MoneyMan внедряет data mining с интеллектуальными продуктами SAS

MoneyMan, лидер онлайн-кредитования в России, внедрил системы статистического анализа данных SAS Enterprise Miner и SAS Text Analytics. Их использование позволит повысить эффективность как процессов кредитного скоринга и целевого маркетинга, так и процессов сбора просроченной задолженности.

Бизнес модель онлайн-микрофинансирования MoneyMan требует постоянного развития скоринговой модели. Поскольку оценка платёжеспособности заемщика осуществляется полностью дистанционно, то есть отсутствует этап очной встречи, важнейшую роль играет интеллектуальный автоматизированный анализ данных о потенциальном клиенте.

MoneyMan обладает уникальным технологическим стеком собственной разработки. Одним из преимуществ компании является ее инновационная модель принятия решений о выдаче микрозайма «Скоринг 5.0», алгоритм которой включает более 500 агрегатов, среди которых рейтинговые модели. Особенностью системы скоринга является использование централизованного принятия решений в автоматическом режиме. Технологическая платформа позволяет гибко управлять процессом принятия решений, уровнем отсечения, а также «деревьями» решений. Модель принимает решение о выдаче займа на основе множества данных, включая технологии множественного поиска, внутреннюю кредитную историю, антифрод сервис «национальный хантер», данные нескольких бюро кредитных историй и другие внешние источники, например, информацию о платежах потенциальных заемщиков на счета мобильной связи и данные из аккаунтов заемщиков в социальных сетях. На оценку платежеспособности заемщика также влияет такой экзотический параметр, как поведение пользователя на сайте MoneyMan.

Чтобы с одной стороны повысить эффективность кредитного скоринга и обнаружения случаев мошенничества, а с другой – оценивать и прогнозировать потребности потенциальных и существующих клиентов, компания MoneyMan внедрила решения SAS Enterprise Miner и SAS Text Analytics. Входящие в них методы глубинного анализа данных (data mining) и глубинного анализа текста (text mining) позволяют обнаруживать в накопленной и собираемой информации скрытые закономерности, взаимосвязи и тенденции и другие нетривиальные и полезные знания. Внедрение решений и настройку аналитических моделей компания осуществляла в основном своими силами.

«По итогам 2014 года уровень NPL 90+ по кредитному портфелю MoneyMan в России не превысил 14%. При этом уровень одобрения заявок на микрозаймы (approval rate) составил 15%, что является высоким показателем в бизнес-модели онлайн-микрофинансирования. Мы оцениваем, что применение систем прогнозной аналитики SAS в сочетании с уникальными разработками скоринговой модели MoneyMan до конца текущего года увеличит уровень одобрения заявок на более чем 30% при сохранении текущего кредитного риска. Это позволит нарастить качественный кредитный портфель, показать бóльшую доходность, что позитивно отразится на инвестиционной привлекательности компании», – отметила директор по управлению рисками MoneyMan Екатерина Казак.

Что касается возможностей аналитического CRM, то с помощью инструментов SAS компания MoneyMan планирует разрабатывать новые маркетинговые кампании, в том числе нацеленные на повышение эффективности программ лояльности заемщиков, а также персонифицировать как продуктовые предложения, так и методики взыскания просроченной задолженности. В дальнейшем MoneyMan планирует разработать механизм подбора уникального предложения для каждого клиента по сумме и сроку микрозайма с алгоритмом прогнозирования отклика заемщика на такое персональное предложение.

SAS Enterprise Miner, содержащий эффективные методы статистического анализа, позволяет MoneyMan агрегировать и исследовать массивы данных, используя продвинутые методы прогнозного и описательного моделирования. Удобный интерфейс дает возможность оперативно создавать модели с помощью удобной интерактивной среды, сравнивать модели, а также управлять ими в соответствии с бизнес-задачами.

Использование инструментов текстовой аналитики SAS Text Analytics, в свою очередь, позволит MoneyMan работать с неструктурированной информацией о клиентах, поступающей из различных источников, включая комментарии операторов колл-центра, данные из социальных сетей, с форумов, информацию по обращениям и жалобам и т.д. Интеллектуальные алгоритмы SAS обнаруживают и извлекают важные знания, закономерности из текстовых массивов и, затем, позволяют обогатить имеющуюся структуру данных.