1. Аналитические и операционные системы
для комфортных коммуникаций с клиентом
и продвижения финансовых услуг банка
Евгений Матрос
Банк Михайловский

2. Клиентский поток и тенденции рынка
• Клиентский поток:
•
•
•
•
Высокая цена клиента
Большинство хороших клиентов уже являются клиентами других банков
Конкуренция – охота на клиентов
Большая доля клиентов, которые обращаются за кредитами уже сейчас платят по кредитам больше 50% своего
ежемесячного дохода
• Негативная кредитная история
• Определенный сегмент клиентов, которые ищут банк (больше 3 заявки на кредит в течении месяца)
• Мошенничество
• Гибкие ИТ системы банка
2

3. 3
Повышение эффективности
Эффективное
удержание
Кросс-Апселл
Восстановление
потенциально доходных
клиентов
Эффективное
привлечение
новых клиентов
Доход
Быстрое завершение
отношений с
убыточными клиентами
Привлечение
Стимулирование
Удержание
Время
Завершение/Восстановление

4. Аналитические и операционные системы
Call
center
SMS
gate
Letter
send
Интернет/мобиль
ный банкинг
Front (operation CRM)
External
sources,
BKI
Application
Processing
System
Fraud
detection
Collection
engine
Analytical
CRM
Core
bank
system
Analytical
models builder
Internal
verification db
Reporting system
Card
system
O_DWH
Reporting DataMart
Card
fraud
4

5. •
•
•
•
Эффективная система риск-менеджмента в розничном
кредитовании
Принятие решения о выдаче кредита:
– Параметры продуктов (кредитные лимиты, схема погашений…)
– Каналы продаж
– Модель принятия решений / стратегия принятия решений
– Ценообразование на основании рисков
– Оценка кредитоспособности
o Целевой клиент
o Верификация данных
o Идентификация мошенничества
o Платежеспособность
o Скоринг
Анализ поведения заемщика
– Утилизация лимита (для кредитных карт)
– Погашения
– Наличие контакта
– Предоставление необходимой информации и выполнение необходимых действий
– Поведенческий скоринг
Мониторинг портфеля / каналов продаж
– Динамика качества портфеля
– Объемы продаж в разрезе каналов
– Показатели просрочки в разрезе каналов (типы каналов, сотрудники, точки продаж, города, регионы)
– Выявления закономерностей в идентификационных/контактных данных в просрочках. Пополнение черных
списков
Коллекшин
– Стратегии взыскания
– Коллекшин скоринг
– Пополнение черных списков
5

6. 6
Риск-менеджмент
Call
center
SMS
gate
Letter
send
Интернет/мобиль
ный банкинг
Front (operation CRM)
External
sources,
BKI
Application
Processing
System
Fraud
detection
Collection
engine
Analytical
CRM
Core
bank
system
Analytical
models builder
Internal
verification db
Reporting system
Card
system
O_DWH
Reporting DataMart
Card
fraud

7. APS. Стратегии принятия решений
•
Ввод заявки
Правила кредитной
политики
Автоматическая
верификация
•
•
Проверка инфы из
АБС
Первичный скоринг
•
Fraud detection
Платежеспособность
Скоринг для
выбора стратегии
Низкий
риск
Средний
риск
Высокий риск
Проверки во
внешних
источниках
Уровень 1
Проверки во
внешних
источниках
Уровень 2
Проверка в
кредитных
бюро
Уровень 1
Проверка в
кредитных
бюро
Уровень 2
Ручная
Верификация
Уровень 1
Ручная
Верификация
Уровень 2
Окончательный
скоринг
Ценообразование с
учетом уровня риска
•
•
•
Гибкий конструктор принятия решений с
преднастроенными блоками
Разные стратегии для разных продуктов/сегментов
Разные правила и параметры правил для разных
продуктов/сегментов/подсегментов
•
Черные списки
•
Кредитная история
•
Платежеспособность
•
…
Насстройка стратегий на уровне аналитика в рисках,
не ИТ
Запуск новых стратегий на лету
Механизм тестирования стратегий
Простой интеграционный механизм
7

