Трансформация операционной модели в оценке розничных кредитных рисков на примере ипотечного кредитования

40
Алексей Просвирин Руководитель Кредитного департамента , Банк «ДельтаКредит»

Сокращение операционных расходов и повышение уровня удовлетворенности клиентов всегда были одними из ключевых драйверов развития банковского сектора. В настоящее время игроки рынка решают данные задачи за счет трансформации операционных моделей с широким внедрением передовых технологических решений, которые все больше проникают в такую консервативную область, как оценка кредитных рисков в ипотечном кредитовании, состоящей из андеррайтинга клиента и предмета залога.

 

Если раньше банки были нацелены в большей степени на повышение операционной эффективности и активно развивали «Кредитные фабрики» с конвейерами по обработке заявок клиентов, то с 2018 года на рынке наблюдается смена курса на выдачу кредита онлайн без посещения офиса банка. Фактически можно говорить, что оптимизационные задачи обработки бльшего количества заявок тем же количеством сотрудников, решаемые автоматическим принятием решений, трансформируются в моментальное онлайн-одобрение заявки клиента. Банки вынуждены оптимизировать свои бизнес-процессы с фокусом на скорость и удобство, отвечая запросам клиентов и партнеров на сокращение сроков по принятию решения, минимизацию количества полей в анкете и уменьшение пакета предоставляемых документов. Клиентам нужно решение здесь и сейчас. Именно поэтому банки нацелены на новые технологии, сервисы и увеличение доли автоматических решений, как по платежеспособности клиентов, так и по предмету залога. Но подходит ли данная область для полной автоматизации? Попытаемся это рассмотреть на примере банка «Дельта-

Кредит».

 

Очевидно, что для автоматизации любого процесса необходима высокая степень стандартизации. В своей стратегии банк решил начать автоматизацию решений с наиболее типового и линейного процесса – андеррайтинга предмета залога.

 

Автоматический андеррайтинг предмета залога в «ДельтаКредит» запустили в 2016 году, и на начальном этапе объем составлял около 20% от входящего потока. В конце 2017 года доля достигла 40% благодаря в том числе автоматизации взаимодействия с партнерами через Единую базу оценщиков (Single Appraisal Base). Это платформа полного цикла по взаимодействию между банком и оценщиком, т. е. от направления заказа на оценку до получения отчета. Важным преимуществом платформы является то, что одновременно с электронным оценочным альбомом банк получает экспресс-оценку стоимости потенциального залога от оператора платформы. Данная экспресс-оценка является ключевым фактором минимизации риска при автоматическом андеррайтинге. Также при работе с партнером банк перешел на интеграционное решение и ушел от использования электронной почты, кратких форм отчетов, которые приходилось заполнять оценщикам, были унифицированы шаблоны отчетов. Таким образом удалось убрать ошибки, связанные с ручным вводом. За счет этого доля автоматических решений существенно увеличилась и достигла более 65% (см. диаграмму 1) и продолжает расти в 2019 году. Тем не менее рост этой доли ограничен уровнем развитости рынка недвижимости в регионах и объемом типовых объектов на рынке в сельских поселениях. К сожалению, одним из главных сдерживающих факторов автоматизации является сложность конвейерной оценки стоимости загородной недвижимости с учетом ее индивидуальных особенностей, которые необходимо учитывать в каждом конкретном случае.

 

 

За счет интеграции процессов автоматического андеррайтинга как платежеспособности заемщика, так и предмета залога нам удалось повысить оперативность ответа клиенту более чем на 60%. Банк продолжает развивать процессы автоматизации решений по предмету залога: в 2018 году была запущена новая ветка авторешений по строящимся объектам – жилой комплекс, новостройка, где оценивается объект по характеристикам и стадии строительства. По объектам, соответствующим требованиям, заключение принимается в автоматическом режиме. В настоящий момент более 40% таких объектов обрабатывается автоматически, что не является пределом для этого функционала.

 

Однако при всей прогрессивной автоматизации нужно признать, что применение новых технологий не сможет по всему объему ипотечных заявок в обозримом будущем полностью заменить сотрудника. Для сохранения качества принимаемых решений в некоторых случаях участие сотрудников останется необходимым по ряду причин.

 

Во-первых, ипотека в силу необходимости комплексного анализа факторов индивидуально по каждому клиенту является трудным продуктом для автоматизации в отличие от андеррайтинга других розничных кредитов. При автоматизации ипотечного андеррайтинга особенно важно сохранить индивидуальный подход, обеспечить возможности искусственного интеллекта учитывать широкий спектр факторов, вплоть до уровня вуза, стабильности трудоустройства и сопоставимости заявленного дохода месту работы. При этом главная сложность – не прийти к формализму и одновременно избежать увеличения доли отказов в объеме рассмотрения. Для этого необходим перманентный постконтроль принятых решений: как решение приняла машина и как решение принял бы человек.

 

Во-вторых, очевидно, что чем крупнее суммы кредитов, тем выше цена ошибки. Поэтому по части заявок сохраняется так называемая «Валидация», когда сотрудник перепроверяет достоверность документов и основных данных в системе.

