Менеджмент.com.ua - главная страница Мастер-класс Радислава Гандапаса по личной эффективности «Профессиональный и личный успех: скрипты и алгоритмы»
На главную
Сделать закладку
Карта сайта
Расширенный поиск
Обратная связь
Проекти MCUa
Рассылка обновлений портала


Публикуется с согласия редакции "Вестника McKinsey".
Статья вышла в 29-м номере журнала.
Полностью номер можно прочитать
на сайте www.vestnikmckinsey.ru

Инновации в области риска

Раздел: Управление финансами
Автор(ы): Тобиас Баер, Тони Голанд, Роберт Шифф
Источник: "Вестник McKinsey"
размещено: 13.09.2013
обращений: 7890
отзывов: 0

Кредитование домохозяйств с низким уровнем дохода, а также мелких фирм и неофициальных предприятий является непростой задачей. Многие из таких клиентов (хотя и не все) плохо знакомы с финансовыми услугами, поэтому им сложно принимать решения, которые касаются ответственного расходования кредитных средств и их использования по назначению. При работе с этой аудиторией кредитор зачастую располагает лишь малой толикой данных и документов, которые традиционно используются для принятия кредитных решений (включая официальные сведения о доходах и кредитной истории), а иногда эти данные вовсе недоступны.
Инновации в области риска В такой ситуации большинство кредитных организаций применяют одну из двух моделей работы. Традиционное потребкредитование, которое характеризуется следующими особенностями: наличие высоких процентных ставок; использование системы пеней и штрафов в качестве одного из источников дохода для кредиторов; агрессивные, а порой даже юридически сомнительные методы взыскания; быстрое увеличение клиентской базы; большое количество проблемных кредитов.

Микрокредитование для представителей неофициального бизнеса (преимущественно мелких фирм, принадлежащих женщинам), которое характеризуется следующими особенностями: ориентация на краткосрочные кредиты, зачастую выдаваемые всего на несколько месяцев; трудоемкие, но тесные отношения между кредитным инспектором и заемщиком; применение схемы солидарной ответственности (когда одни члены группы являются поручителями по кредитам, предоставленным другим ее участникам); повторное кредитование сразу после погашения предыдущей ссуды; доля проблемных кредитов, не превышающая 2-3%.

Ни одну из этих двух моделей нельзя считать идеальной для того, чтобы рентабельно и стабильно удовлетворять разнообразные потребности экономически активного населения и предприятий с относительно низким уровнем дохода. Однако у кредитных организаций есть возможность выбрать другую стратегию: разработать усовершенствованную модель управления рисками, опираясь на растущие возможности современной вычислительной техники и новых источников информации (включая сведения об использовании потенциальным заемщиком мобильной связи, его историю оплаты коммунальных услуг и т. д.). Реализовав эти возможности, а также внимательно изучив законы о неприкосновенности частной жизни и потребительские предпочтения, банки, розничные сети, компании коммунальной сферы и операторы связи смогут принимать обоснованные решения о кредитовании, сводя при этом к минимуму свои усилия и финансовые затраты.

Если правильно применить этот третий подход, отойдя от традиционных методов потребкредитования и микрокредитования, компании будут иметь возможность получать прибыль, обслуживая многочисленный сегмент потребителей, которые прежде не пользовались банковскими услугами. Кроме того, этот механизм способен помочь обществу приблизиться к весьма и весьма труднодостижимой цели — полному охвату населения финансовыми услугами. На сегодняшний день более 2,5 млрд человек лишены доступа к услугам официальных финансовых учреждений. Кроме того, существуют сотни миллионов микропредприятий, а также мелких и средних фирм, финансовые потребности которых пока не удовлетворены[1]. Государственные органы и компании по всему миру поставили перед собой цель обеспечить таким предприятиям и группам населения доступ к широкому ассортименту качественных и доступных финансовых услуг, соответствующих запросам этой аудитории. Новые способы применения информации приближают нас к воплощению этой концепции, позволяя сформировать более точное представление о финансовых потребностях домохозяйств. Имея такое представление, компании, оказывающие услуги в этой сфере, смогут выйти за пределы обычного кредитования и будут в состоянии решать определенные задачи, в частности:

  • помогать клиентам принимать правильные финансовые решения (например, за счет использования адресных оповещений);
  • предлагать востребованные клиентами услуги, не связанные с кредитами (например, различные сберегательные и страховые продукты);
  • проводить те маркетинговые и информационные мероприятия, которые с большей вероятностью могут вызвать отклик у целевых сегментов.

