Для людей, не являющихся клиентами банка, получить кредит в нём практически невозможно. Ситуацию усугубляет то, что многие из кредитоспособных и лояльных клиентов могут классифицироваться как имеющие высокий риск по кредиту. Peter Barcak, директор и основатель CredoLab PTE Ltd, объясняет как AI может увеличить клиентскую базу банка.
Согласно мировой статистике 1,7 миллиарда людей не обслуживаются в банке. И ищущие кредит не-клиенты банка не всегда имеют высокий риск. Просто у них недостаточная кредитная история для подтверждения кредитоспособности. Технологии могут помочь идентифицировать безрисковое поведение типичных клиентов с долгой кредитной историей и найти похожие микроповеденческие паттерны у соискателей кредита и клиентов с короткой историей и баллами по FICO меньше 500.
Многие из клиентов с короткой кредитной историей кредитоспособны, но недостаток кредитных записей, нужных банку, не позволяет выдать им кредит. На фоне пандемии эта ситуация становится ещё хуже (клиенты с богатой кредитной историей могут стать клиентами с бедной историей). Поэтому банковские и небанковские финансовые организации вынуждены изменить оценку кредитоспособности, если они не хотят потерять клиентов. Например, решение CredoLab по кредитному скорингу работает с лучшими поведенческими данными в мире – данными смартфона и поведенческими метаданными в интернете.
Использование AI для поиска кредитоспособных клиентов
Построенный на основе более 30 миллионов кредитных заявок AI-алгоритм от CredoLab выявляет миллионы особенностей из данных смартфона и интернет-метаданных для поиска предсказуемых поведенческих паттернов перед конвертацией их в кредитные баллы.
Использование таких метаданных позволяет в реальном времени одобрять заявления на кредит от клиентов с короткой кредитной историей, молодежи, самозанятых – с высокой предсказуемостью, точностью и защитой конфиденциальности. В результате применения алгоритма удалось увеличить количество одобренных кредитов для новых клиентов на 20% и на 15% сократить количество проблемных кредитов.
Алгоритм кредитного скоринга на основе машинного обучения может быть встроен в любую существующую систему, что позволяет заявителю относительно просто получить кредит без посещения офиса, независимо от своей кредитной истории.
Что такое кредитные баллы?
Расчетные баллы могут помочь не-клиентам стать кредитоспособными клиентами. Например, на Филиппинах 77% населения не обслуживаются в банках из-за большого количества препятствий по открытию счета. Банковские комиссии делают финансовые услуги недоступными для поденщиков.
CredoLab работала с местными банками по анализу клиентов с короткой кредитной историей, используя скоринговую систему с AI на основе метаданных смартфона. Алгоритм оценки использует около 50 000 источников данных от клиентских смартфонов для преобразования клиентов с короткой историей в клиентов с длинной. Использовались только анонимные данные, CredoLab не читала клиентскую почту и тексты. Для анализа алгоритм использовал количество и тип установленных приложений, количество появившихся новых контактов и т.д. Эти данные собирались и выявлялась корреляция с аналогичными данными по ответственным получателям кредитов.
После запуска системы банк на Филиппинах смог привлечь один миллион клиентов в течение 10 месяцев. Такие же результаты были получены в Южной Азии, Африке и Индии.
Как работает технология кредитного скоринга на основе AI:
1. Анализ мобильного устройства и интернета
Алгоритм анализирует данные, которые генерирует пользователь, используя смартфон или заполняя заявку на кредит онлайн. От пользователя не требуется предоставлять доступ к банковским счетам, истории платежей или к аккаунтам в социальных сетях. Также не требуется заполнять длинную психометрическую анкету.
2. Источники данных
Собираются только анонимные метаданные для расчета альтернативных кредитных баллов. Личная информация заявителя, которая есть на мобильном телефоне, не используется.
3. Масштабируемость
Алгоритм AI обучается и становится более точным с ростом количества обработанных данных. Поэтому чем больше наблюдаемый набор данных, тем лучше скоринг.
4. Защита личных данных
Данные заявителя имеют первостепенное значение. Необходимо на простом языке объяснять пользователям, к каким данным мы обращаемся, почему мы обращаемся к ним и как мы обрабатываем эти данные. Политика конфиденциальности должна быть общедоступна для всех пользователей на сайте и на нескольких языках.
Кроме того, кредитный анализ не будет продолжен, если не будет получено согласие от пользователя на доступ к информации и не будет дан доступ к операционной системе мобильного устройства. После того, как разрешения будут получены, SDK и специальные приложения собирают только метаданные, не содержащие приватную информацию. Результаты анализа передаются только кредитору, обозначенному случайно сгенерированным идентификатором, и более никому.
Все это на выходе дает результат в росте количества одобренных кредитов для новых клиентов банка на 20%, сокращение количества проблемных кредитов на 15% и снижение мошенничества по кредитам на 22%. Так с помощью современных решений можно помочь небанковским клиентам стать клиентами с низким риском и достичь своих финансовых целей.
Автор:
Peter Barcak
Источник:
https://www.atmmarketplace.com/blogs/using-ai-to-find-credit-worthy-bank-customers/
