Внедрение машинного обучения при оценке заемщика МФО

5 июля 2016 года в г. Москва на конференции Scoring Case Forum 2016 сервис онлайн-кредитования “Робот Займер” представил кейс компании “Использование машинного обучения при оценке заемщика”.

Накануне бизнес-центр “Японский дом” в г. Москва объединил спикеров Центробанка, специалистов в области оценки рисков, представителей крупных банков и МФО для обсуждения современных методов, подходов, технологий и сервисов оценки заемщиков.

Валентин Кобзев, коммерческий директор МФО “Займер”, выступил на сессии “Автоматизация и инструменты для создания скоринга, машинное обучение, искусственный интеллект” с докладом “Использование машинного обучения при оценке заемщика. Кейс Займер”.

Компания онлайн-кредитования, в основе которой роботизированная технология, выстроила модель оценки заемщиков по методу машинного обучения, позволяющего анализировать каждый сегмент заемщиков по отдельным скоринговым картам и осуществлять своевременный автоматизированный перерасчет последних.

“На этапе разработки мы пришли к пониманию, что методы регрессионного анализа с перерасчётом скоринговых карт не обеспечивают надлежащий уровень эффективности оценки заемщика. Тогда метод машинного обучения Матрикснет от Яндекса стал идейным вдохновителем при создании главной части робота онлайн займов “Займера”, его сердца - комплекса по оценке заёмщика”, - говорит В. Кобзев.

Сегодня компания “Займер” использует скоринговые модели с коэффициентом GINI=0,63 и выше, до внедрения машинного обучения – в 3 квартале 2014 года -данный показатель не превышал 0.42. Как сообщил спикер, основными преимуществами применяемого метода оценки заемщиков перед классическими считаются: мгновенное реагирование на изменение потока заявок и автоматический перерасчет скоринговых карт, снижение рисков, связанных с человеческим фактором, оптимизация издержек и оперативность принятия решений.