Облачный скоринг добрался до России
Стартап Scorista - российский аналог американской компании ZestFinance и европейской KrediTech, предлагающих услуги по принятию решения по выдаче кредита по схеме SaaS. При этом российский проект использует собственный алгоритм и математическую модель, позволяющие, по словам разработчиков, снизить процент неплатежей на треть.
Кредитный бизнес – история вопроса
Борьба за клиентов со стороны банков и МФО (микрофинансовых организаций) выходит на новый уровень. Это связано с тем, что аудитория с отличной и хорошей кредитной историей уже поделена между крупнейшими игроками. Поэтому организациям, зарабатывающим на кредитовании и желающим обеспечить дальнейший рост бизнеса, приходится волей-неволей давать деньги людям с подмоченной репутацией. Какое-то время таких клиентов обслуживали, одновременно раздувая процент по кредиту, чтобы окупить невозврат со стороны одного заемщика переплатой со стороны другого. Но за дело взялся Банк России, ужесточивший кредитную политику - в 2013 году были повышены коэффициенты риска и нормы резервирования (банки обязали резервировать значительно большие суммы под высокорискованные кредиты), в 2014 году вступит в силу закон «О потребительском кредите», в результате чего Банк России получит право (формально он уже получил его в декабре 2013 года, по принятии закона) устанавливать и публиковать «средневзвешенную» стоимость по разным видам кредитов и займов, от которой банки и МФО не смогут отклоняться более чем на 30%.
В условиях такого относительно «цивилизованного» рынка, когда регулятор пытается «душить» финансовые пирамиды и ограничивает слишком рисковых игроков, вопрос снижения процента невозвратов, при одновременном увеличении доли клиентов с плохой кредитной историей, выходит на первый план. Не давать кредит проштрафившимся в прошлом заемщикам уже не получается, а давать им деньги – банкам и МФО боязно.
Big Data – Little Money
На помощь приходит всемогущий термин Big Data и искусственный интеллект. Проблема в том, что создавать робота-оракула, оперирующего «большими данными» внутри своей компании далеко не всем по карману, да и опытом создания алгоритмов, позволяющих заменить кредитную комиссию на компьютер похвастать могут немногие.
Управляющий директор компании Scorista Мария Вейхман рассказала о том, за счет чего ее команда намерена захватывать рынок кредитных кибер-аналитиков. И где удалось найти деньги на развитие проекта.
В чем бизнес-идея проекта Scorista?
Наше решение – это система оценки заемщика, ориентированная на небольшие организации. При этом мы продаем не софт, а услугу. Организация к нам подключается либо по API, либо при помощи web-интерфейса. Такой подход не требует больших средств для подключения сервиса и нетрудозатратен, поскольку за заказчика все делает система. В мире сегодня существуют два аналога – в США по похожей схеме работает компания ZestFinance, в Европе – KrediTech.
Все перечисленные компании, также как и мы, используют нетрадиционный подход в скоринге. То есть не обычный «балловый скоринг», когда заказчику выдается кредитная история и подсчитанный балл потенциального заемщика, а затем, по специальной таблице можно интерпретировать этот результат. Проблема такого подхода в том, что он «заточен» под банки, а МФО и те, кто ориентирован на небольшие кредиты и людей с плохой кредитной историей не получат от него никаких конкретных «советов». Только «голые» цифры. Допустим, скоринговый балл у человека меньше 335 – это означает «плохую кредитную историю». Но что делать, если она такова? Цифры, то есть, по сути, официальный ответ Кредитного бюро говорят следующее – перед вами «плохой заемщик», делайте выводы. Но, какие? Плохие заемщики отличаются друг от друга. Теоретически банк может накопить свою статистику, и по ней анализировать подобных клиентов. Думать – давать конкретному человеку кредит, или нет. Но это долго и дорого.