Эти направления, открывающие весьма интересные перспективы, уже готовы к дальнейшим инновациям. Но сначала кредиторы должны овладеть инструментами и собрать сведения, которые необходимы для применения нового подхода к кредитованию клиентов с относительно низким уровнем дохода. Результаты, которых удалось добиться первопроходцам в этой сфере, впечатляют. Использование нетрадиционных моделей анализа данных в ходе экспериментальных попыток взаимодействия с представителями малообеспеченного сегмента позволило этим компаниям сократить убытки по кредитам на 20-50%, а также в два раза увеличить долю положительных кредитных решений.

НОВЫЕ ДАННЫЕ, НОВЫЕ МЕТОДЫ

Чтобы принять решение о выдаче кредита, представителям кредитной организации нужно «заглянуть в будущее». Раньше самым надежным способом прогнозирования дальнейших событий был анализ данных за прошлые периоды. На протяжении веков банки рассматривали долгосрочные связи с потребителями банковских и кредитных услуг как одно из наиболее разумных оснований для продления кредита.

В развитых странах за последние несколько десятилетий этот подход поднялся на новый уровень: данные кредитных отчетов и информация о динамике заработной платы помогают кредитным учреждениям делать аналогичные прогнозы, но в более крупных масштабах и с более активным применением средств автоматизации. Подобный подход к оценке кредитоспособности обычно учитывает три параметра:

  1. личность заемщика (изучается в целях снизить риск мошенничества);
  2. платежеспособность (определяется на основе данных о доходе и текущей долговой нагрузке);
  3. готовность выплатить кредит (обычно оценивается по прошлой кредитной истории).

Однако в странах с развивающейся экономикой — и особенно в случае с представителями малообеспеченного сегмента — такие методы менее эффективны. Поскольку клиенты с относительно низким доходом чаще всего не имеют доступа к финансовым услугам официальных учреждений, у них нет прошлой кредитной истории. Оценить их способность погасить долг довольно сложно, потому что большинство представителей малоимущих слоев населения обычно получают заработную плату наличными, и при этом у них нет или почти нет официальных сбережений или зарегистрированной собственности, которую можно было бы использовать в качестве залога. Многие из этих людей не получают регулярной заработной платы в постоянном размере, а работают сами на себя либо занимаются такими видами деятельности, которые по природе своей не могут обеспечить стабильный доход.

Возникают и другие сложности. Кредитование клиентов с относительно низким уровнем дохода вызывает неоднозначные ассоциации. Нелицеприятные публикации об агрессивных методах потребкредитования, избыточное кредитование в секторе микрофинансирования, а также агрессивные методы кредитования, появившиеся во время недавнего кризиса субстандартных ипотечных займов в США, — все это свидетельствует о том, что далеко не всякое учреждение способно ответственно подходить к обслуживанию сегмента потребителей с низкими доходами.

И все же некоторые нетрадиционные кредитные организации успешно справляются с этими трудностями. Можно привести ряд примеров таких первопроходцев из числа операторов мобильной связи, компаний коммунальной сферы, розничных сетей и компаний, занимающихся прямыми продажами, которые применяют новые методы использования информации в рамках альтернативных направлений бизнеса.

Однако эти новые подходы тоже связаны с определенными проблемами. В традиционной схеме расчета кредитных рейтингов используется сравнительно небольшой объем данных, поступающих ежемесячно из ограниченного количества источников (включая данные по кредитным картам, сберегательным счетам, платежным квитанциям и ипотечным займам). В то же время новые виды информации, не предусмотренные традиционными моделями, иногда приходится искать в самых разных местах, а масштабы этих данных порой в несколько раз превышают объем сведений из традиционных источников. Например, в течение месяца один абонент мобильной связи может делать сотни или даже тысячи звонков и отправлять такое же количество сообщений. При этом по каждому абоненту ведется учет целого ряда параметров, включая время звонка или отправки сообщения, местонахождение звонящего или отправителя в этот момент, номер собеседника или получателя, тип информации в отправленном сообщении, а также виды и количество платежей, сделанных с помощью соответствующего устройства мобильной связи.

Все это осложняет задачу построения моделей, позволяющих прогнозировать риски. Если одни новые технологии обеспечивают создание целых массивов данных, то другие помогают собирать, обобщать и анализировать эту информацию с помощью таких инструментов, которые прежде были недоступны. Появились новые стандарты и протоколы обмена данными, а также новые средства обработки несвязанных массивов данных, сравнения и сопоставления их между собой для получения точного ответа на тот или иной вопрос. Многие специалисты пока не умеют пользоваться этими инструментами и не знакомы с методами, позволяющими делать ценные выводы по итогам обработки разрозненных и неоднозначных данных. Предположим, некая организация хотела бы использовать сведения, собранные операторами мобильной связи, сетями продовольственных магазинов и компаниями коммунальной сферы. В этом случае, чтобы понять, какие из указанных данных имеют ценность, какой уровень детализации будет оптимальным и какие именно комбинации данных дадут нужный результат, ей, скорее всего, понадобится опыт работы в каждом из этих направлений.

