Аналитическо-исследовательская группа Тестирование сервиса Соц Скор для розничных

Аналитическо-исследовательская группа Тестирование сервиса Соц. Скор для розничных банков и МФО Март, 2014 г. Москва

Методология Выборка : 45 050 заемщиков (крупный розничный банк, топ-10) Поиск профилей в социальной сети Вконтакте по: - Фамилия Имя Дата рождения Город проживания По данным профилей рассчитаны: - Fraud-score – скор. балл предсказывающий раннюю просрочку; Soc-score – скор. балл предсказывающий позднюю просрочку. На основе возвращенных данных по просрочкам проведен: - Анализ эффективности Fraud-score и Soc-score; Анализ дополнительных предикторов для скоринга; Анализ эффективности Skip-tracing. 2/11 Анализ данных Исследования Аналитическое ПО

Найденные профили Найдено профилей: 6 471 Общий Hit-rate: 14, 4% Максимальный Hit-rate достигается на возрастной группе 18 -30 лет : 21%-23% Примечание: Увеличение Hit-rate возможно на продуктивном сервисе за счет нечеткой логики поиска по городу проживания: поиск по городу проживания, указанному родственниками/друзьями. 3/11 Анализ данных Исследования Аналитическое ПО

Данные по Fraud-score Наблюдается сильная зависимость уровня просрочки FPD и уровня просрочки DPD_90+ от значения Fraud-score балла. 4/11 Анализ данных Исследования Аналитическое ПО

Данные по Soc-score Наблюдается сильная зависимость уровня просрочки FPD и уровня просрочки DPD_90+ от значения Soc-score балла. 5/11 Анализ данных Исследования Аналитическое ПО

Распределение по Soc-score Уровень просрочки dpd_90+ в 10% худших заемщиков по Soc-score =13, 6% Уровень просрочки dpd_90+ в 10% лучших заемщиков по Soc-score =2, 5% Просрочка dpd_90+ по худшим/лучшим различается в 5, 4 х раз При отказе по Soc-score 10% худших заемщиков, получается отсечение 22, 7% реально плохих заемщиков При отказе 20% худших заемщиков – отсечение 37, 6% плохих заемщиков При отказе 30% худших заемщиков – отсечение 48, 5% плохих заемщиков 6/11 Анализ данных Исследования Аналитическое ПО

Комбинированный скор-балл (по Fraud-score и Soc-score) позволяет сегментировать заемщиков на оптимальные по риску группы. Кастомизированные скоринговые модели (построенные на выборке заказчика) позволяют добиваться максимально эффективной сегментации заемщиков по уровню риска. 7/11 Анализ данных Исследования Аналитическое ПО

Спец. предиктор: Hit/No. Hit Уровень просрочки по найденным в ВК заемщикам (Hit) ниже, чем по ненайденным заемщикам (No. Hit). В зависимости от возрастной группы разница dpd_90+ по Hit и No. Hit может достигать 51% (разница в 1, 5 раза). В зависимости от возрастной группы и пола, разница dpd_90+ по Hit/No. Hit может достигать 105% (разница в 2 раза). Выводы: Данная информация позволит повысить эффективность внутренних скоринговых моделей Банка за счет добавления специального предиктора Hit/No. Hit 8/11 Анализ данных Исследования Аналитическое ПО

Skip-tracing Мобильные и домашние телефоны Для 69% заемщиков найдены телефоны в профилях друзей. Для просрочников данный показатель составил 71%. В среднем на одного заемщика найдено 6 телефонов друзей. В среднем на одного просрочника найдено 8, 5 телефонов друзей. Анализ данных Исследования Аналитическое ПО 9/11

Выводы 1. 2. 3. 4. Общая доля найденных заемщиков в социальной сети «Вконтакте» составила 14, 4%. Максимальный Hit-rate достигается на возрастной группе 18 -30 лет: 21%-23% Есть сильная зависимость уровня просрочки FPD и уровня просрочки DPD_90+ от значений Fraud-score и Soc-score. Комбинированный скор-балл Fraud-score х Soc-score позволит сегментировать заемщиков на оптимальные по риску группы. Специальный предиктор Hit/No. Hit позволит повысить эффективность внутренних скоринговых моделей: в зависимости от возрастной группы и пола, разница dpd_90+ по Hit/No. Hit достигает 105% (разница в 2 раза). Поиск контактов (skip-tracing) позволит повысить эффективность взыскания: в среднем на 1 просрочника находится 8, 5 телефонов друзей, а процент покрытия контактами друзей составляет 71%. 10/11 Анализ данных Исследования Аналитическое ПО

Спасибо за внимание! 11/11 Анализ данных Исследования Аналитическое ПО