Что поведенческий анализ рассказывает МФО о клиентах

23 августа 2018

Что поведенческий анализ рассказывает МФО о клиентах

С каждым днем интернет предлагает все больше методик оценки кредитоспособности потенциальных клиентов МФО и банков. И через пару-тройку лет одним из самых популярных инструментов контроля станет поведенческая аналитика.

Разнообразные методики удаленной оценки благонадежности потенциальных заемщиков на микрофинансовом рынке используют преимущественно онлайн-сервисы. В этом уверен председатель совета директоров группы компаний «Русмикрофинанс» Евгений Аболонин. Он отмечает, что, не видя клиента вживую, он-лайн кредиторы вынуждены «включать» дополнительные источники информации.

Косвенные подсказки о финансовой состоятельности лица дают акты гражданского состояния, нотариальные публичные реестры, базы должников, и даже информация о бывших судимостях. Кроме того, на полулегальном уровне возможен доступ к данным мобильных операторов или различных госструктур. И, наконец, все чаще в ход идет собственная аналитика.

Для кредиторов, работающих в оффлайн, и несущих расходы на офисную сеть, такие подходы довольно дороги.

Впрочем, вице-президент группы компаний InfoWatch Рустэм Хайретдинов поясняет, что к сегодняшнему дню «железо» существенно подешевело. Например, сервер для обработки больших данных снизился в цене до $5 тыс. И сам собой напрашивается прогноз, что в ближайшие два-три года привлечение нейросетей резко удешевится, а их использование станет чуть ли не повсеместным.

Соответственно, все МФО вслед за банками начнут собирать максимум информации о потенциальных клиентах, преследуя две цели – предупреждать мошенничества и дефолты, и предугадывать, когда какие услуги могут потребоваться добросовестным клиентам.

И одним из инструментов оценки выступает поведенческая аналитика.

Руководитель экспертного направления по информационной безопасности компании «Гарда Технологии» Роман Жуков поясняет, что упрощенно поведенческая аналитика предполагает последовательную цепочку действий. Сначала сбор статистики. Далее – машинное обучение, когда на неких выборках вычленяются стандартные поведенческие вещи, принимающиеся за эталон. Потом идет отслеживание отклонений и их оценка – насколько таковые важны.

А в финале на основании модели уже можно делать предсказания. Например, выявлено, что чаще среднего берут потребительские кредиты пользователи сайтов знакомств.

А если вы споете

Прогнозирование по «цифровым следам» уже можно считать вчерашним днем. Граждане в большинстве знают, что в тех же соцсетях их круг общения, реплики и клики отслеживаются, поэтому умерили свою откровенность.

Впрочем, это не мешает изучать поведение наблюдаемого лица по методам Алана Пиза и доктора Лайтмана. Они отслеживают скорость и грамотность человека во время его работы на клавиатуре. Чем больше ошибок, тем выше подозрения, что клиент не справится с выплатами, а то и вообще не станет возвращать долги с первого же месяца.

Отдельный повод для недоверия появляется, если соискатель ошибается в написании своего ФИО или номера своего телефона.

«Свой телефон по памяти любой гражданин печатает непрерывно, а постоянно сверяющийся человек – по три цифры», - подсказывает руководитель направления противодействия мошенничеству Group-IB Павел Крылов.

«Еще анализируется, что человек делал на странице сайта, в какие разделы ходил, что загружал, какие выписки смотрел. И результат сравнивается с последовательностью действий при уже выявленных мошенничествах», - рассказывает эксперт.

Да и в целом учитывается, насколько путешествие по разделам и вкладкам подчинено конкретной цели, или происходит хаотично. Что интересует, прежде всего – как погасить заем, или штрафные санкции?

Не спорьте и не прыгайте

Но красноречивей любых слов оказываются действия оцениваемого клиента. Так, у интернет-магазинов спросом пользуется информация о том, как конкретное лицо ведет себя в сети в роли покупателя. «По возможности (это не всегда доступно) анализируется история покупок и платежей, - рассказывает Роман Жуков. - Так, есть сервисы, которые кроме продажи товара на номер кредитной карточки выдают ФИО клиента».

«Транзакции, покупки, оплаты, использование локальных приложений – эти все данные тоже собираются», - подтверждает Рустэм Хайретдинов.

Здесь также отслеживается движение «от и до». То есть, изучается, как человек ведет себя на сайте от самого начала посещения до сделки.

Параллельно можно анализировать встречные потоки уведомлений. Например, есть сервис для кредитных организаций, который предлагает высылать ему пакеты СМС по гражданам (без указания конкретного номера телефона) с персональным шифром. Пакет обрабатывается и выдается анализ сопровождающей статистики. А далее, по шифру банк узнает, кого конкретно из его клиентов информация касается.

«Между тем, СМС сообщают, сколько и как часто денег мы снимаем с пластиковой карты, по СМС приходят уведомления от магазинов и госструктур, с которыми мы ранее контактировали…», - перечисляет представитель «Гарда Технологии».

Роман Жуков подытоживает, что популярность поведенческой аналитики обеспечивают четыре ключевых фактора. Во-первых, она позволяет строить формальную модель, что делает, например, бессмысленным подкуп мошенниками какого-то сотрудника информационной безопасности.

Во-вторых, она выявляет неочевидные моменты, которые вдруг оказываются ключевыми, тогда как прежде на них внимание никто не обращал.

В-третьих, это автоматизируемый процесс, который позволяет работать с огромными массивами информации. Тогда как человек не может даже собрать в одном месте подобные объемы данных, а не то, чтобы их анализировать.

Ну и, в-четвертых, наиболее перспективной сферой применения таких техник является индустрия частных финансов. «Это банки и МФО - игроки, у которых ошибка грозит стопроцентной потерей денег», - резюмирует представитель «Гарда Технологии».

Игорь Чубаха, Санкт-Петербург

© 2019 «ИнМФО»Для лиц старше 18 лет

Карта сайта

X