Получение доступа к данным — еще одна задача, которая может оказаться довольно сложной. Во многих случаях те массивы данных, которые необходимы кредитным учреждениям, могут принадлежать лицам (например, операторам связи, компаниям коммунальной сферы или розничным сетям), которые не захотят или будут не вправе делиться этими сведениями. Возможно, они не решатся рисковать, поскольку клиенты этих организаций могут остаться недовольны, если их личные данные передадут кому-то еще. К тому же нет гарантии, что такие организации будут заинтересованы искать подходящий способ поделиться имеющимися у них сведениями, пусть даже с разрешения клиентов. Нормы регулирования и законы о неприкосновенности частной жизни могут запрещать кредиторам доступ к определенным видам информации (см. врезку «Преимущества эффективных систем защиты конфиденциальной информации»). Государственные власти, скорее всего, будут с опаской относиться к распространению личной информации о гражданах, а также прочих сведений о населении, которые они собирают.

ПРЕИМУЩЕСТВА ЭФФЕКТИВНЫХ СИСТЕМ ЗАЩИТЫ КОНФИДЕНЦИАЛЬНОЙ ИНФОРМАЦИИ ДЛЯ КРЕДИТОРОВ И ЗАЕМЩИКОВ

В странах с хорошо развитым законодательством о защите конфиденциальной информации кредиторам и их партнерам приходится очень внимательно следить за соблюдением этого законодательства. Кроме того, они должны гарантировать, что применяемые ими методы работы не оказывают неумышленного отрицательного влияния на общество. Особенно это касается тех случаев, когда речь идет об использовании сведений о поведении отдельных клиентов (например, если информация об обращении клиента за медицинской помощью используется как критерий для оценки рисков), — этот вопрос уже рассмотрен нами выше.

В других странах, где законодательство о защите конфиденциальной информации пока еще только формируется, кредиторам и их партнерам следует взаимодействовать с регулирующими органами и совместно с ними разрабатывать такие нормы, которые одновременно обеспечат защиту личной информации и дадут потребителям возможность по своему усмотрению предоставлять соответствующие сведения кредиторам для получения доступа к финансовым услугам. Участие в разработке норм по защите конфиденциальной информации представляет большой интерес для кредитных организаций и прочих игроков, в том числе потому, что в этом случае они будут в курсе грядущих изменений и смогут должным образом подготовиться к ним. Сценарий «Дикого Запада» выгоден только тем компаниям, которые используют недобросовестные методы работы. В то же время те организации, которые ответственно подходят к своей деятельности, только выиграют от принятия четких правовых норм по защите информации.

Рассмотрим некоторые потенциальные преимущества эффективного законодательства о защите конфиденциальных данных. Например, доступ к информации о положительном поведении потребителей может быть выгодным для всех сторон. При оценке кредитоспособности потенциальные заемщики, обладающие необходимыми характеристиками, получат преимущество — например, если окажется, что тот или иной потребитель пользуется продукцией, поддерживающей его здоровье, или что фермер регулярно проверяет прогноз погоды либо следит за динамикой цен на семена с помощью своего мобильного телефона. Если поощрять такое поведение, можно добиться дополнительных позитивных результатов. Так, если потребитель знает, что покупка продукции, поддерживающей его здоровье, включая витамины и бытовые дезинфицирующие средства, повысит его кредитный рейтинг, то повышается вероятность, что он будет следовать такой модели поведения.

Вероятно, кто-то возразит, что в этом случае люди смогут «обмануть» систему — например, станут проверять прогноз погоды исключительно для того, чтобы повысить свой кредитный рейтинг. Но так ли это плохо на самом деле? В конце концов, именно так ведут себя люди в развитых странах — вовремя оплачивают свои счета, чтобы их кредитоспособность не упала. Другими словами, в большинстве случаев попытка «обмануть» систему так или иначе способствует закреплению положительного поведения.

ЭФФЕКТИВНОЕ МОДЕЛИРОВАНИЕ

Наш опыт показывает, что организациям следует решать эти проблемы последовательно. Существует схема из трех этапов, позволяющая разработать эффективную стратегию оценки кредитоспособности для успешного охвата сегмента экономически активного населения и мелких фирм с относительно низкими доходами:

  1. выбрать наиболее перспективные источники информации;
  2. обеспечить доступ к необходимым данным;
  3. на основе собранных данных сделать выводы о кредитоспособности.

Особенно важно, чтобы в процессе анализа данных кредиторы крайне внимательно относились к выбору критериев, определяющих уровень кредитоспособности. В противном случае они рискуют нанести ущерб своей репутации, отпугнуть клиентов или попасть в еще худшую ситуацию.

