Трудовой Кодекс РФ с комментариями ТК РФ, бесплатные консультации юристов
То, что банки и страховые «следят» за своими клиентами давно не новость. Как им в этом помогут новомодные машинное обучение и нейросети и к чему это приведёт?
Мы привыкли, что «большой брат» следит за всеми нами. Но многие даже не представляют, сколько банки знают о них. Что им известно?
Как вы работаете?
В США банк может узнать весь опыт работы и образования человека. В этом ему помогает стартап выходцев из Google —UpStart. Другой стартап, Kabbage, открывает банку выписку к PayPal-аккаунту или покупкам с eBay и Amazon.
Думаете, это инновационные западные технологии, до которых нам ещё далеко? Огорчу вас – в России банки часто обладают ещё большей информацией о своих клиентах. Банки видят, что человек зарегистрирован на сайте по поиску вакансий и сейчас ищет работу (и, значит, денег у него, скорее всего, нет). Подозрение может вызвать и работающий клиент, если вилка зарплаты в резюме совсем никак не совпадает с тем доходом, который он заявляет.
Насколько хорош ваш район?
В продвинутом банковском скоринге уже сегодня используется информация о месте жительства. Это работает примерно так: если система видит, что человек живет в доме, где все его соседи плохо выплачивали кредиты, то понятно, что район не самый благополучный. Может, это общежитие, или дешевый «доходный дом», или долгосрочная гостиница для приезжих — все это маркирует нового клиента в худшую сторону.
Как вы путешествуете?
Кредитные организации знают о том, сколько вы тратите на сотовую связь и бываете ли вы за границей, используя данные от операторов и систем платежей. Операторы не особенно афишируют, но и не стесняются таких продуктов. Информацию про условный «Мегафон Скоринг» можно найти в открытом доступе. Похожий продукт предлагает и платежная система Qiwi. В официальной презентации Qiwi Скоринг раскрываются основные данные, которые можно узнать о клиенте. Это время жизни телефонного номера, количество и суммы платежей, география, даты платежей. Такая информация очень многое говорит о финансовом положении клиента. Подобные данные помогают совершенствовать скоринговую модель банка и бороться с мошенниками.
Кто вы в социальных сетях?
Mail.ru Group совместно с бюро кредитных историй (БКИ) «Эквифакс» разработала модель оценки кредитных рисков для российских банков. Система на основе машинного обучения понимает уровень риска по каждому пользователю в сети. Напомню, что Mail.ru Group — это Почта@Mail.ru, социальные сети VK и Одноклассники.
Что вы «гуглите»?
Банки также собирают информацию о том, какие сайты смотрел пользователь и что он искал в интернете. Интересуетесь у Яндекса и Google тем, как уйти от коллекторов? Вы в черном списке уже сегодня. Уже сейчас банки предлагают ставку по кредиту в зависимости от финансового состояния конкретного человека. Если есть подозрения, то ставка будет высокой. Надежному заёмщику могут сделать «скидку» в виде пониженной ставки. Вопрос сейчас заключается в том, до каких границ банки смогут «калибровать» индивидуальные предложения?
А что еще?
На российском и западном рынке существуют множество стартапов, которые собирают информацию из различных источников и предоставляют ее в банки и МФО. Вся информация собирается в обезличенном виде, поэтому все достаточно легально. Все эти данные и помогают строить собственные системы скоринга или брать за основу уже готовые системы от подобных проектов.
- Кредит за 5 секунд. Пока что при одобрении кредита есть доля человеческого фактора – финальное решение о выдаче кредита часто принимает специальный менеджер. Но уже совсем в скором времени решение о выдаче кредита будет полностью автоматизировано. Так называемые «верификаторы» будут не нужны, и людей, которые звонят в контору узнать «работает ли у вас Иван Петров» больше не будет. Машинное обучение мгновенно проанализирует все данные и без постороннего вмешательства поймет по выборке, где работает претендент на кредитный Ford Focus. Фактически вы сможете получить ответ по своей заявке на кредит за несколько секунд.
- Выбор без выбора. Ещё одна особенность кредитов и вообще финансовых продуктов будущего – клиенты не будут знать о невыгодных предложениях.
Мы видим, как меняется банковский бизнес. На первый план выходит не надежность банка или удобство расположений офисов, как раньше, а ставка по вкладу или кредиту. Если раньше человек приходил в известный ему банк и заказывал в нем услуги, то сейчас — он отталкивается от конкретных предложений, и уже в зависимости от них выбирает банк. И это кардинально меняет поведение клиента. Если банк не дает лучших процентов по вкладу, то его шансы быть «выбранным» — резко падают.
И эти изменения повлияют на будущее скоринга. Например, уже сейчас у нас есть данные, которые позволяют предположить, какой банк вероятнее всего одобрит кредит конкретному пользователю (мы ведь уже знаем его возраст, доход и другие критерии). Соответственно, информационные площадки (сервис, который представляет автор, относится к платформам такого типа, — Forbes) клиенту можем показать в выдаче именно те банки, которые с большей вероятностью одобрят ему кредит.
В смежном с банками страховом сегменте это позволит подбирать клиентов под определенный сегмент, которым особенно заинтересована страховая. Если страховщик не хочет продавать ОСАГО или каско на ВАЗ, потому что, например, считает эту марку проблемной — пожалуйста, мы вообще уберем эту страховую компанию из выдачи по запросам, связанных с ВАЗом.
Другой пример — страхование для путешественников. Для некоторых страховых компаний выгодно работать только в зоне шенгенского соглашения. Потому что риски при путешествии в условный ЮАР выше. Мы можем пользователю, которые хотят ехать в ЮАР, в принципе не показывать предложения этой страховой компании.
Удивительно, но как ни странно это звучит, для конечного пользователя это хорошо. Банки и страховые компании научатся работать эффективно, экономить на рисках и людских ресурсах, выбирать правильные сегменты аудитории. А это значит что стоимость конкретного кредита или страховки для конечного пользователя будет снижаться.
