MobileScoring - Платформа кредитного скоринга на базе ML-анализа

MobileScoring — это платформа анализа и скоринга, разработанная ООО "М Дата", которая помогает банкам, финтех-компаниям и страховым организациям улучшить оценку кредитоспособности клиентов, выявлять мошенничество и оптимизировать различные процессы управления рисками на основе анализа анонимизированных данных о финансовом поведении клиентов.

История разработки и статус:

• Компания разработчик - ООО "М Дата"
• ИНН - 7705544549
• Адрес - г. Москва, ул. Ленинская Слобода, д. 19
• Телефон - +7 (495) 609 60 80
• Email - customer@mobscoring.ru
• Разработка - служебное произведение
• Государственная регистрация - запись в реестре российских программ для ЭВМ и БД от 03.12.2021 № 12210
• Тип ПО - информационные системы для решения специфических отраслевых задач
• Опыт разработки - 8+ лет
• Альтернативное название - Модуль скоринга для Банков

Основное назначение:

• Кредитный скоринг - оценка вероятности дефолта клиента
• Выявление мошенничества - detection fraud-операций
• Оценка дохода клиента - определение реальной платежеспособности
• CRM-анализ - выявление склонности к потреблению
• Collection-скоринг - управление долгами и просрочками
• Снижение оттока - прогноз ухода клиента

Функциональные возможности:

• Кредитный скоринг - прогнозирование дефолта
  - Прогнозирование вероятности дефолта при одобрении кредитных заявок
  - Работает с клиентами с кредитной историей и без неё
  - Использование анонимизированных данных партнеров
  - Определение суммы кредита
  - Установление условий кредитования
• Обогащение данных - расширение информации о клиентах
  - Данные о доходе клиента
  - Остатки по счетам
  - Траты на АЗС
  - Судебные решения
  - Информация о ДТП
  - Другие внешние данные
• Оценка дохода - анализ платежеспособности
  - Выявление всех денежных поступлений клиента
  - Определение официальной зарплаты
  - Выявление дополнительного заработка
  - Определение реальной покупательской способности
  - Точная оценка способности выплачивать кредит
• CRM-анализ - склонность к потреблению
  - Оценка информации о финансовом поведении клиента
  - Выявление склонности к потреблению товаров и услуг
  - Подбор X-Sell предложений
  - Кросс-продажи
  - Персонализация предложений
• Выявление мошенничества (Fraud Detection) - контроль безопасности
  - Сверка информации, данной клиентом, с информацией финансовых организаций
  - Верификация введенных данных
  - Проверка срока принадлежности номера телефона
  - Определение региона совершения транзакции
  - Выявление аномалий в поведении
  - Уменьшение фрода на этапе заявки
• Снижение оттока - прогноз ухода клиента
  - Прогнозирование возможности клиента прекратить пользоваться услугами
  - Своевременное выявление риска потери клиента
  - Превентивные меры для удержания
  - Предотвращение разрыва сотрудничества
• Collection-скоринг - управление должниками
  - Прогноз повышения вероятности возврата долга
  - Отправка триггеров о должниках
  - Оптимизация времени обзвона
  - Увеличение эффективности взыскания
• Верификация данных клиента - подтверждение информации
  - Подтверждение данных клиента для снижения фрода
  - Верификация введенных данных
  - Проверка срока принадлежности номера
  - Определение региона транзакции
  - Снижение фрода на этапе заявки
• Скоринг юридических лиц - оценка организаций
  - Проверка платежеспособности ИП и МСБ
  - Оценка рисков ПОД/ФТ (противодействие отмыванию денег и финансированию терроризма)
  - Анализ по ИП и малым и средним предприятиям

Архитектура платформы:

• Хранилище данных - внешнее хранилище данных
  - Анонимизированные логи поведения клиентов
  - Собираются от более 35 банков и страховых компаний
  - Более 85 млн. уникальных финансовых профилей
  - Ежедневное обновление данных
  - Hit rate более 90%
• ML-модели и алгоритмы - машинное обучение
  - Современные AI/ML-алгоритмы
  - Трансформация разрозненных данных в метрики
  - Более 3500 переменных для анализа
  - Постоянное обновление моделей раз в 6-12 месяцев
  - Адаптация к изменениям поведения клиентов
• Generic Models - стандартные модели
  - Готовые качественные модели скоринга
  - Для случаев, когда нет обучающей выборки
  - Быстрое внедрение
  - Проверенные решения
• Кастомизированные модели - под специфику клиента
  - Обучение на портретах конкретного клиента
  - Решение для разных кейсов
  - Команда Data Science для разработки
  - Адаптация под требования компании