Выбрать наиболее перспективные источники информации

Кредитным учреждениям следует обратить внимание на те данные, которые можно использовать в качестве надежных критериев для удостоверения личности (например, чтобы сократить случаи мошенничества), проверки платежеспособности (доход, текущая долговая нагрузка и т.д.) и готовности платить (прежняя кредитная история и т.д.). Особое внимание нужно уделить следующим шести источникам информации: сведения операторов связи, компаний коммунальной сферы, оптовых компаний, розничных сетей, государственных органов, а также собственные данные финансовых учреждений, которые прежде не использовались.

Рассмотрим в качестве примера мобильные телефоны, встречающиеся сейчас практически повсюду. По данным на начало 2009 г., на долю развивающихся стран приходилось примерно 75% всех сотовых телефонов в мире, которых тогда насчитывалось четыре миллиарда[2]. Каждый из этих абонентов сотовой связи является потенциальным источником весьма многочисленных данных. Технически все сведения о любом звонке, сообщении и запросе информации записываются и хранятся в базе данных оператора.

Например, частота внесения платежей по тарифу с предоплатой может говорить о том, насколько стабилен доход абонента, а по длительности и частоте звонков и сообщений можно понять, есть ли у него постоянная работа. Например, если частота звонков снижается в период с девяти часов утра до пяти часов вечера, можно сделать вывод, что абонент проводит это время на работе. Еще один пример: при проверке платежеспособности можно ориентироваться на сведения (объем которых стремительно растет) о денежных переводах с помощью мобильного телефона.

Другие технологии тоже генерируют огромные массивы первичных данных. В развивающихся странах все более популярными становятся ИТ-решения — приложения для управления жизненным циклом клиента (CLM). С их помощью компании могут собирать сведения о частоте и характере контактов с покупателями. Розничные сети все чаще используют кассовые терминалы для сбора всевозможной информации о покупках. Данные розничных программ лояльности позволяют оценить доход покупателя и даже понять состав его семьи (например, если он покупает пеленки или школьные товары, то в семье, очевидно, есть дети). Государственные органы тоже занимаются развитием усовершенствованных систем идентификации личности и отслеживания действий населения страны, в том числе чтобы повысить качество оказания государственных услуг.

Врезка «Шесть новых источников информации» рассказывает о том, какие именно новые данные может обеспечить каждый из этих источников.

ШЕСТЬ НОВЫХ ИСТОЧНИКОВ ИНФОРМАЦИИ

A. Операторы связи

Во многих развивающихся странах данные об отправленных или полученных через мобильный телефон платежах служат отличным критерием для оценки дохода и платежеспособности. Кто-то получает заработную плату или социальные выплаты от государственных органов на сберегательный счет, баланс которого можно проверить с помощью мобильного телефона. Среди малоимущего населения все выше доля потребителей, которые переводят средства на банковский счет с помощью мобильного телефона. Клиенты оплачивают счета, делают покупки, отправляют и получают денежные переводы, используя телефоны. Все эти операции — источник данных, на основе которых можно прогнозировать платежеспособность заемщика.

Разумеется, с помощью своих телефонов абоненты мобильной связи также делают звонки, отправляют сообщения и изучают информацию. Некоторые из этих данных могут применяться в качестве критериев для оценки платежеспособности, поскольку вероятность непогашения кредита можно спрогнозировать на основе сведений о том, как заемщик пользуется услугами связи, — конечно, не нарушая при этом требований законодательства о защите конфиденциальной информации. Например, логично будет предположить, что у фермера, который регулярно проверяет прогноз погоды с помощью мобильного телефона, показатели урожайности будут выше и поэтому ему будет проще выполнить свои обязательства по выплате кредита. Также можно сказать, что клиенты, которые регулярно общаются с большим количеством людей, — более надежные заемщики, чем те, у кого круг общения ограничен.

B. Компании коммунальной сферы

Компании коммунальной сферы собирают информацию об использовании соответствующих услуг, чтобы выставлять счета, и они ведут учет клиентских платежей, по которым можно оценить не только масштабы потребления, но и своевременность оплаты, а также проследить, были ли случаи задержки и как часто такое происходило. Эти данные весьма полезны при оценке платежеспособности клиента и его готовности платить — особенно с учетом того, что счета за коммунальные услуги выставляются ежемесячно (либо с иной периодичностью), что соответствует частоте выплат в счет погашения кредита, которая принята среди большинства кредитных учреждений.

C. Оптовые поставщики

Оптовые поставщики тоже ведут подобный учет платежей, поступающих от их клиентов, которые относятся к категории малого бизнеса. Эти данные можно использовать не только для оценки платежеспособности клиентов, но и для расчета их доходов. Анализ данных помогает выявить тенденции в динамике спроса, от которых будет зависеть оборот предприятий малого бизнеса в течение года, а информация о платежах, перечисляемых малыми предприятиями, может использоваться по аналогии с отчетами о кредитной истории, которые применяются в более традиционных условиях.