 

В-третьих, это качество данных. Банк не может быть уверен в автоматически принимаемых решениях, если он не уверен в качестве данных и их актуальности. Безусловно, банки нацелены на сервисы и технологии, повышающие качество ввода данных. Это предзаполнение данных о месте работы и доходе из государственных сервисов, получение сведений о состоянии индивидуального лицевого счета застрахованного лица в Пенсионном фонде РФ по форме СЗИ-6, дозаполнение адресов и другой информации с использованием специализированных сервисов, например маски ввода с защитой от опечаток. Тем не менее даже на примере уже упомянутой выписки по форме СЗИ-6 существуют особенности в части актуальности данных – периодичность обновления информации по клиентам составляет порядка трех месяцев, что вызывает ограничения на автоматизацию по заемщикам, сменившим, например, в последнее время место работы или получившим в этот период премию и т. д.

 

Интересным примером поиска способа применения новых технологий в банке является распознавание отсканированных документов. Команда «ДельтаКредит» проводила пилотные тестирования ряда потенциальных подрядчиков. С учетом того что ряд документов клиенты и партнеры сканируют или фотографируют сами и направляют в банк, зачастую качество отсканированных документов остается невысоким, что не позволяет эффективно распознать необходимую информацию. В одном из регионов России даже был проведен пилот по передаче на аутсорсинг функционала по ручному вводу информации. Оптимальным решением банк посчитал интеграцию сервисов распознавания в мобильные приложения для самообслуживания клиентов и партнеров, которые позволили бы на этапе ввода информации снизить трудозатраты. Клиент мог бы самостоятельно улучшить качество копии документа. В будущем мы планируем внедрить технологию потокового видео вместо фотосъемки.

 

Стоит отметить, что на рынке множество технологий, связанных с роботизацией процессов. Мы внимательно изучаем предложения, и главным критерием для нас остается не сам по себе поставщик или технология, а практическая область их эффективного применения. Простейшие операции, например по обновлению ряда списков из открытых внешних источников, в банке уже осуществляются с помощью роботов. Сейчас команда специалистов анализирует перечень процессов в андеррайтинге, который сможет нас вывести на новый уровень автоматизации / роботизации. Не исключено, что со временем именно роботы будут звонить клиентам или их работодателям с уточняющими вопросами для принятия решения.

 

При помощи современных технологий важна не только оптимизация трудозатрат, но и повышение качества кредитного портфеля, приводящее к снижению уровня просроченной задолженности. Поэтому помимо распознавания как такового, банк рассматривает инструменты, обладающие функционалом по выявлению признаков их недостоверности. Вместе с этим «ДельтаКредит» заинтересован во включении в кредитный скоринг все большего количества значимых внешних данных о клиенте, повышающих предсказательную силу статистических моделей.

 

«В дополнение к технологическому фокусу с 2017 года банк сделал методологический акцент на управлении качеством данных, основная задача которого – организация взаимодействия подразделений банка по выявлению ошибок, их исправлению и устранению причин появления». Для этих целей банк выделил роли директора и менеджера по управлению данными, закрепив владельцев, пользователей данных и разграничив их зоны ответственности.

 

Несмотря на все изменения, на текущий момент необходимость ручного труда сохраняется при вводе информации, качество которого имеет критическое значение для системы при принятии автоматического решения. Однако можно с уверенностью сказать, что будущее – за автоматизацией и инструментами в области искусственного интеллекта, когда стандартные заявки будут полностью оцифрованы и отданы на откуп автоматическим алгоритмам принятия решений. Фактически уже сейчас в ручном режиме рассматриваются только сложные заявки, в которых необходимо осуществлять звонок клиенту или на место его работы для уточнения или подтверждения предоставленной информации. Выстраивая очередность рассмотрения по определенным типам заявок с учетом уровня риска и количества участников сделки, регулируется равномерность загрузки сотрудников, и это в том числе влияет на увеличение скорости принимаемых решений, как это показано на диаграмме 2.

 

 

Стоит также отметить важность поступательного увеличения доли авторешений, т. к. это кропотливый труд сотрудников банка по расширению и изменению сценариев и стандартизации ручного андеррайтинга. При этом отмечается смещение фокуса работы сотрудников с операционной составляющей на контроль качества и оптимизацию логических сценариев принятия решения, симулирующих действия человека, и их автоматизацию. Рассматривая пример из истории «ДельтаКредит», можно отметить эволюционное преобразование подразделения, отвечающего за андеррайтинг, когда часть сотрудников, ранее принимавших решения и имевших развитые технические навыки, становились риск-технологами и системными аналитиками. Люди это видят и развивают свои навыки, подстраиваясь под реалии текущего времени. Подобная трансформация, на наш взгляд, является успешным примером видоизменения как задач сотрудников, так и самой структуры подразделения андеррайтинга, с выделением отдельных, но близких друг другу центров компетенций, таких как верификация и принятие решений (проверка клиентов), методологическая оптимизация (бизнес-анализ), настройка логических сценариев (автоматизация кредитного конвейера). Стоит отметить, что совместная работа команд из разных центров компетенций с использованием Agile-практик и применением SCRUM-подхода с еженедельными спринтами существенно повысила уровень прозрачности по статусам задач и увеличило среднюю скорость осуществления доработок.

 

В завершение хочется отметить, что в статье мы рассмотрели трансформацию процесса ипотечного андеррайтинга в комплексе и с разных сторон, осветив не только возможности, но и связанные с этим сложности и риски. Кроме перспектив необходимо видеть риски каждого шага и помнить, что у любой автоматизации есть разумный порог, когда потенциальные потери могут нивелировать положительный операционный эффект.

 

ПОДЕЛИСЬ С ДРУЗЬЯМИ: