·наличие рабочих мест для каждого из специалистов, задействованных при выполнении Collection Strategy, обеспечивающих их взаимодействие как с должниками, так и между собой, согласно предустановленным ролям;
·возможность гибкой настройки процесса выгрузки данных. То есть возможность получать итоговые данные в удобном для пользователя виде;
·отчетность об эффективности воздействий и работе сотрудников в системе, миграции просрочек и других статистических закономерностях.
В процессе выполнения Collection Strategy к должнику применяется ряд автоматизированных действий. Эти действия должны также гибко настраиваться специалистами банка: задание/изменение текста писем, аудиофайлов, сообщений; наличие в системе средств автоматической рассылки сообщений (SMS, E-mail, автозвонок) с привязкой шаблона сообщения к типу должника; настраиваемое информационное сопровождение (подсказки, шпаргалки, шаблоны) рабочих мест специалистов.
Примененное воздействие приводит к некоему результату. То есть, например, для воздействия «звонок секретаря» результатом может быть отказ платить, невозможность дозвониться до должника и т.п. Результат сохраняется в Debtors Pool и определяет тип нового воздействия на должника на следующем цикле обработки сollection-заявки.
Упрощенно весь путь, проделываемый сollection-заявкой в системе сollection-скоринга, показан на рисунке 3.
Рисунок 3 - Общая схема движения сollection-заявки в автоматизированной системе сollection-скоринга
Результативность системы в большой степени зависит от практической реализации воздействий на должника. Рассмотрим пример практической реализации для каждого вида воздействий, применяемый в ВТБ 24.
. Звонок секретаря. Секретарь зачитывает текст, который генерируется системой на основании имеющихся данных (в том числе о предыдущих воздействиях) согласно задаваемым шаблонам, которые можно изменять.
. SMS. Текст SMS может строиться на основании нескольких различных шаблонов определяемых типом сообщения и применяемых в зависимости от содержания данных по кредитному делу (например, количество дней просрочки, наличие предыдущих воздействий).
. E-mail. Полностью автоматизированная отправка электронного письма системой. Текст письма также строится на основании нескольких различных шаблонов, определяемых типом сообщения.
. Auto Call. Система совершает автоматический звонок должнику с проигрыванием определенного аудиофайла. Тип аудиофайла определяется содержанием данных по кредитному делу.
. Письмо. Система формирует текст письма согласно имеющимся данным (выбирает тип письма, подставляет данные заемщика, срок просрочки и другие изменяемые поля в тексте письма) и вместе с другими параметрами письма отправляет посредством электронного письма соответствующему оператору, которому необходимо только распечатать письмо и отправить его по обычной почте.
. Звонок коллектора. Текст, произносимый коллектором, также генерируется системой на основании существующего шаблона и с учетом данных по кредитному делу.
. Неформализованное действие коллектора. Неформализованное действие коллектора также сопровождается системой. В качестве информационного сопровождения рабочего места коллектора может использоваться база законов и нормативных актов либо пособие по психологии.
. Hard Action. Формирование пакета информации для передачи на «жесткое» воздействие в коллекторскую компанию. Такое кредитное дело больше не возвращается в систему до тех пор, пока по нему не станет известен какой-либо результат - долг оплачен либо заемщик объявлен банкротом.
Такова в общих чертах схема работы эффективной системы collection-скоринга.
Как говорилось выше, необходимо наличие эффективного статистического аппарата, то есть возможности мониторинга деятельности системы. На практике такая возможность реализуется созданием отчетов по результатам collection-скоринга.
Такие отчеты можно условно разделить на две группы.
. Управленческие отчеты - позволяющие анализировать весь массив информации о деятельности системы. Такие отчеты могут строиться по любой информации из Debtor`s Pool (например, они могут отображать распределение должников по категориям, эффективности применяемых воздействий и т.п.). Кроме того, большую роль играет возможность отслеживать эффективность работы специалистов-коллекторов и всей системы collection-скоринга в целом. Для реализации такой отчетности обычно используют специальные подсистемы отчетности.