D. Розничные сети

Розничные сети тоже могут оказаться источником ценной информации, поскольку в развивающихся странах кассовые терминалы и программы лояльности получают все более широкое распространение. Данные о покупках могут использоваться для оценки дохода клиента. Если это не идет вразрез с законодательством о защите конфиденциальной информации, то, например, сведения о покупке таких товаров, как витамины и бытовые дезинфицирующие средства, можно использовать как показатель определенной озабоченности человека своим здоровьем, и такая информация может стать важным критерием для оценки склонности потенциального заемщика к рискованным поступкам. В дальнейшем эти сведения могут быть использованы для того, чтобы оценить вероятность неплатежей.

E. Государственные органы

Органы государственного управления собирают значительные объемы данных о населении страны, на основе которых принимаются решения и реализуются меры государственной политики, включая программы социальной помощи. Многие развивающиеся страны формируют у себя механизмы, которые напоминают систему социального обеспечения в США. В рамках этих механизмов создаются базы данных, содержащие сведения о демографических характеристиках населения (включая дату рождения, место жительства и род занятий), которые могут быть использованы для оценки риска неплатежей, если это не запрещено законом. Также органы власти могут вести учет данных переписи населения (в том числе о среднем доходе жителей отдельных регионов), с помощью которых тоже можно прогнозировать риски. Кроме того, государственные органы, которые осуществляют денежные переводы и распределяют социальные выплаты, тоже обычно ведут учет всех платежей, и кредитные учреждения могут опираться на эти сведения при расчете уровня дохода.

В 2009 г. правительство Индии обратилось к Нандану Нилекани (Nandan M. Nilekani), одному из основателей компании Infosys — гиганта в сфере аутсорсинга, с просьбой запустить масштабный проект, в рамках которого каждый из 1,2 млрд жителей Индии получит собственную идентификационную карту. У каждой карты будет свой уникальный идентификационный номер — как номер социального обеспечения в США. Также в карту будет встроена микросхема с биометрическими данными (например, отпечатками пальцев), которые будут использоваться для удостоверения личности. В рамках этого проекта правительство страны рассчитывает собрать обширную базу данных, начиная с фотографий и заканчивая сведениями о банковских счетах, и значительная часть этих данных будет доступна в центральном хранилище. Программа была запущена в 2011 г. Ожидается, что за первые пять лет ее работы новые удостоверения получат 600 млн человек.

F. Собственные данные финансовых учреждений, которые прежде не использовались

Также кредитные организации могут обратить внимание на собственные данные, которыми они не пользовались раньше. Одно преуспевающее кредитное учреждение обнаружило у себя архив с информацией о сотрудничестве с некоторыми предприятиями малого бизнеса, которые как раз относились к целевой аудитории его нового проекта, — только эти записи хранились в бумажном, а не в электронном виде, и поэтому их не сразу нашли. Рабочая группа вручную ввела эти сведения в электронную систему, после чего организация смогла проанализировать их и выбрать заемщиков, соответствующих заданным критериям. Другие учреждения тоже выполняли подобные действия, включая проведение опроса клиентов новой партнерской организации (например, оптовой компании) в целях сбора нужной информации.

Иногда решение может оказаться еще проще. Например, многие крупные банки при оценке кредитоспособности своих текущих клиентов до сих пор не принимают во внимание такие очевидные данные, как сальдо их сберегательных и расчетных счетов, а также операции по этим счетам и соответствующие тенденции.

Обеспечить доступ к необходимым данным

Самый простой способ получить доступ к данным — заплатить за них. В некоторых ситуациях такой вариант весьма эффективен, но считать его идеальным нельзя, поскольку он ведет к росту затрат. А некоторые данные (например, собранные с помощью кассовых терминалов в розничных сетях) в принципе невозможно купить в силу законодательных или иных ограничений. Более эффективное решение — вступить в партнерство с другими организациями и получить доступ к данным на условиях, выгодных для каждой из сторон.

Многие компании, которые никак не связаны с предоставлением финансовых услуг, могут извлечь выгоду из партнерских отношений с финансовыми учреждениями. Например, операторы мобильной связи способны существенно повысить свою привлекательность в глазах потребителей, если начнут предоставлять услуги кредитования через мобильный телефон. Это поможет им не только стимулировать лояльность абонентов, но и увеличить свои доходы за счет более активного использования мобильной связи существующими клиентами. Также операторы мобильной связи могут обратиться за помощью к своим партнерам из банковской отрасли, чтобы точнее оценить кредитные риски в случае перехода абонентов с предоплаты на постоплату по контракту. Если законодательство не разрешает операторам мобильной связи открыто делиться своей информацией об абонентах, можно придумать способ, как побудить последних обратиться в кредитную организацию по собственной инициативе. Например, операторы могут провести оценку рисков по отдельным абонентам и отправить предложение о выдаче кредита тем, кто соответствует определенным критериям. После этого абоненты могут по своему усмотрению решить, хотят ли они делиться своей личной информацией с кредитной организацией в процессе подачи заявки на получение кредита.

