1484

Это только небольшой список решаемых задач. Фактически речь идет о любых задачах, где требуется консолидировать данные, отобразить их различными способами, построить модели и применить полученные модели к новым данным.

2.2.3. Состав системы

Deductor состоит из пяти частей:

1.Studio – программа, реализующая функции импорта, обработки, визуализации и экспорта данных. Deductor Studio может функционировать и без хранилища данных, получая информацию из любых других источников, но наиболее оптимальным является их совместное использование. В Deductor Studio включен полный набор механизмов, позволяющий получить информацию из произвольного источника данных, провести весь цикл обработки (очистку, трансформацию данных, построение моделей), отобразить полученные результаты наиболее удобным образом (OLAP, диаграммы, деревья…) и экспортировать результаты на сторону.

2.Viewer – рабочее место конечного пользователя. Позволяет отделить процесс построения сценариев от использования уже готовых моделей. Все сложные операции по подготовке сценариев обработки выполняются аналитиками-экспертами при помощи Deductor Studio, а Deductor Viewer обеспечивает пользователям простой способ работы

сготовыми результатами, скрывает от них все сложности построения моделей и не предъявляет высоких требований к квалификации сотрудников.

3.Warehouse – многомерное хранилище данных, аккумулирующее всю необходимую для анализа предметной области информацию. Использование единого хранилища позволяет обеспечить непротиворечивость данных, их централизованное хранение и автоматически обеспечивает всю необходимую поддержку процесса анализа данных.

4.Server – служба, обеспечивающая удаленную аналитическую обработку данных. Позволяет автоматически обрабатывать данные и переобучать модели на сервере, оптимизирует выполнение сценариев за счет кэширования проектов и использования многопоточной обработки.

5.Client – клиент доступа к Deductor Server. Обеспечивает доступ к серверу из сторонних приложений и управление его работой.

31

Реализованная в Deductor архитектура позволяет добиться максимальной гибкости при создании законченного решения. Благодаря данной архитектуре можно собрать в одном аналитическом приложении все необходимые инструменты анализа и реализовать автоматическое выполнение подготовленного сценария.

Технологическая платформа включает средства, позволяющие максимально сократить время разработки, быстро создавать и выводить на рынок новые прикладные решения и в короткие сроки адаптировать их в соответствии с изменяющимися требованиями предприятий. Возможности платформы обеспечивают не только высокую скорость первоначальной разработки продукта, но и его быструю адаптацию в дальнейшем.

Создание законченного решения занимает очень мало времени. Достаточно получить данные, определить сценарий обработки и задать место для экспорта полученных результатов. Наличие мощного набора механизмов обработки и визуализации позволяет двигаться по шагам, от наиболее простых способов анализа к более мощным. Таким образом, первые результаты пользователь получает практически сразу, но при этом можно легко наращивать мощность решения.

2.2.4. Новый взгляд на данные

Deductor позволяет совершенно по-новому взглянуть на данные, выжимая из них максимум ценной информации. Он объединяет все необходимые для анализа инструменты и предоставляет пользователям огромные возможности:

1)мощная аналитическая платформа;

2)современные самообучающиеся механизмы анализа;

3)единое хранилище данных;

4)единый пользовательский интерфейс для любых механизмов анализа;

5)пакетное выполнение сценариев обработки;

6)удаленная аналитическая обработка;

7)отделение работы аналитика от конечного пользователя. Поддержка принятия решений стала неотъемлемой частью лю-

бой современной информационной системы, но большое количество унаследованных программ и высокая стоимость аналитического инструментария сдерживает распространение систем данного класса. С помощью Deductor эта проблема решается. Теперь благодаря доступ-

32

ной цене этого продукта мощные аналитические системы доступны большинству компаний.

В семействе программ «Император» реализован метод анализа иерархий.

2.3. Компьютерные системы поддержки принятия кредитных решений

Стремительное развитие бизнеса в банковской сфере, постоянное увеличение объемов обрабатываемой информации, возросшие требования к оперативности принимаемых решений требуют применения компьютерных систем поддержки принятия решений в финансовоэкономической сфере. Особенно можно отметить банковскую деятельность связанную с принятием кредитных решений.

2.3.1. Скоринговые кредитные решения и их поддержка

Скоринговая модель кредитования – одна из перспективных форм работы в области кредитования физических лиц. Потребительское кредитование в короткие сроки от традиционного оформления кредита с посещением клиентом офиса банка перешло на обслуживание клиентов по месту реализации товара. Технология ускоренного оформления кредита с минимальным предоставлением документов – это и есть новое явление в кредитовании, получившим название – скоринговая модель.