. Операционные отчеты - позволяющие мониторить состояние системы, например, статистику звонков за период, количество активированных за период рабочих мест специалистов и т.п. Такая отчетность обычно встраивается в рабочее место соответствующего специалиста-администратора. [28, 30]
Таким образом, кредитный скоринг - это инструмент, который необходим всем банкам для успешного преодоления кризиса. И, чтобы выжить в условиях кризиса, Банк мобилизовал все свои ресурсы как для обеспечения возвратов выданных кредитов, так и для улучшения своего кредитного портфеля. А технологии кредитного скоринга, в частности collection-скоринга, послужили эффективным лекарством для отечественного кредитования.
ЗАКЛЮЧЕНИЕ
Кредитные операции - основа банковского бизнеса, поскольку являются главной статьей доходов банка. Но эти операции связаны с риском невозврата ссуды (кредитным риском), которому в той или иной мере подвержены банки в процессе кредитования клиентов. Именно поэтому кредитные операции должны являться главным объектом внимания банков. Кредитная политика банка должна обязательно учитывать возможность кредитных рисков, предварять их появление и грамотно управлять ими, то есть сводить к минимуму возможные негативные последствия кредитных операций.
Таким образом, основной целью банка является нахождение «золотой середины», т.е. оптимального соотношения между степенью риска и доходностью по кредитным операциям при помощи грамотного управления кредитным процессом, что реализуется посредством разработки практических мероприятий по привлечению новых клиентов и анализа их кредитоспособности.
Наиболее распространенным в практике банков мероприятием, направленным на снижение кредитного риска, является оценка кредитоспособности заемщика, осуществляемая при помощи скоринга, который представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель: чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности. Для разработки алгоритмов кредитного скоринга необходима историческая выборка данных - так называемая обучающая выборка. От качества этой выборки (на языке статистики - репрезентативности) зависит точность оценок параметров модели скоринга и соответственно эффективность (предиктивная мощность) скорингового алгоритма.
Рисковый скоринг, таким образом, дает кредиторам возможность последовательного и объективного принятия решений на основании эмпирически полученной информации. В сочетании с деловым знанием, технологии прогнозирующего моделирования позволяют риск-менеджерам увеличить эффективность процесса риск-менеджера и контроль над ним.
Следует так же особо подчеркнуть, что в России внедрение скоринга тормозится не столько объективными, сколько субъективными причинами, связанными с недоверчивым отношением банковских менеджеров к математическим и статистическим методам. Скоринговые модели необходимо разрабатывать на самых свежих данных, периодически проверять качество их работы, иметь возможность быстро и дешево перенастраивать модель, чего не позволяют сделать закрытые западные системы, применяемые в некоторых российских банках.
Для того чтобы иметь возможность сравнивать клиентов с совершенно разными признаками и принимать решения о кредитовании не интуитивно, а на основе формализованных критериев, непосредственно связанных с вероятностью дефолта, необходимо построить математическую модель, которая позволит оценить, какая информация является существенной, а какой можно пренебречь. Скоринг представляет собой классификационную задачу, где, исходя из имеющейся информации, необходимо получить функцию, наиболее точно разделяющую выборку клиентов на «плохих» и «хороших». Но предварительно необходимо преобразовать имеющуюся информацию в форму, поддающуюся анализу.
У каждого из методов классификации заемщиков имеются свои преимущества и недостатки, кроме того, выбор того или иного метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Регрессионные методы показывают значимость каждой характеристики для определения уровня риска, и поэтому особенно важны на этапе разработки анкеты, которую заполняют клиенты.
Для перехода от экспертной скоринговой модели к ее статистическому варианту требуется определенное время для накопления данных по «плохим» кредитам, так что период времени для накопления необходимых данных будет в значительной степени зависеть от объемов и качества портфеля - чем больше объем (число) выданных кредитов, тем больше вероятность невозврата какой-то их части. С другой стороны, низкое качество кредитного портфеля увеличивает процент безнадежных ссуд (процент случаев невозврата кредитов).
В данной дипломной работе рассмотрена система кредитного скоринга, применяемая непосредственно в ЗАО «ВТБ 24», преимущества, которые получает заемщик в результате применения этой системы,