С той же целью кредитные учреждения могут привлекать к сотрудничеству компании коммунальной сферы и оптовые компании; другими словами, компании коммунальной сферы и оптовые компании могут сами открыть новое направление, специализирующееся на кредитовании, при более или менее активной поддержке банка. В роли партнеров также могут выступать розничные сети. Подобное сотрудничество ускорит процесс внедрения кассовых терминалов и прочих технологий, помогающих собрать ценные данные о покупателях. В некоторых регионах мира уже появились такие партнерские организации. Например, розничные сети могут предлагать кредит на покупки в своих магазинах, что будет способствовать росту оборота и укреплению отношений с покупателями. В таком случае оборудование, применяемое для выдачи кредита, может также быть использовано для отслеживания операций. Кроме того, кредитные организации могли бы выступать в роли партнера в рамках программ лояльности при выдаче покупателям бонусных карт, которые помогут розничным сетям собирать информацию о покупательских привычках своих клиентов.

Партнерство с государственными органами может принести практическую выгоду, поскольку государство собирает немало информации о своих гражданах. Для государства выгода от такого сотрудничества будет заключаться в повышении охвата населения финансовыми услугами. Во многих странах государственные органы уже начали поддерживать развитие кредитных бюро, чтобы одновременно повысить эффективность кредитования и уберечь потребителей от переоценки своих возможностей.

Органы государственного управления не зря беспокоятся по поводу распространения личных сведений о гражданах своей страны. Подробнее об этом см. врезку «Преимущества эффективных систем защиты конфиденциальной информации для кредиторов и заемщиков».

На основе собранных данных сделать выводы о кредитоспособности

Многие игроки на рынке потребительского кредитования используют усовершенствованные средства моделирования кредитных рисков. Но, чтобы применить данные из описанных выше новых источников на практике, понадобится внести существенные коррективы в поведение людей, технологии и применяемый подход. Три основных направления изменений — человеческие ресурсы, информационные технологии, а также взаимодействие между специалистами по оценке рисков и подразделениями маркетинга.

Человеческие ресурсы. Скорее всего, даже самым успешным руководителям придется развивать новые навыки, чтобы разработать такие модели оценки рисков, которые учитывали бы возможности прогнозирования на основе имеющихся данных. Кредитные организации должны будут привлечь к этому процессу профессионалов из разных областей, в первую очередь — специалистов по статистике, обладающих техническими навыками анализа переменных, определяющих величину риска. Это может означать, что придется увеличить штат сотрудников со степенью кандидата наук, которых во многих банках и так уже немало. Однако даже небольшое снижение уровня убытков полностью покроет расходы на привлечение этих специалистов. Если же в кредитной организации прежде не было сотрудников такого уровня, то масштабы выгоды будут соответственно больше.

Среди прочих ресурсов, которые следует задействовать кредитным учреждениям, можно выделить экспертов в тех направлениях бизнеса, откуда поступают данные, включая, как вариант, сотрудников партнерских организаций. Специалисты по маркетингу и руководители из сферы продаж могут поделиться ценной информацией о покупателях, а также придумать новые способы применения более подробной оценки рисков для повышения эффективности управления жизненным циклом покупателя.

Информационные технологии. Кроме того, кредитным организациям потребуется более мощная вычислительная техника. Как правило, данные кредитных бюро, включая сведения об использовании кредитных линий, нарушениях и заявках на выдачу кредита, опираются на ограниченное количество событий, связанных с финансовыми услугами. Однако информация из новых источников, в том числе данные операторов мобильной связи, могут измеряться гигабайтами — даже для небольшой базы потенциальных клиентов. Есть риск, что при обработке таких огромных массивов данных программное обеспечение, которое применяется большинством финансовых организаций для статистического анализа, может перестать справляться со своими задачами. Кредитным учреждениям придется вкладывать средства в покупку более мощной вычислительной техники и соответствующего программного обеспечения. Последние достижения в сфере облачного программирования позволяют найти решение по более разумной цене, чем прежде.

Взаимодействие между специалистами по оценке рисков и подразделениями маркетинга. Кроме того, кредитным организациям необходимо разработать план действий по сбору данных из нетрадиционных источников. Многие рабочие группы по оценке кредитных рисков занимаются примерно той же деятельностью уже несколько десятилетий. Они составили полный список стандартных индикаторов, включая расчет темпов роста или применение фиктивной переменной для выявления клиентов, которые хотя бы однажды не выплачивали долг вовремя. Но если перед вами таблица, в которой 300 платежей, 2000 телефонных звонков и 4000 сообщений потенциального клиента за прошлый год, то для оценки кредитных рисков специалистам потребуется хорошо продуманный план анализа данных.