8. 8
Скоринг
Задачи аппликейшин скоринга
Уровень риска для
первичной оценки
Стратегия принятия
решения с учетом
рисков
Ценообразование с
учетом уровня риска
Принятие
окончательного
решения. Расчет ВКР
Задачи поведенческого скоринга
Уровень текущего
риска/ВКР
сделки/клиента/
портфеля
Расчет максимального
лимита, управление
лимитами
Возможность
ап/кросс села по
кредитным продуктам
Стратегия перевода на
более
доходные
продукты
Задачи коллекшин скоринга
Выявления клиентов,
которые сами погасят
Выявление клиентов
для пре-коллекшин
Мотивация
коллекторов
Выбор правильно
стратегии взыскания
Продажа портфеля на
основании рисков
Аутсорсинг на
основании рисков
Оценка портфеля и
ожидаемых потерь

9. 9
Инструменты построения моделей
•
•
Data Mining / Интеллектуальный Анализ Данных – извлечение скрытых
закономерностей из массивов данных
Может быть использован для риск-менеджмента и клиентской аналитики
DataMining включает в себя следующий набор методов
Логистическая регрессия
Деревья решений
Кластерный анализ
Нейронные сети
8.00%
7.00%
Proportion Churn
•
6.00%
3
Cluster 3
22.5% of the upgraders
5.90% churn
$36.67 avg. ARPU
Cluster 2
4.19% of the upgraders
3.17% churn
$173.40 avg. ARPU
5.00%
4.00%
2
3.00%
2.00%
1
1.00%
Cluster 1
73.4% of the upgraders
1.80% churn
$87.14 avg. ARPU
0.00%
$0
$25
$50
$75
$100
ARPU
$125
$150
$175
$200
и другие …

10. Стратегии коллекшин
•
•
•
•
Есть разные типы клиентов:
–
Есть клиенты, которые постоянно платят с опозданием на 15-20 дней.
–
Клиенты, которые не имеют кредитной истории и впервые взяли кредит нуждаются в постоянных напоминаниях
–
Если у клиента есть просроченные долги в других банках, необходимо быстрее прогнать его через софт и хард и
пораньше начать лигал – не факт что имущества хватит на погашения долгов во всех банках
Использование единой стратегии для всех клиентов не дает необходимой эффективности
Необходимо разрабатывать стратегии в зависимости от сегмента/уровня риска должника.
Уровень риска можно определять с помощью простых правил или путем построения скоринговых моделей, которые
учитывают значительное количество параметров и работают более эффективно.
Срок
обслуживания
кредита менее 3
месяцев
3 дней
SMS
7 дней
IVR
Низкий уровень
риска
Срок
обслуживания
кредита более 3
месяцев
- 3 дня
SMS
7 дней
SMS
20 дней
IVR
25 дней
звонок
90 дней
Хард
Средний
уровень риска
3 дня
SMS
7 дней
IVR
15 дней
звонок
60 дней
Хард
Высокий
уровень риска
3 дня
SMS
5 дней
звонок
Наличие
просрочки в
других банках
2 дня
звонок
12 дней
звонок
60 дней
Хард
30 дней
Хард
7 дней
Хард
15 дней
Лигал

11. 11
CRM
Call
center
SMS
gate
Letter
send
Интернет/мобиль
ный банкинг
Front (operation CRM)
External
sources,
BKI
Application
Processing
System
Fraud
detection
Collection
engine
Analytical
CRM
Core
bank
system
Analytical
models builder
Internal
verification db
Reporting system
Card
system
O_DWH
Reporting DataMart
Card
fraud

12. 12
CRM
• Задачи:
• Единый профиль клиента
• Доходность клиентов
• Сегментация клиентов
• Построения аналитических моделей повышения продаж и удержания
клиентов
• Проведение маркетинговых кампаний (офлайн/онлайн)
• Аналитический и операционный CRM
Аналитический CRM – голова
Накопление и
трансформация
данных
Постановка
аналитической
задачи
Построение
математических
моделей
(data mining)
Операционный CRM – руки
Оценка
клиентов по
математическим
моделям
Формирование
/ оптимизация
маркетинговой
кампании
Выполнение
маркетинговой
кампании
Анализ
маркетинговой
кампании

13. Аналитические модели для CRM
•
•
•
•
•
•
•
Сегментация клиентов
Вероятность покупки продукта (cross/up sell)
Выбор оптимального канала общения
Оценка будущей доходности клиента
Вероятность ухода клиента
Вероятность удержания клиента
Модель Next best offer
13

14. Интернет и социальные сети
•
•
•
•
•
Заявки на кредит через интернет. Лиды.
Насыщение информации по клиенту из социальных сетей.
Взыскание задолженности с помощью социальных сетей.
Поиск потенциальных клиентов в зависимости от потребностей.
Выявление и обработка отзывов.
14

15. 15
Спасибо