Массовые кредитные технологии для большой страны
Как кредитные риск-технологии способствуют кредитному спросу в массовом сегменте
Сегодня ВТБ представлен в 79 регионах России. Банк обслуживает более 19,3 млн физических лиц и 1,3 млн клиентов малого и среднего бизнеса (МСБ), многие из которых пользуются кредитными продуктами банка. Согласно новой стратегии развития банка ВТБ, к 2026 году количество клиентов в этих сегментах увеличится более чем в полтора раза. О том, как такой активный рост в массовом сегменте поддерживается со стороны кредитных риск-технологий, рассказывает член правления ВТБ, курирующий риск-функцию, Максим Кондратенко.
Член правления ВТБ Максим Кондратенко
Фото: Евгений Разумный, Коммерсантъ
Член правления ВТБ Максим Кондратенко
Фото: Евгений Разумный, Коммерсантъ
— Какие основные риск-технологии используются для поддержки кредитования в массовых сегментах?
— Отличительная особенность кредитования массовых сегментов физических лиц и клиентов малого бизнеса — это наличие большого количества данных, позволяющих разрабатывать современные модели оценки рисков и поведения клиентов, которые имеют достаточную стабильность и точность, а также хорошо адаптируются к отдельным клиентским и продуктовым сегментам.
Также массовый сегмент позволяет масштабировать эффект от повышения технологической эффективности всех этапов кредитного процесса: от появления потребности клиента до выдачи без визита в отделение банка.
— В чем особенность кредитных технологий, применяемых в сегменте малого бизнеса?
— Мы активно развиваем цифровые сервисы, чтобы клиентский путь отвечал современным тенденциям онлайн-банкинга. В банке реализована скоринговая экспресс-технология, которая позволяет принять решение и выдать кредит без визита в офис за несколько минут.
Наша идея заключается в том, чтобы предприниматель мог без сбора большого пакета документов, просто зайдя в интернет-банк или мобильное приложение, в несколько кликов получить кредит на развитие бизнеса.
— Что лежит в основе предлагаемой технологии?
— Банк использует технологию оценки кредитного риска на основе искусственного интеллекта. Обучение, калибровку и настройку моделей осуществляет искусственный интеллект на основе большого количества данных. Статистические модели прогнозируют вероятность выхода клиента в дефолт и рассчитывают максимальную сумму, которую банк готов предоставить клиенту.
Для обучения и работы этих моделей необходимы данные. Банк использует широкий набор внутренних и внешних источников, таких как кредитная история, транзакционная активность, финансовая отчетность, публикуемая ФНС. Это обеспечивает комплексный анализ клиента и во многих случаях позволяет, не запрашивая никаких документов, получить необходимую информацию для принятия решения.
— На каких условиях клиент может получить кредит по этой технологии?
— Без залога и предоставления дополнительных документов бизнесу доступна сумма до 10 млн руб. Если клиенту нужна сумма больше, то, загрузив через интернет-банк отчетность за последний квартал, компании (ООО) могут подать заявку на сумму до 30 млн руб.
И, кстати, клиент может воспользоваться не только кредитом: ему доступна широкая линейка банковских гарантий.
— Как выглядит клиентский путь?
— Все очень просто. В интернет-банке или мобильном приложении клиент откликается на предодобренное предложение — банк на постоянной основе проводит расчет по всей клиентской базе и поддерживает его в актуальном состоянии. Также клиент может подать отдельную заявку на кредит, если он пока не получил предложение от банка или если необходима сумма больше предодобренной. Оба этих действия проходят в пару кликов, и через несколько минут клиент видит доступную сумму кредита или рекомендации о предоставлении дополнительной информации, которая не публикуется в открытом доступе. После получения итогового решения проходит электронное подписание кредитного договора и деньги поступают на расчетный счет.
Ну и, конечно, в случаях, когда клиенту необходима очная коммуникация с менеджером, доступна подача заявки через отделение банка.
— Каковы первые результаты?