Для начала необходимо как минимум обратиться к собственным специалистам по исследованию потребительского поведения, которые обычно работают в службе продаж или отделе маркетинга. Например, опытный эксперт в розничной торговле может указать на то, что потребитель с ограниченным доходом покупает бензин в небольшом количестве и на круглую сумму, а тот, кто не задумывается о том, сколько надо будет заплатить за заправку автомобиля, покупает больше и не стремится к круглой сумме. Аналогичным образом, люди, которые покупают бензин в праздники, когда цены выше обычного уровня, ведут себя более расточительно по сравнению с теми, кто стремится сэкономить и заправляет автомобиль накануне праздников. Если взять двух потребителей с одинаковым уровнем достатка, то тот, кто склонен к экономной модели поведения, будет более предпочтительным кандидатом на получение кредита.

Более тесное взаимодействие между специалистами по оценке рисков и подразделением маркетинга также может вывести компанию на совершенно новые сегменты потребителей. Если традиционный подход маркетологов подразумевает, что они выбирают целевые аудитории и обращаются к специалистам по оценке рисков с просьбой разработать соответствующие модели, то теперь эти специалисты способны указывать маркетологам на новые источники данных, которые помогут им наладить связь с сегментами, прежде не входившими в число приоритетных.

Во врезке «Новаторы в управлении кредитными рисками» приводятся примеры того, как некоторые ведущие компании использовали эти идеи в своей работе.

Новаторы в управлении кредитными рисками

Все больше кредитных учреждений извлекают выгоду за счет использования нетрадиционных источников информации.

Оптовая компания Grupo Martins из Бразилии создала совместное предприятие с бразильским банком, чтобы кредитовать мелкие розничные точки, торгующие потребительскими товарами. Со временем это совместное предприятие превратилось в самостоятельный банк — Tribanco. Уже через пару лет на долю банка приходилось около 50% консолидированной чистой прибыли Grupo Martins. Таким образом, этот эксперимент обусловил полное преобразование компании.

Одна азиатская компания, специализирующая на потребительском кредитовании, начала с того, что собрала группу специалистов по маркетингу, силами которой были составлены модели оценки рисков для разных наборов показателей, присущих конкретным группам или типам людей, включая такие сегменты, как «мигранты в поисках успеха» (целевая группа) и «отчаянные» (нежелательные клиенты). После этого маркетологи объединили усилия со специалистами по статистике, чтобы проанализировать доступные данные, включая идентификационные номера и номера телефонов, и найти творческий подход к оценке потребительского поведения, включая историю переездов. Такая работа принесла пользу: сотрудники пришли к выводу, что определенные маршруты миграции были связаны с существенно более низкими кредитными рисками. Соответственно, на основании данных о смене места проживания можно выделить наиболее привлекательных клиентов.

Та же самая азиатская компания обнаружила, что анализ дисциплины при оплате счетов за мобильную связь позволяет на 60% точнее предугадать вероятность просрочки выплат по кредиту на небольшую сумму, чем сравнение с данными по несвоевременному погашению ссуд, взятых в других банках. Даже по тому, какой тариф оплаты телефонной связи выбирал человек (казалось бы, малозначительный показатель), можно было сделать столь же точный прогноз кредитных рисков, как при использовании второго по предсказательной силе показателя в списке кредитного бюро.

Компания из Латинской Америки, занимающаяся потребительским кредитованием, обнаружила, что за счет выявления абонентов на тарифах с предоплатой, которые регулярно пополняют свой счет, можно почти в два раза повысить точность прогнозов по сравнению с моделями, опирающимися на обычные демографические показатели.

Еще одна кредитная организация обнаружила, что анализ договорных условий и движения соответствующих финансовых потоков между представителями малого бизнеса и их основными поставщиками позволяет сделать неожиданно точные прогнозы. Коэффициент Джини в этих прогнозах в среднем равнялся 35, что вполне сопоставимо с показателями прогнозирования на основе переменных с самым высоким уровнем корреляции, предлагаемых кредитными бюро в развитых странах (для таких показателей этот коэффициент обычно составляет от 25 до 45).

Китайская торговая интернет-площадка Alibaba разработала свой собственный кредитный рейтинг под названием Ali-loan, рассчитываемый на основе данных о сделках, заключаемых через этот портал. Готовые рейтинги продаются кредитным учреждениям. Их коллеги из развитых стран буквально умирают от зависти — ведь за счет использования этих рейтингов долю проблемных кредитов удается довести до 0,35%.

Гигант продовольственного рынка из Бразилии JBS в 2008 г. запустил собственную программу Banco JBS, чтобы обеспечить кредитование для фермеров и других своих поставщиков. Все эти компании обратились к нетрадиционным источникам информации для оказания финансовых услуг кредитоспособным представителям населения и бизнеса с относительно низкими доходами, обслуживать которых в рамках традиционного подхода было бы значительно сложнее (или даже невозможно).