Хотя многие авторы связывают возникновение скоринга с именем Дэвида Дюрана, который, уходя в 1941 г. в армию, оставил своим коллегам-банкирам краткие рекомендации по отбору кредитоспособных заемщиков. По-видимому, скоринг в той или иной форме существовал еще с тех времен, когда начали систематически предоставляться займы в денежной или натуральной форме неограниченному кругу лиц.

В современной практике работы банков скоринговые системы используются уже достаточно давно, начиная с середины 50-х годов, когда в Сан-Франциско начала свою деятельность одна из первых и лидирующих ныне компаний по разработке скоринговых систем Fair Isaac Corporation (1956 г.).

Английский глагол score имеет среди своих значений следующие: подсчитывать очки, вести счет; как существительное score, в частно-

33

сти, означает количество набранных очков, оценку. Скоринговая система это алгоритм или методика, позволяющие на основе данных о потенциальном заемщике оценить его кредитоспособность. По существу система призвана дать категоризированную оценку степени кредитного риска по потенциальному заемщику. В простейшем и наиболее значимом для практики случае эта оценка бинарна: "выдать кредит" (или "заемщик кредитоспособен") либо "отказать в выдаче кредита" (или "заемщик некредитоспособен"). Величина кредитного лимита в скоринговых системах второстепенна. Как правило, основой расчета кредитного лимита служит оценка уровня доходов заемщика при условии его кредитоспособности. В качестве данных о потенциальном заемщике выступает доступная кредитору информация, как содержащаяся в представляемых заемщиком документах, так и получаемая "со слов" самого заемщика. Зачастую эти два вида данных имеют непустое пересечение: например, данные о доходах, указываемые заемщиком в анкете, подтверждаются соответствующими справками и документами об уровне этих доходов. Фрагмент примерного (возможного) перечня данных для скоринга может иметь следующий вид:

-уровень среднемесячного дохода за последние 6 месяцев;

-стаж работы на последнем месте работы;

-возраст;

-семейное положение;

-количество лиц, находящихся на иждивении;

-образование;

-должностной статус;

-наличие в собственности недвижимости и другое.

Каждый вид используемой в скоринге информации обычно называют характеристикой или фактором (например, стаж работы на последнем рабочем месте; семейное положение и т.п.). Некоторые характеристики потенциального заемщика (возраст) имеют числовой характер, некоторые (образование) дискретный нечисловой (категоризированный). Очевидно, что в скоринге целесообразно использовать, наиболее, существенные, важные для правильного принятия решения относительно оценки кредитоспособности характеристики. Их выбор ограничен наличием информации о заемщике и степенью ее документального подтверждения. Тем не менее, в анкетах и представляемых заемщиком документах содержится достаточно данных для организации первоначальных работ по скорингу. Определение кон-

34

кретной системы факторов для скоринга может быть сделано как на основе экспертных оценок кредитных работников, так и с использованием статистических методов.

Можно выделить следующие этапы построения скоринга:

-определение интересующей характеристики;

-сбор 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.

Внедрение скорингового решения позволяет:

1. Повысить доходность кредитных операций за счет снижения кредитных рисков. Оценивать риски дефолтов, просрочек, досрочного возврата и давать рекомендации по условиям кредита.

2. Обоснованно выводить на рынок новые кредитные продукты, анализируя конъюнктуру рынка на основе накопленных банком данных.

3. Снизить издержки банка на операциях по выдаче кредитов за счет автоматизации принятия решений, увеличить скорость принятия решений при массовом кредитовании.

4. Централизованно контролировать принимаемые кредитные решения, управлять влиянием человеческого фактора на принятие решений.

5. Управлять кредитным портфелем банка в соответствии с текущей кредитной политикой банка. Оценивать доходность/убыточность клиентов в портфеле, анализировать структуру портфеля.

6. Выявлять и предотвращать попытки мошенничества при обращении за кредитами.

Различают следующие виды скоринговых решений.

Application-скоринг оценка кредитоспособности заемщиков для получения кредита.

Вопрос адекватной оценки кредитозаемщика на стадии получения кредита стоит для отечественных банков крайне остро. По оценкам «РА Эксперт», весомая часть просроченной задолженности «заслуга» нескольких банков из топ-50, а с учетом ссуд, переданных коллекторским агентствам, доля «плохих долгов» в объеме кредитов физическим лицам у ряда игроков банковского розничного рынка достигает 25%. Таким образом, можно смело утверждать, что

35

Application-скоринг в настоящее время является наиболее актуальным типом скоринга для России.

Collection-скоринг – определение приоритетных дел и направлений работы в отношении заемщиков, состояние кредитного счета которых классифицировано как «неудовлетворительное».