В нашем случае мы не говорим заказчику то, какая у клиента кредитная история. Мы даем точный ответ на вопрос – стоит ли ему давать кредит, или нет, с учетом специфики работы конкретной организации, рыночных условий и особенностей заемщика. Мы не «считаем» кредитную историю. Мы «читаем» ее. Нам, в частности, нужно знать, сколько раз человек обращался за кредитом, как он платил, каковы были первые платежи и как обстоит дело с последними выплатами. В качестве добавочных факторов используется совпадение данных их анкеты и из открытых источников. Но это все очень грубое описание. Самое важное – устойчивость работы алгоритма. Наш был протестирован на обезличенной базе, приобретенной у Кредитного бюро. Мы, по сути купили статистику по 8% рынка. И оценили на каком сегменте работает наш алгоритм. Лучше всего он подходит для займов до 50 тыс. руб., выданных на срок не более шести месяцев.
Алгоритм был апробирован на одном «дружественном» МФО и показал процент невозврата не более 12% и просрочку по первичным платежам не более 20%. И мы это гарантируем.
Что значит гарантируете?
Если процент выше, то нам не платят за наши услуги.
То есть речь не о возврате кредита, и поручителем вы не выступаете?
Нет, конечно. Зато при подключении системы мы гарантируем улучшения по возврату. Тест на базе, приобретенной у Бюро Кредитных историй, показал, что невозврат, при задействовании нашего алгоритма снижается до 7%, в то время когда в среднем по рынку он составляет 10%. Таков на сегодня уровень нашего «искусственного интеллекта».
Кто создатель математической модели?
Своего математика я держу в секрете. Потому, что это самородок, а именно от математики, во многом зависит успех подобных решений.
На что существует проект, и кто его основатели?
Нас сегодня в команде пятеро. С кем-то мы работали в холдинге Federal Finance. Кто-то пришел из «Финама», с техническим директором и математиком мы вместе учились. Если говорить о финансировании, то на первом этапе все делалось за счет моих личных средств, затем мы привлекли инвестора. Но с этим была целая история.
Проблемы?
Проблемы заключались в том, что проект всем вроде бы нравился, но денег инвесторы давать не спешили. К примеру, когда мы пришли в РВК, я ни на что особо не рассчитывала, думала, что нас допросит какой-то мелкий аналитик, и на этом общение с крупным фондом закончится, но посмотреть на нас собрался целый Комитет. Прослушали, сказали – «Пишите красными буквами Big Data и подавайте на рассмотрение, проект хороший». Такое отношение вдохновляло, но венчурные капиталисты продолжали думать, и не давали денег.
Так продолжалось довольно долго, пока нам не объяснили, что мы просим не у тех. Или, точнее говоря, не так просим, как положено. А чтобы понять, как именно просить – потребовалось понять принцип работы венчурных фондов. Для этого пришлось сесть за парту в «Сколково» и обратиться за помощью к нашему нынешнему ментору Сергею Васильеву, известному венчурному аналитику.
Это же очень дорогая бизнес-школа?
Нам повезло, в тот момент, когда мы решили «подучиться», Фонд «Сколково» открыл школу для подготовки стартап-проектов. Это был бесплатный цикл лекций именно по нужной нам теме, и мы обучались бесплатно. Скоро, к слову, у них начнется новый цикл - «Как управлять стартапом».
И какие знания оттуда удалось вынести?
Мы продавали, по сути, будущую готовую компанию. Для этого написали хороший бизнес-план. Но просили денег – под готовый коммерческий проект, который мы по сути обещали быстро сделать за 26 млн рублей. И он будет приносить прибыль. Но венчуры изначально заточены под другое. Они планируют выходить из проекта и им важнее видеть в итоге не прибыль, а покупателя – стратегического инвестора. Мы просили «всю сумму», необходимую для запуска проекта, а надо было сначала взять немного на «рабочий прототип», затем на запуск, потом на маркетинг. Но главное, у венчура должен быть ориентир в виде стратегического инвестора. А у нас был акцент на прибыли.
Кто же в итоге профинансировал?
Банкир, который предоставил финансы на приобретение данных у Кредитных бюро для тестирования системы. Он оказался тем самым стратегическим инвестором, получив при этом большую долю в нашей компании. Но для стратега - это нормально. Соответственно у нас появились конкретные сроки запуска проекта в коммерческую эксплуатацию – март месяц.
По сведениям IT-Weekly у проекта Scorista уже есть первый клиент из числа кредитных организаций, имя которого пока держится в тайне.
Опубликовано 11.02.2014