— По состоянию на 1 января 2024 года объем кредитно-гарантийного портфеля, выдаваемого по технологии кредитования малого бизнеса, составляет около 450 млрд руб. Портфель растет в том числе за счет продуктов, выдаваемых в рамках экспресс-технологии. Кредитный портфель за последние два года здесь вырос в 17 раз.
— Где наблюдается наибольший спрос на кредитные продукты, выдаваемые по экспресс-технологии?
— Основной спрос формируют наиболее экономически активные регионы с максимальной концентрацией населения. В первую тройку входят Центральный федеральный округ, Приволжский федеральный округ, Сибирский федеральный округ. Эти регионы формируют 68% заявок.
— Какие отрасли демонстрируют наибольший спрос на эти продукты и что можно сказать о типовом профиле заемщика?
— В первую тройку, формирующую 50% заявок, входят услуги, торговля, строительство и транспорт.
Профиль заемщика — это небольшие частные предприятия и ИП. В кредитных продуктах 70% потока заявок формируют ИП, в гарантийных их доля минимальна.
Мы понимаем, что данный сегмент заемщиков реагирует на изменение макросреды более чувствительно. Однако развитие кредитной процедуры на основе анализа большого массива данных и статистических моделей позволяет контролировать кредитные потери банка.
— В чем особенность кредитования физических лиц?
— Банк постоянно работает над сокращением времени принятия решений и оптимизацией клиентских путей, чтобы сэкономить время клиентов.
Так, в 2023 году среднее время рассмотрения заявок на кредиты наличными и кредитные карты было сокращено втрое и составляет 28 секунд. Абсолютное большинство решений принимается в автоматическом режиме: участие сотрудников требуется не больше чем по 1% заявок.
В целях формирования лучших кредитных предложений банк ежемесячно обрабатывает более 70 млн клиентских записей. Еще недавно эта цифра была в девять раз меньше.
Мы и дальше будем продолжать развитие цифровизации клиентского пути. В оптимизации клиентских путей нам очень помогает интеграция с Цифровым профилем гражданина (ЦПГ).
— Банк ВТБ получил разрешение Банка России на использование внутренних моделей оценки дохода заемщика. Если вся информация о клиенте есть в ЦПГ, для чего банки разрабатывают такие модели?
— К сожалению, информация ЦПГ полностью не закрывает потребности клиентов и банка.
В первую очередь есть проблемы с актуальностью данных и скоростью их получения из государственных органов. Сложность представляет также и то, что не по всем категориям клиентов в ЦПГ есть актуальные данные. Например, предоставление ЦПГ информации о доходах физических лиц, являющихся плательщиками налога на профессиональный доход, планируется реализовать только в этом году.
— Основные преимущества применения внутренних моделей дохода для клиента и банка?
— Применение моделей оценки дохода поможет минимизировать необходимость получения у клиентов подтверждающих доход документов. Банкам, в свою очередь, модель позволяет более точно оценить доход клиентов для расчета ПДН, в отличие от показателей среднедушевого дохода.
— Многие кредитные продукты банка предполагают предоставление заемщиком обеспечения в виде недвижимости и других «физических» активов. Какие технологии могут улучшить клиентский путь?
— Кредитные технологии банка позволяют даже этот процесс сделать цифровым на всех этапах: от осмотра залога до регистрации ипотеки.
Для большинства типов недвижимости клиент может применять специальное приложение, позволяющее осмотреть предмет залога самостоятельно.
В прошлом мы реализовали инструментарий по мониторингу залогов с применением технологии дистанционного зондирования земли, которая позволяет работать с залогами там, где проведение «традиционного» осмотра затруднено или экономически нецелесообразно.
Для оценки жилых квартир, коммерческих помещений и автотранспорта мы применяем внутренние модели оценки рыночной стоимости.
Продуктивное сотрудничество банка с Росреестром позволяет развивать электронную форму регистрации ипотеки. На текущий момент более 80% всех сделок с недвижимостью в банке регистрируется в Росреестре электронно.