Разработчики компании «Займер» в числе первых проанализировали массив данных, накопленных в ходе работы микрофинансовой организации, и разработали специализированную скоринговую программу.
Специфика кредитного продукта формата PayDay Loans и его потребителей определила необходимость создания скоринговой программы с ориентацией на небольшие суммы и краткосрочные договоры займа. Для построения скоринговых моделей сервис онлайн-кредитования «Робот Займер» использовал такие математические методы, как логистическая регрессия, деревья классификации и нейронные сети.
Сегодня в работе компания «Займер» использует скоринговые модели с коэффициентом GINI=0,55 и выше. Данный показатель свидетельствует о хорошей дискриминирующей способности моделей. Программный комплекс осуществляет структурирование полученных данных и оценку кредитных рисков, он способен к самообучению и ретроспективному анализу поведения заёмщика МФО.
Эффективность работы скоринговых систем сервиса «Робот Займер» подтверждает стабильно низкий процент просрочки в общем объеме клиентов – показатель NPL 90+ в среднем равен 15%. При этом, уровень мошенничества в марте 2016 года снизился до 0,19% от общего числа одобренных заявок.
«При разработке сервиса «Робот Займер» мы изначально ориентируемся на уникальный продукт - создали все собственными силами: от программного обеспечения до скоринговых программ. К слову, компания «Займер», как и технологии в широком смысле, не стоит на месте и максимально быстро старается реагировать на те или иные изменения. Мы постоянно проводим мониторинг качества скоринговых моделей в процессе их эксплуатации, что позволяет нам своевременно улучшать работу», - комментирует Сергей Седов, генеральный директор сервиса онлайн займов «Робот Займер».
Скоринговая программа сервиса “Робот Займер” автоматически находит сведения по двум тысячам параметров. Используется такая информация, как данные ведущих бюро кредитных историй (ОКБ, НБКИ и Эквифакс) и сведения из доступных государственных баз данных. Также проводится анализ социально-демографических параметров: пол, возраст, адрес регистрации и проживания, семейное положение и состав семьи, образование, профессиональная деятельность и уровень дохода. Еще одна анализируемая категория данных - это идентификация заёмщика. Проводится сопоставление объективных данных с тем, что клиент рассказывает о себе в социальных сетях, оценка количества записей и их лингвистический анализ. Анализируется также круг друзей и фотографии клиента.
Исходя из анализа всего доступного объема данных, в каждом случае скоринговые модели сервиса “Займер” формируют индивидуальное предложение по сумме, сроку и процентной ставке предоставляемого займа.