Использование этого типа скоринга позволяет вести планомерную работу с просроченной задолженностью до момента ее передачи в коллекторское агентство. Опыт показывает, что значительную часть задолженности в ходе этой работы удается ликвидировать. Например, согласно результатам ряда исследований около 40% всех неплатежей приходится на забывчивых заемщиков, которые без всякого умысла забывают внести платеж по кредиту и «исправляются» после первых напоминаний.

Behavioral-скоринг (поведенческий скоринг) оценка динамики состояния кредитного счета заемщика.

Используемые для этой задачи вероятностные скоринговые модели позволяют спрогнозировать изменение платежеспособности заемщика, определить оптимальные лимиты по кредитной карте и т.д. Например, на основании поведения заемщика за предыдущие пять месяцев можно спрогнозировать его поведение в последующие два месяца. В России этот тип скоринга практически не применяется, причем не столько в силу отсутствия необходимости, сколько из-за отсутствия скоринговых систем, способных решать подобные задачи.

Fraud-скоринг – оценка вероятности мошенничества потенциального заемщика.

Этот тип скоринга, как правило, используется в связке с Application- и Behavioral-скорингом для более детального анализа поведения заемщиков. Его актуальность для российского рынка достаточно велика. По данным ряда отечественных банков откровенное мошенничество составляет до 10% от всех неплатежей, и этот показатель с каждым годом продолжает медленно, но неуклонно увеличиваться.

Рассмотрим функциональные возможности системы кредитного скоринга, необходимые для максимально эффективной работы банка.

1. Возможность создания скоринговых моделей, как экспертных, так и математических, а так же анализ и оценка финансовой эффективности вновь созданных моделей на базе кредитного портфеля и быстрая (в течение нескольких минут) интеграция их в работу.

36

Обычно эту возможность предоставляют специализированные приложения, которые позволяют создавать различные модели оценки заемщиков, начиная от простых бальных и заканчивая кластерным анализом, деревьями решений и нейросетями. Причем использоваться такие модели могут на разных этапах работы с заемщиком – как на этапе оценки заемщика при выдаче кредита, так и для скоринга мошенничества, прогнозирования своевременных взносов на погашение кредита и т.п.

2.Создание и дальнейшее использование стратегий анализа заемщиков.

Возможность оперативно создать, настроить и запустить в работу новый кредитный продукт является абсолютно необходимым качеством при работе на таком динамичном рынке, как российский рынок кредитования физических лиц.

3.Использование для анализа и скоринга информации из внешних источников – черные списки, кредитные бюро, локальные базы данных.

Такой подход позволяет использовать наиболее полный набор информации о заемщике на этапе рассмотрения кредитной заявки.

4.Возможность простого создания и управления правилами кредитной политики – система бонусов / штрафов для оценки потенциального заемщика.

Данная особенность дает возможность снизить риски связанные с использованием некачественных скоринговых моделей, либо с их отсутствием. При помощи различных правил задаваемых кредитным аналитиком или риск-менеджером создается система формирования рейтинга заемщика, где одни правила-условия увеличивают рейтинг,

адругие уменьшают.

5.Создание и управление правилами распределения заявок для кредитных специалистов с различными правами / ролями.

Одна из самых распространенных задач состоит в определении специалиста, которому при необходимости должна отправляться на рассмотрение та или иная заявка. Как правило «уровней» таких специалистов может быть много, начиная с сотрудника экономической безопасности и заканчивая кредитными экспертами.

6.Гибкая настройка интерпретации скорингового рейтинга для кредитных специалистов.

Важный элемент поддержки процесса принятия решения – возможность выработки скоринговой системой рекомендаций, замеча-

37

ний, подсказок и различного рода сообщений, что обеспечивает максимально объективную и качественную оценку заемщика. Правила формирования подобного рода сообщений определяет кредитный департамент или департамент риск-менеджмента.

7. Возможность быстрой и качественной оценки динамики изменения состояния кредитного счета отдельного заемщика и кредитного портфеля в целом.

С использованием развитой системы отчетности можно отслеживать адекватность работы как всей системы в целом, так и используемых скоринговых моделей и стратегий оценки заемщиков.

2.3.2. Интегрированные банковские системы

«Центавр-Дельта» и EGAR MacroScoring

В результате анализа современного рынка информационных систем были выделены следующие программные продукты, которые представлены сегодня на рынке кредитных решений: Фронт-офисное решение фирмы Daisoft, программное обеспечение компании R-Style Softlab, EGAR MacroScoring фирмы EGAR Technology, интегрирован-

ная банковская система «Центавр-Дельта» фирмы ПрограмБанк.