* * *

Организации, которые стремятся охватить сегменты с относительно низким уровнем дохода, должны задать себе три вопроса:

  • Стратегия и навыки. Какова моя стратегия управления рисками на основе имеющихся данных и есть ли у меня навыки, необходимые для ее воплощения?

  • Конкуренция за партнеров. Кто будет подходящим партнером для моей компании? Рискуем ли мы проиграть, если кто-то из конкурентов опередит нас и начнет сотрудничать с наиболее выгодными партнерами (в том числе с операторами мобильной связи, розничными сетями, оптовыми компаниями или компаниями коммунальной сферы) раньше, чем мы?

  • Более выгодный результат для заемщиков. Каким образом мы можем применить новые навыки на основе альтернативного подхода к оценке рисков, чтобы гарантировать правильный подход к кредитованию и поддержку клиентов в принятии верных финансовых решений (например, за счет использования адресных оповещений и предложения нужным клиентам дополнительных продуктов помимо кредитования)?

Финансовые учреждения и организации, которые найдут ответы на эти вопросы, получат возможность оказать значительное влияние на развитие общества и принести ощутимую дополнительную выгоду своей компании.

Статья опубликована в брошюре Экспертной группы McKinsey по рискам в 2012 г.

Об авторах:

    Тобиас Баер (Tobias Baer) — руководитель международной аналитической группы по анализу кредитных рисков, работает в офисе компании McKinsey, Тайбэй
    Тони Голанд (Tony Goland) — старший партнер McKinsey, Вашингтон
    Роберт Шифф (Robert Schiff) — младший партнер McKinsey, Нью-Йорк


    [1] Alberto Chaia, Tony Goland, Robert Schiff, et al. Half the world is unbanked // Financial Access Initiative and McKinsey & Company, October 2009; Alberto Chaia, Tony Goland, and Robert Schiff. Counting the world’s unbanked // McKinsey Quarterly, March 2010; Tony Goland, Peer Stein, and Robert Schiff. Two trillion and counting // International Finance Corporation and McKinsey & Company, October 2010.

    [2] Mobile world celebrates four billion connections // GSMA, February 11, 2009.



РЕКОМЕНДАЦИИ    
   


Бюджетирование с шаблонами бюджетов и финансовой моделью НЕ ПРОПУСТИТЕ:

Как управлять компанией с помощью бюджетов? Получите финансовую модель прогнозирования для постановки целей компании и сотрудникам на семинаре «Бюджетирование с шаблонами бюджетов и финансовой моделью».

ДЕТАЛЬНЕЕ ►

Примечание: Точка зрения авторов статей может не совпадать с точкой зрения редакции Management.com.ua.
Для авторов: Редакционная политика портала.

система корекції помилок Внимание! На сайте работает система коррекции ошибок. Найдя ошибку в слове (фразе), выделите его и нажмите Ctrl+Enter.

ЧИТАЙТЕ ТАКЖЕКНИГИ ПО ТЕМЕ
Классная цена. О секретах умного ценообразованияКлассная цена. О секретах умного ценообразования
Функционально-стоимостной анализ. Практическое применениеФункционально-стоимостной анализ. Практическое применение
Переиграть Уолл-стритПереиграть Уолл-стрит
Все об акциях. Легкий способ начать свой путьВсе об акциях. Легкий способ начать свой путь
Всё о распределении активовВсё о распределении активов

Отзывы

Отзывы на данный момент отсутствуют

Ваше имя:
E-mail:
Комментарий: 
 

  

Успешные инвестиции начинаются с бонуса 100%

bigmir)net TOP 100
МЕТОДОЛОГИЯ: Стратегия, Маркетинг, Изменения, Финансы, Персонал, Качество, ИТ
АКТУАЛЬНО: Новости, События, Тенденції, Интервью, Бизнес-образование, Комментарии, Рецензії, Консалтинг
СЕРВИСЫ: Работа, Семинары, Книги, Форумы, Глоссарий, Ресурсы, Статьи партнеров
ПРОЕКТЫ: Блог, Видео, Визия, Визионеры, Бизнес-проза, Бизнес-юмор

RSS RSS Актуально   RSS RSS Методология   RSS RSS Книги   RSS RSS Форумы   RSS RSS Менеджмент@БЛОГ
RSS RSS Видео  RSS RSS Визионери   RSS RSS Бизнес-проза   RSS RSS Бизнес-юмор


Copyright © 2001-2016, Management.com.ua
Портал создан и поддерживается STRATEGIC

Подписка на Менеджмент Дайджест

Получайте самые новые материалы на свой e-mail (1 раз в неделю)



Спасибо, я уже подписан(-а)