Кредитный скоринг с использованием больших данных

Кредитные учреждения постоянно развивают свою систему оценки заемщика, чтобы предотвращать плохие кредиты. Для оценки платежеспособности потенциальных заемщиков банки рассматривают такие вещи, как возраст, социальный статус, уровень образования, доход и даже большие данные. Большие данные получают от таких поставщиков услуг, как мобильные операторы, Yandex Taxi, Uber и даже службы доставки. Эти «большие данные» используются для определения фактического места жительства человека, анализа количества времени, затраченного на определенные разделы кредитной заявки, и даже проверки того, прибывают ли SMS-сообщения, отправленные агентствами по сбору платежей. Чтобы избежать субъективности, анализ Больших Данных учитывает весь образ, созданный из всех факторов, и не подчеркивает ни один конкретный фактор. Например, социальные медиа потенциального заемщика могут содержать поддельные истории или преувеличенные счета; таким образом, учитываются больше факторов.

Новые методы оценки кредитоспособности с использованием «Больших данных» не только снизили уровень просрочки, но и фактически увеличили сбережения в кредитных учреждениях. Например, ВТБ 24 заработал 19 млрд. руб. Чистого процентного дохода в 2016 году за счет надлежащего анализа данных клиентов. Кредитные учреждения также применяют методы интеллектуального анализа данных и углубленного анализа текстов (интеллектуального анализа текста), чтобы найти информацию в скрытых шаблонах, отношениях и тенденциях, а также другую полезную информацию о потенциальных заемщиках.