Эти системы позволяют осуществлять компьютерную поддержку процесса принятия решения, обеспечивают руководителя мощными информационными возможностями, современными средствами анализа, генерируют варианты решений, помогают оценить их и выбрать наилучший.

С 2001 года компания «Програмбанк» начала установку новой версии интегрированной банковской системы «Центавр» программного комплекса «Центавр-Дельта».

«Центавр-Дельта» – это многофункциональное решение, позволяющее осуществить комплексную автоматизацию всего спектра банковской деятельности:

-расчетно-кассовое обслуживание клиентов;

-валютные операции;

-операции по корреспондентским счетам;

-подготовку отчетов, документов, договоров;

-формирование сводной отчетности по всем филиалам;

-работу с физическими лицами;

-кредитно-депозитное обслуживание;

-операции с биржей;

38

-работу с ценными бумагами;

-операции доверительного управления;

-работу пунктов обмена валют;

-внутрихозяйственные операции банка;

-работу с филиалами, отделениями;

-настройку доступа к информации и функциям системы

имногие другие операции.

«Центавр-Дельта» это современное решение, основанное на технологии клиент-сервер, которое обеспечивает высокую производительность при автоматизации банковской деятельности и исключает затраты, связанные с традиционными SQL СУБД (системами управления базами данных).

Комплекс «Центавр-Дельта» это решение, основанное на технологии клиент-сервер, которое дает высокую производительность при автоматизации банковской деятельности и исключает затраты, связанные с традиционными SQL СУБД. Система "Центавр-Дельта" является развитием ИБС "Центавр/Центавр-ADS" и совмещает в себе все функциональные возможности ИБС "Центавр" с мощностью и на-

дежностью СУБД Advantage Database Server.

Комплекс «Центавр-Дельта» является современным решением для современных банков.

Комплекс спроектирован компанией «ПрограмБанк» с учетом богатого опыта работы на рынке автоматизированных банковских систем и является тщательно переработанным и технологически усовершенствованным преемником систем «Центавр/Центавр-ADS», пользователями которых являются многие банки.

Одновременно с выпуском системы «Центавр-Дельта» компания «ПрограмБанк» проводит исследования по созданию следующей версии комплекса, которая в будущем придет на смену Дельты. Разработка и проектирование проводятся таким образом, чтобы при переходе на более современную версию минимизировать как требуемые организационные и технические ресурсы клиентов, так и финансовые затраты. К примеру, для пользователей ИБС «Центавр/Центавр-ADS» переход на новую систему осуществляется в рамках сопровождения.

Комплекс «Центавр-Дельта» принадлежит к классу универсальных АБС, оптимальных для эксплуатации в небольших и средних банках. При существенном увеличении объема операций и количества пользователей системы, как правило, требуются индивидуальные решения автоматизации банковских процессов.

39

EGAR Technology /ЕГАР Технолоджи/ международная компания, специализирующаяся в области разработки программного обеспечения и показания профессиональных услуг для участников финансового рынка. Опираясь на глубокое знание предметной области и многолетний опыт сотрудничества с лидерами мировой финансовой индустрии, EGAR предлагает готовые программные продукты и специализированные решения, адаптированные к условиям российского рынка и успешно внедренные в России.

EGAR MacroScoring программное обеспечение для кредитных организаций, предлагающих услуги физическим лицам. Система предназначена для оценки кредитоспособности потенциальных заемщиков.

ПО имеет трехзвенную архитектуру. В качестве сервера прило-

жений используется MS Windows 2000 Advanced Server. ASP версия реализована на MS SQL Server 2000, а интерфейсы терминалов с использованием технологии JAVA application.

Система предназначена для решения задачи всесторонней оценки кредитоспособности потенциальных заемщиков и включает в себя как традиционные возможности скоринговых систем, так и принципиально новые элементы.

В основе EGAR MacroScoring лежат передовые научные и методические разработки западных и российских специалистов, учитывающие специфику российского рынка и уже апробированные в России.

Одной из главных черт системы является ее возможность реалистично оценить кредитоспособность физического лица, исходя из его социально-демографической принадлежности, а также динамики макроэкономических показателей рынка, независимо от наличия и состояния кредитной истории заемщика. При этом полученный результат учитывает конкретный тип кредитного продукта, предлагаемого заемщику, и особенности локального рынка кредитования, например, города или региона.

EGAR MacroScoring позволяет кредитной организации, в частности, рассчитать допустимые лимиты при задании различных показателей риска по кредитной сделке, включая риск досрочного погашения и дефолта заемщика, а также оценить потенциальные убытки. Системой поддерживается анализ сложных сделок с множеством созаемщиков и поручителей и динамический учет залогового качества основного и дополнительного обеспечения.

40