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:
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.
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:
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.
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:
Или по количеству потраченных денег за месяц:
На основе подобных таблиц скоринга можно выбирать группы потребителей, поощрение которых даст наилучшие результаты.
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.
Ниже представлены некоторые примеры применения системы STATISTICA для решения скоринговых задач:
см. также: "Big Data: как извлечь необходимую информацию из Больших Данных?"
Академия Анализа Данных проводит уникальные курсы лекций по современным технологиям Data Mining:
Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia.
|
© StatSoft Russia |
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. |