Скоринг – використовувана банками система оцінки клієнтів, основу якої закладено статистичні методи. Зазвичай, це комп’ютерна програма, куди вводяться дані потенційного позичальника. У відповідь видається результат – чи варто надавати йому кредит. Назва скорингу походить від англійського слова score, тобто «рахунок».
Існують чотири види скорингу:
- application-scoring (Дослівний переклад з англійської – “скоринг заявки, звернення”) – оцінка кредитоспроможності позичальників при наданні кредиту. Це найпоширеніший і найвідоміший клієнтам вид скорингу. В його основі лежать первинний збір анкетних даних позичальника, їх обробка комп’ютером та виведення результату: надавати позику чи ні;
- collection-scoring – система скорингу на стадії роботи з неповерненими позиками. Визначає пріоритетні дії працівників банку повернення «поганих» кредитів. Фактично програма дозволяє зробити ряд кроків по роботі з неповерненими боргами, наприклад, від первинного попередження до передачі справи колекторському агентству. Вважається, що в процесі такої обробки близько 40% клієнтів посилаються на забудькуватість і повертають кредит;
- behavioral-scoring, «Скоринг поведінки» – оцінка найімовірніших фінансових дій позичальника. Така система дає можливість прогнозувати зміну платоспроможності позичальника, коригувати встановлені йому ліміти. Основою аналізу можуть бути дії клієнта за певний період, наприклад операції з кредитної картки;
- fraud-scoring – Статистична оцінка ймовірності шахрайських дій з боку потенційного позичальника. Такий скоринг зазвичай використовується спільно з іншими видами дослідження клієнтів. У вітчизняній банківській системі у сфері споживчого кредитування до 10% неповернень за кредитами пов’язані з відвертим шахрайством, і цей показник зростає.
Багато скорингових систем не тільки обробляють введені дані, але й здатні до самонавчання: вони враховують модель поведінки вже прийнятих на обслуговування клієнтів, щоб коригувати свою оцінку майбутніх позичальників.
На ринку програмного забезпечення для банків є готові рішення. Найвідоміші західні програми – SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Серед російських розробників виділяються Basegroup Labs, “Діасофт”, CreditAnalyst від відомої української компанії “Бізнес Нейро-Системи”. У той самий час багато банків розробляє власні системи.
Система кредитного скорингу є математичну чи статистичну модель, з допомогою якої, з урахуванням накопиченої кредитної історії «минулих» клієнтів чи експертних знань кредитних аналітиків, банк намагається визначити, наскільки велика ймовірність те, що конкретний потенційний позичальник поверне кредит у термін. Завдяки розвитку комп’ютерних технологій, методів аналізу даних та штучного інтелекту, сьогодні системи кредитного скорингу реалізовані у вигляді програмних додатків, таких як, наприклад, CreditAnalyst компанії «Бізнес Нейро-Системи». Ця система повністю інтегрується в інформаційну інфраструктуру банку та дозволяє кредитному аналітику шляхом багатовимірного аналізу даних швидко, точно та об’єктивно оцінити кредитоспроможність позичальника.
Кредитні аналітики, які використовують CreditAnalyst для визначення ймовірності неповернення кредитів, оперують такими поняттями: «характеристики» клієнтів (у математичній термінології – змінні, фактори) та «ознаки» – значення, які набувають змінних. У анкеті, яку заповнює клієнт, характеристиками є питання анкети (вік, сімейний стан, професія тощо. буд.), а ознаками – відповіді ці питання. У самому спрощеному вигляді скорингова модель представлена як сума певних показників з різними ваговими коефіцієнтами. В результаті виходить скоринговий показник, і чим він вищий, тим вища надійність клієнта. Цей показник (рейтинг) кожного клієнта порівнюється з якимось числовим порогом, або лінією розділу, яка, по суті, є лінією беззбитковості та розраховується з відношення, скільки в середньому потрібно клієнтів, які платять у строк, для того щоб компенсувати збитки від одного боржника . Клієнтам зі скоринговим показником вище за цю лінію кредит видається, нижче – ні. Таким чином, впровадження системи CreditAnalyst забезпечує зниження рівня кредитних ризиків та мінімізацію впливу людського фактора на якість прийнятих кредитних рішень.
Скорингові системи дозволяють знизити витрати та мінімізувати операційний ризик за рахунок автоматизації прийняття рішення, скорочують час обробки заявок на надання кредиту, дають можливість банкам проводити свою кредитну політику централізовано, забезпечують додатковий захист фінансових організацій від шахрайства. У той же час скоринг має і ряд недоліків: часто рішення системи засноване на аналізі даних, наданих виключно позичальником. З іншого боку, скорингові системи необхідно постійно доопрацьовувати і підтримувати, т.к. вони враховують лише минулий досвід та реагують на зміни соціально-економічної ситуації із запізненням.