Ключевые показатели системы:

• Время ответа на запрос - несколько секунд
• Количество переменных - более 3500
• Количество найденных отчетов - 3500+
• Hit rate (вероятность совпадения) - 85%+
• Анонимизированных профилей в базе - 85 млн.+
• Повышение GINI скоринговых моделей - на 8-14%
• Сокращение расходов на маркетинговые кампании - на 3-7%

Процесс интеграции:

• Сроки интеграции - 2 недели
  - Консультация и презентация
  - Согласование коммерческого предложения и договора
  - Интеграция в систему клиента
  - Запуск пилотного проекта
• Способы интеграции:
  - Через Credit Registry
  - Через REST API
  - Прямая передача через веб-интерфейс
• Обновление данных в реальном времени - принятие и обработка событий от партнеров в real-time

Пилотный проект:

• Этап 1: Выборка данных - подготовка обучающей выборки
  - Запрос данных по известным заявкам
  - 80% размеченных данных для обучения
  - 20% данных для проверки результатов
• Этап 2: Моделирование - обучение модели
  - Обучение под специфику сегмента
  - Тестирование и валидация
  - Информация по каждому объекту
• Этап 3: Проверка стабильности - контроль качества
  - Сравнение GINI обучающей и тестовой выборок
  - Оценка дисперсии
  - Проверка на переобучение
• Этап 4: Тестирование - оценка эффективности
  - Дополнение скоринговой модели клиента сервисом
  - Замер итогового GINI
  - Оценка прироста качества
• Этап 5: Анализ прироста качества - расчет эффективности
  - Анализ показателя GINI без сервиса
  - Анализ GINI с подключением сервиса
  - Расчет прироста качества
• Этап 6: Использование в работе - запуск в production
  - Интеграция в скоринговую модель
  - Промышленное использование
  - Постоянный мониторинг

Безопасность и конфиденциальность:

• Отсутствие работы с ПД - не обрабатывает персональные данные
  - Не хранит ФИО клиентов
  - Не передает номера телефонов
  - Не передает данные карт
  - Использует синтетические ID
• Алгоритм защиты данных - шифрование и обезличивание
  - Сложный алгоритм хеширования с солью (salt)
  - Синтетические идентификаторы (synthetic ID)
  - Анонимизация данных
  - Соответствие российскому законодательству
• Официальное использование данных - получение анонимизированных данных по API
  - Только от партнеров
  - С согласия кредитных организаций
  - Соблюдение требований ФЗ о защите ПД

Клиенты сервиса:

• Количество партнеров - более 35 банков и страховых компаний
• Типы клиентов:
  - Крупные федеральные банки
  - Страховые компании
  - Финтех-компании
  - Микрофинансовые организации
• География - основной сегмент клиентов в России

Модели ценообразования:

• Pay-per-query модель - оплата за полученные ответы
  - Оплачивает только полученные запросы
  - Нет фиксированной платы
  - Гибкое использование
• Расчет стоимости - определяется для каждого клиента
  - На основе объема запросов
  - На основе типа запросов
  - На основе уровня обслуживания
  - Индивидуальная коммерческая оценка
• Бесплатный ретро-тест - пробное тестирование
  - На все модели
  - На разработку кастомизированных моделей
  - На переменные
  - Полная оценка потенциала без стоимости

Преимущества платформы:

• Скорость ответа - несколько секунд на запрос
• Глубина анализа - более 3500 переменных
• Большая база данных - 85 млн. финансовых профилей
• Высокая точность - hit rate 90%+
• Безопасность - не работает с ПД, только анонимизированные данные
• Гибкость - как generic, так и кастомизированные модели
• Документированное улучшение - GINI повышается на 8-14%
• Экономия средств - сокращение маркетинговых расходов на 3-7%
• Отсутствие персональных данных - соответствие законодательству
• Российское решение - импортозамещение иностранных систем

Компания разработчик - ООО "М Дата":

• История - 8+ лет работы с аналитикой и скорингом
• Специализация - платформы анализа данных для финансовой отрасли
• Команда - специалисты по Data Science, DevOps, менеджеры проектов
• Опыт - работа с крупными федеральными банками
• Направления деятельности:
  - Деятельность, связанная с созданием баз данных и информационных ресурсов
  - Оказание услуг по обработке информации
  - Реализация программ для ЭВМ и баз данных
  - Оказание услуг с использованием собственных программ для ЭВМ

Альтернативные названия:

• MobileScoring
• Модуль скоринга для Банков
• Платформа кредитного скоринга MobileScoring
• Система анализа финансового поведения
• ML-платформа для скоринга