Вам отказано: украинский fintech вычисляет проблемных клиентов

Строить бизнес на взаимном доверии партнеров - это красиво. Но в XXI веке есть способы понадежнее, чем просто честное слово и крепкое рукопожатие. Это всевозможные скоринговые модели и системы, которые предсказывают проблемность контрагента еще до того, как он навредил репутации или не вернул долг. Или вовремя сигнализируют, что финансовая стабильность бизнес-партнера затрещала по швам.

Несколько подобных проектов пришли в fintech-акселератор Popcorp от UKRSIBBANK BNP Paribas Group и Radar Tech. Здесь они точно востребованы. Банкам и финансовым компаниям ежедневно приходится принимать сотни и тысячи решений по частным и корпоративным кредитам. Снизить вероятность ошибки даже на проценты - значит, сэкономить сотни тысяч и миллионы гривен.

В этом материале LIGA.net рассказывает о еще двух стартапах-участниках акселератора в рамках совместного спецпроекта. Кстати, на днях обе команды выиграли путевку в Кремниевую Долину на одну из крупнейших конференций по искусственному интеллекту "AI & Big Data Expo".

Узнать о контрагенте все и немного больше

“В Украине достаточно низкая культура проверки контрагентов. Люди заключают сделки на большие суммы, не проводя вообще никакого анализа. Просто нашел человек низкую цену, и в голову ему даже не закралась идея, почему цена низкая”, - говорит Евгений Дудник, продакт-менеджер YouControl.

Компанию YouControl в украинской деловой среде знают неплохо. Уже 4 года проект занимается разработкой аналитической системы для проверки контрагентов. На основе открытых данных она формирует полное досье компании. Благо, реестров в Украине открывается все больше, а доступ к ним - все проще. Это подтолкнуло команду к новому продукту.

В PopCorp пришел костяк команды: СЕО компании Сергей Мильман, бизнес-аналитик Роман Корнилюк, сам Евгений Дудник, а также Антонина Ряховская, глава PR-службы. “Это наша фантастическая четверка”, - улыбается Дудник.

По его словам, в какой-то момент в компании поняли, что просто извлекать информацию - недостаточно. YouControl решила заняться скоринговыми модулями: когда человек получает комплексную оценку рисков сотрудничества с клиентом или партнером. Так появился YouScore.

Команда разбила на категории всю информацию, что YouControl выдает из реестров, и создала модули. Они построены на технологии API - стандартного интерфейса, с помощью которого программы общаются между собой. “YouScore - следующий шаг YouControl. Не нужно смотреть информацию на сайте - вместе с анализом вы получаете ее прямо в свою учетную систему: CRM, ERP или любой другой софт для ведения предприятия”, - объясняет Евгений Дудник.

Например, банку нужно проверить благонадежность какого-то контрагента. Привычный путь - сотрудник банка заходит в реестры или на тот же YouControl, собирает всю необходимую информацию, обрабатывает ее и принимает решение о сотрудничестве. Все это требует времени.

По словам Евгения Дудника, сейчас в системе 15 модулей. Клиент получает доступ ко всем, но может тонко настроить их работу вплоть до каждого отдельного поля из реестра.

Что же умеют модули?

Одни выдают краткую и развернутую информацию о клиенте. Другой указывает, входит ли компания, с которой вы собираетесь сотрудничать, в сферу интересов каких-либо политиков, олигархов, агро- или промышленных групп.

Третий блок отвечает за налогообложение и налоговые долги. Например, если вы видите, что потенциальный контрагент должен государству, то сразу понимаете, что согласно законодательству в первую очередь он будет погашать долг, а не рассчитываться с вами”, - говорит Дудник.

Есть модули, которые проверяют компанию по спискам санкций, в том числе международным. Причем проверяется и то, не актив ли она физлица, попавшего под санкции. По АРI можно получить годовую финансовую информацию, численность персонала, данные о смене владельцев.

Отдельно продакт-менеджер YouScore рассказывает об уникальных разработках, которые реализованы отдельными модулями: FinScore, MarketScore и ComplianceScore.

FinScore был первым экспериментом еще до общего продукта. Специалисты YouControl проанализировали более 20 000 предприятий на отрезке в 7 лет и вывели показатели, которые свидетельствуют о финансовой стабильности компании. Предприятия получают индекс от A до D. Разобраться просто: по расчетам FinScore, компании с индексом D становятся банкротами в 8-10 раз чаще, чем с индексом А. Значит, сотрудничать с ними нужно осторожнее - если вообще сотрудничать.

MarketScore показывает долю компании на рынке и долю в конкретном секторе. А ComplianceScore - это проверка контрагентов на предмет соответствия законодательству и внутрикорпоративным стандартам. Это очень важная функция для банка или, как говорит Дудник, его “первая линия защиты от неблагонадежных клиентов”. Модуль проверяет наличие судебных дел и анализирует порядка 30 сценариев, которые могут указывать на проблемность контрагента. К примеру, в компании часто меняется директор. Или промышленное производство зарегистрировано на какой-то квартире.

Команда целит в крупный бизнес, который имеет дело с большим количеством клиентов. Приоритетные направления - банки и финучреждения, консалтинговые, страховые и аудиторские компании.

Сейчас клиентская база проекта - порядка 10 крупных финансово-кредитных организаций, которые тестируют YouScore. С некоторыми подписаны договора.

В YouScore делают упор на сокращение ручного труда.

Из общей команды YouControl в 70 человек над продуктом трудятся порядка 20: программисты, аналитики, дизайнеры, райтеры. Деньги на разработку берутся от деятельности компании. На данном этапе, по словам менеджера, развитие YouScore стоит порядка $10 000 в месяц.

“Дорабатываем модули, чтобы стандартизировать и унифицировать их”, - говорит Евгений Дудник. Главная цель проекта в акселераторе - собрать обратную связь и сделать YouScore максимально подходящим для большинства клиентов.

Строить модели оценки рисков за считанные минуты

На небе только и разговоров, что о море, а в банках только и размышлений, что о кредитном скоринге. Как определить, насколько благонадежен клиент, который пришел занимать деньги? Как снизить вероятность потери денег? Но и как не отказать хорошему заемщику?

На помощь приходят математики и программисты. Опираясь на теорию вероятностей, методы искусственного интеллекта и алгоритмы работы с большими данными, они строят модели, которые оценивают риски выдачи денег тому или иному человеку или компании. Нужно только “скормить” нейросетям достаточное количество подготовленных исторических данных.

Вот только при построении таких моделей даже с использованием самых продвинутых автоматизированных систем нужен квалифицированный специалист. Обязательно с хорошим пониманием математики процесса и навыков программирования на языке системы. Ведь он должен слепить из "конструктора" модели то, что нужно.

Найти таких людей непросто и недешево. И даже в продвинутом конструкторе собрать эффективную и устойчивую модель обычно занимает недели и даже месяцы.

Проект IntelScoring решил заняться этой проблемой. Там сделали систему, которая строит модель автоматически и позволяет не зависеть от квалификации аналитиков.

По словам руководителя проекта Андрея Матвийчука, команда тщательно проанализировала все стандартные алгоритмы альтернативных систем. И на каждом этапе смогла предложить улучшения.

В системе IntelScoring реализован функционал эффективного анализа данных и выявления скрытых закономерностей. Он позволяет строить максимально точные и устойчивые модели за считанные минуты.

По словам Матвийчука, на одном и том же массиве данных модели, построенные IntelScoring, систематически демонстрируют прирост эффективности - вплоть до +25% - в сравнении с моделями, построенными в других системах. Бизнес получает двойной профит: экономия за счет автоматизации процессов и повышение доходности за счет более точного прогноза.

Сам Матвийчук - директор Научного парка КНЭУ, профессор кафедры экономико-математического моделирования КНЭУ имени Вадима Гетьмана. Он занимается разработкой информационных систем и построением математических моделей с конца 1990-х. А в середине 2000-х годов в рамках своей докторской диссертации реализовал ряд моделей диагностики банкротства предприятий на основе классических инструментов, а также используя методы искусственного интеллекта.

“По этому направлению я получил 2 гранта Президента Украины, пару международных грантов и практически все государственные премии в Украине для молодых ученых”, - рассказывает Андрей Матвийчук.

Хотя в фундаменте системы - годы опыта в моделировании и программировании, на ее разработку ушло меньше года чистого времени. Что же касается монетизации, в команде видят 2 основных способа:

1) система уже развернута в облаке и с ней можно работать по принципу SaaS (software-as-a-service) - здесь оплата может быть как помесячной, так и с учетом объема обработанных данных, количества построенных моделей и т.д.;

2) система развернута в инфраструктуре банка (или другой организации, которая ее приобрела), настраивается на взаимодействие с источниками данных; периодически проводятся ее обновления согласно лицензионному соглашению - здесь она может поставляться отдельными модулями, настроенными для решения конкретных задач.

Пока что стартап зарабатывает ситуативно. Например, был контракт с Первым всеукраинским бюро кредитных историй. Отдельно идут проекты, реализуемые через научный парк. Также команда готовит курс по моделированию и машинному обучению для крупного международного банка. Были задачи от нескольких банков с иностранным капиталом, ряда микрофинансовых и IT-организаций.

Пока система проходит тестирование в финансовых учреждениях, команда совмещает разработку с основной занятостью. Помимо Матвийчука в ней несколько человек. Юрий Клебан - математик и разработчик, заведующий отделом информационных технологий научной библиотеки Острожской академии. Антон Бочаров - разработчик в датской компании, специалист по распределённым высоконагруженным системам. Ярослав Башенко руководит бизнес-трансформацией одной из крупнейших международных IT-компаний Украины. Григорий Ковальский - юрист, а его брат Дмитрий – аналитик, оба опытом работы в украинских и международных банках и IT-компаниях.

IntelScoring уже развернута в облаке и реализует основной функционал, связанный с быстрым автопостроением моделей.

Для системы неважно, какие показатели используются для моделирования. Например, для анализа кредитных рисков могут использоваться показатели из кредитных заявок, персональных данных, информации о кредите, бюро кредитных историй. То есть десятки или сотни параметров - от возраста, пола, зарплаты и стажа работы заемщика до средней длительности просрочки. IntelScoring выявляет, как зависит от характеристик то, как клиент платит по кредиту, и генерирует наиболее эффективную модель.

При этом модель должна показывать наибольшую точность не только на той выборке, на которой ее настраивали, но и на новых данных. Тогда ее можно использовать для оценки надежности новых клиентов.

По его словам, IntelScoring уже проявила свою эффективность не только в кредитном скоринге, а и комплайенсе, корпоративном кредитовании, маркетинге. Создатели прогоняли ее и через задачи бизнеса - например, можно достаточно точно оценить вероятность выигрыша в тендере. Или медицины - на основе данных медобследования плюс информации о регионе, социально-демографических характеристик, экологических показателей система выдает оценку вероятности возникновения сердечно-сосудистых заболеваний. Причем, как говорит Андрей Матвийчук, практически со 100%-й точностью.