно получить некоторую общую информацию о клиентах (пол, возраст, место работы и т.д.) и информацию о том, что и как часто они покупают. Вот теперь требуется качественная скоринговая модель, посредством которой всех покупателей можно разделить на группы согласно их ценности для магазина.

К примеру, клиентов можно разделить по частоте обращения в магазин:

  1. раз в неделю и чаще (около 16% клиентов)
  2. раз в две недели (около 22% клиентов)
  3. раз в месяц (около 17% клиентов)
  4. раз в два месяца (около 12% клиентов)
  5. реже двух месяцев (остальные)

Или по количеству потраченных денег за месяц:

  1. >300$
  2. 200-300$
  3. 100-200$
  4. 50-100$
  5. <50$

На основе подобных таблиц скоринга можно выбирать группы потребителей, поощрение которых даст наилучшие результаты.


Кредитный скоринг: бизнес задачи

Приложения моделей скоринга могут быть распространены на большое количество задач. Основная идея оценки риска банкротства распространилась посредством скоринг-моделей на другие аспекты кредитного риск-менеджмента:

  • определение потенциальных клиентов (дозаявочный этап),

  • определение приемлемых клиентов (в заявочный этап),

  • определение возможного поведения текущих клиентов (этап исполнения).

Задачи, решаемые с использованием скоринг-моделей, могут быть разделены на четыре основные группы.

1. Задачи маркетинговых исследований:

Цели:

1.1. Определение кредитоспособных клиентов – возможных потребителей рекламируемого продукта. Это позволит снизить затраты на привлечение новых потребителей и в большей степени удовлетворить потребности имеющихся клиентов.

1.2. Предсказание вероятности потери клиентов и формулировка эффективной стратегии по их сохранению.

Примеры:

Response scoring (скоринг отклика): скоринговые модели, которые оценивают наиболее вероятную реакцию потребителей на почтовую рекламную рассылку информации о новом товаре.

Retention/attrition scoring (скоринг сохранения/потерь): скоринговые модели, предсказывающие возможное поведение клиента: дальнейшее использование продукта или переход к другому кредитору после ознакомительного срока.

2. Задачи, возникающие на стадии подачи заявки на кредит:

Цели:

2.1. Решение вопроса о продлении кредита и о сроке продления.

2.2. Прогнозирование будущего поведения нового кредитного претендента посредством предсказания непредвиденных обстоятельств, связанных с невыполнением платежных обязательств со стороны клиента или плохое осуществление клиентом выплат по кредиту.

Пример:

Applicant scoring (скоринг заявителя): скоринг - модели, которые оценивают вероятность того, что новый клиент не выплатит кредит.

3. Задачи, возникающие на стадии исполнения:

Цель:

3.1. Предсказание будущего платежного поведения существующих должников позволяет выделить нежелательных клиентов и, таким образом, уменьшить вероятность того, что указанные должники опять станут проблемными клиентами.

Пример:

Behavioral scoring (поведенческий скоринг): скоринговые модели, которые вычисляют уровни риска существующих должников.

4. Управление проблемными кредитами:

Цель:

4.1. Выбор оптимальных коллективных линий поведения для минимизации числа должников или максимизации количества оплаченных счетов.

Пример:

Scoring models for collection decisions (Скоринговые модели для коллективных решений): скоринг-модели, позволяющие решить вопрос о том, когда должны быть приняты меры в отношении неплательщиков, и какие из нескольких альтернативных наборов методов могут быть наиболее подходящими и успешными.

Таким образом, задача кредитного скоринга состоит не только в определении привлекательности потребителя кредита, а также в привлечении добросовестных клиентов, которые при последующем удержании и контроле в целом образуют доходный кредитный портфель.

Итак, суть скоринговой системы достаточно проста. Однако за внешней простотой скрывается ряд “подводных камней”. Один из них – это сложность в определении параметров, которые следует включать в модель, и какие весовые коэффициенты должны им соответствовать. Именно от выбора исходных параметров применяемой скоринговой модели в большей степени зависит качество итоговых результатов и, в конечном счете, увеличение прибыли фирмы, которое может быть весьма существенным при грамотно построенной скоринговой модели.

С помощью программных продуктов STATISTICA, STATISTICA ScoreCard, STATISTICA Data Miner можно разрабатывать и реализовывать скоринговые системы любой сложности.

Преимущества продуктов STATISTICA

Ниже представлены некоторые примеры применения системы STATISTICA для решения скоринговых задач:


см. также: "Big Data: как извлечь необходимую информацию из Больших Данных?"

‹‹
››
ПнВтСрЧтПтСбВс


info@statsoft.ru       (495) 787-77-33       (499) 674-06-15       STATISTICA Data Miner 13.3 Trial

Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia.
Все права защищены.

© StatSoft Russia
1999-2017

StatSoft Russia – компания, зарегистрированная и действующая в соответствии с законами России, которые могут отличаться от законов других стран, имеющих офисы StatSoft. Каждый офис StatSoft является самостоятельным юридическим лицом, имеет право предлагать услуги и разрабатывать приложения, которые могут быть, а могут и не быть представлены в офисах StatSoft других стран.

Лицензионное соглашение      Карта сайта