Банково дело
Работим с финансови институции и финтех компании в Испания
Модели за одобрение, базирани на традиционни променливи, които подценяват кредитоспособни клиенти без формална кредитна история или пропускат ранните сигнали за влошаване в съществуващото портфолио.
Моделите на измама се развиват непрекъснато — с карти, преводи, превземане на сметки — докато системите, базирани на правила, се обновяват със седмици закъснение.
Масови кампании с ниска конверсия, защото продуктът достига до грешния сегмент в грешния момент. Клиентът вижда офертата за ипотечен кредит три месеца след като е имал нужда от нея.
Запитвания за трансакции, продукти и операции, които задръстват кол центъра и приложението с въпроси, които един модел би решил за секунди.
01
Модели, които обогатяват традиционния скоринг с поведенчески променливи от трансакциите, модели на използване на сметките, сигнали за платежното поведение и алтернативни източници на данни. По-добро разграничаване между добри и лоши платци — и достъп до сегменти, недостатъчно обслужени от класическия скоринг.
Какво се променя
Ранното просрочие намалява с 15–25% в новото портфолио, където се прилага моделът. По-висок процент одобрение за кредитоспособни клиенти без формална история.
02
Модели, които оценяват всяка трансакция за милисекунди спрямо нормалното поведение на титуляра: сума, час, геолокация, честота и последователност. Съмнителните трансакции се блокират или се изисква допълнително потвърждение — нормалните не създават триене.
Какво се променя
Процентът открити измами се подобрява с 40–60% спрямо статичните системи с правила. По-малко фалшиви положителни резултати (блокирани законни трансакции) — по-малко триене за клиента.
03
Модел за склонност към продукт (ипотечен кредит, потребителски кредит, фондове, застраховки), обучен върху поведението на клиента: промени в заплатата, движения на спестяванията, предстоящи падежи. Банковият консултант получава правилното предложение за правилния клиент в правилния момент.
Какво се променя
Конверсията от кампаниите се подобрява с 25–40% спрямо неперсонализираните кампании. Клиентите получават релевантни предложения — а не целия каталог.
04
Асистент в приложението, уебсайта и WhatsApp, който отговаря на запитвания за трансакции, салда, продукти, операции и жалби. Познава контекста на клиента и прехвърля към консултант, когато има преговори или реална сложност.
Какво се променя
55–70% по-малко прости запитвания в кол центъра. Банково приложение с незабавен отговор на 80-те най-чести въпроса. Консултантите отделят време на клиентите с висока стойност.
05
Модели, които откриват сигнали за кредитно влошаване в съществуващото портфолио: промени в моделите на харчене, по-високо усвояване на кредитните лимити, нередовни плащания. Консултантът получава сигнали 60–90 дни преди да се появи пропуснато плащане.
Какво се променя
Събираемостта при ранна намеса е 3–5 пъти по-висока от тази след неизпълнение. По-малко провизии благодарение на по-ниското просрочие в проактивно управляваните портфолиа.
3–4 седмици
Одит на наличните данни, качеството на кредитната и трансакционната история и критичните процеси. Определяме 2–3 случая с възвръщаемост, която може да се защити пред комитета по риска.
10–16 седмици
Внедряване на подобрен скоринг, откриване на измами или наблюдение на портфолиото за определен продукт или сегмент.
6–10 месеца
За институции, които искат ИИ, обединен в риска, измамите, предложенията и обслужването върху обща архитектура на данните.
Съответствието е ограничение в дизайна. Моделите за скоринг и измами се разработват с документирана обяснимост (използвани променливи, относителна тежест, логика на решението), формален статистически бектестинг и документация за одит от регулатора или вътрешния отговорник по съответствието. Насоките на ЕБО за използването на машинно обучение при кредитирането са част от рамката на разработката.
При подходящо правно основание (законен интерес при измамите, изпълнение на договор при скоринга) — да. Длъжностното лице по защита на данните на институцията участва от самото начало, за да валидира правното основание и обработката. Данните не напускат периметъра на институцията.
Обединяването на данните почти винаги е първата доставка в банковите проекти. Диагностиката показва точно кои данни в кой силоз се намират и предлага архитектурата на интеграцията. Това не е пречка — това е работа по проекта.
Диагностика: 8000–15 000 €. Пилот (скоринг или измами за един продукт): 45 000–90 000 € според обема и сложността. Пълна платформа: 150 000–300 000 €+ за няколко месеца. В средните институции възвръщаемостта от избегнатите измами или намаленото просрочие обикновено покрива пилота още през първата година.
Идеална отправна точка. Одитираме го, откриваме къде губи стойност (подценени сегменти, променливи, които не използва, сигнали за влошаване, които пропуска), и предлагаме постепенни подобрения или модел-претендент, който работи паралелно, преди да замени текущия.