Как менять кредитные правила, чтобы успеть за реальностью: рассказывает акционер инвестиционной платформы “Поток”

В этом году нам пришлось решать две задачи: на ходу перестраивать систему оценки заемщиков в ситуации полной коронавирусной неопределенности и одновременно налаживать IT-инфраструктуру для управления рисками. Можно сравнить это с задачей пробежать стометровку, не останавливая операцию на сердце.

Управление рисками - это не только скоринг, то есть оценка кредитоспособности потенциальных заемщиков (в любой отрасли, от услуг по информационной безопасности до fashion-ретейла). Это еще и управление портфелем займов и работа с просроченной задолженностью.

На каждом из этапов требуется принимать много решений, а для этого нужны цифры. Много цифр. Поэтому сразу после покупки 40% “Потока” прошлой осенью мы начали проектировать новую IT-архитектуру платформы, и в том числе - корпоративное хранилище данных (DWH) на MS SQL Server.

В DWH собираются данные из всех основных систем: учетной системы, где ведется расчет займов и обработка платежей, внутренней CRM-системы, работающей с заявками, веб-аналитики, системы принятия кредитных решений и т.д. Каждая из них работает со своим набором сущностей. Все данные загружаются в DWH (Data Warehouse - Хранилище данных) и обогащаются идентификаторами из разных систем.

Архитектурно DWH состоит из трех слоев: staging область с данными из источников за последние сутки, детальный слой с консолидированными нормализованными данными и витрины данных. Данные загружаются каждую ночь, ETL-процессы укладываются в несколько часов технологического “окна”, когда нет нагрузки на бизнес-системы. Для абсолютного большинства задач данных в режиме “Т-1” достаточно. Оперативные данные за текущий день берем напрямую из бизнес-систем. Инфраструктура DWH развернута в Яндекс.Облаке (переход туда с другого хостинга позволил ускорить ETL-процесс почти в два раза - за счет быстрых SSD-дисков).

Благодаря DWH мы можем быстро получать сквозную аналитику. Например, заемщик подал заявку на сайте, мы ее одобрили и выдали по ней заем. В DWH есть связь между id сессии на сайте, id заявки, id займа и платежами по этому займу. Раньше такая задача занимала несколько дней: выгрузить данные из нескольких систем, вручную связать их между собой, отсеять “мусор” и только после этого заняться собственно анализом.

Корпоративное хранилище данных для нас – “единственная версия правды” (single version of truth): вся внутренняя и внешняя отчетность от ежедневного мониторинга продаж до отчетов в Центральный банк строится из витрин DWH. Витрины хорошо документированы, и риск-аналитики могут самостоятельно с помощью базовых SQL запросов делать нужные им отчеты и выгрузки. Также мы внедрили PowerBI - мощный инструмент визуальной аналитики, который позволяет строить дашборды и манипулировать данными вообще без знания SQL. Нам так понравилось, что мы планируем внедрить несколько отчетов на PowerBI и в личный кабинет инвестора.

“Поток” предлагает для инвестирования только тех заемщиков, которые прошли “сито” оценки кредитного риска. Эта оценка состоит из двух частей: автоматического анализа данных самого заемщика (в первую очередь, это выписки по банковскому счету), данных бюро кредитных историй и других внешних источников, и итоговой оценки кредитного аналитика. Эксперт смотрит на бизнес заемщика в комплексе и учитывает те факторы, которые сложно или невозможно отследить на этапе автоматического анализа.

Мы не запрашиваем бухгалтерскую отчетность - у наших заемщиков, она, как правило, менее информативна, чем объективные исходные данные - список всех входящих и исходящих платежей по банковскому счету. Для каждого платежа в выписке указан контрагент и назначение платежа. Единственная проблема - это поле никак не формализовано.

И мы написали многоуровневый парсер (ПО, выделяющее определенные части информации из массива данных), который “раскрашивает” транзакции в выписке, присваивая каждой из них набор атрибутов. Например, задача номер один -- выделить из всех платежей, поступивших на расчетный счет, те, которые составляют выручку за производимые компанией товары или услуги (“чистый оборот”). Для этого нужно отфильтровать поступления другой природы (например, входящие кредиты и платежи с других счетов той же компании или от связанных с ней юрлиц). После того, как все транзакции в выписке промаркированы, мы отбираем только те, которые относятся к основному бизнесу заемщика, и рассчитываем нужные показатели.

Дальше нам нужно ответить на главный вопрос: считаем ли мы кредитный риск по заявке приемлемым, и если да, то какую сумму займа мы можем одобрить заемщику (на следующем этапе кредитный эксперт может скорректировать это решение, если найдет новые факторы).

Логика правил одобрения и расчета лимита (мы это называем “кредитной стратегией”) довольно сложная и разветвленная. В предыдущей версии платформы ее реализовывали сложные скрипты, написанные на Питоне, с несколькими “культурными слоями”, оставшимися по наследству. Любое изменение кредитной стратегии шло по тому же пути, что и изменение в коде основного приложения: ТЗ разработчику → тестирование → релиз.

Плюс к тому, это было очень дорого с точки зрения человекочасов, потому что требовалось активно вовлекать ИТ-команду.

Мы решили использовать специальную платформу под названием “система принятия решений” (СПР). Это программная оболочка, в которой удобно настраивать правила кредитной стратегии (для этого не нужно владеть навыками программирования на уровне профессионального разработчика). Похоже на Visual Basic, язык макросов в MS Office. СПР достаточно легко интегрируется с основным приложением: на вход передается XML со всеми атрибутами заявки, на выходе еще один XML с результатами отработки кредитных правил и итоговым решением: отказать, одобрить, размер лимита.

Мы использовали решение Experian PowerCurve - это мощная платформа банковского уровня, и стоит она внушительных денег, но мы, в отличие от банков, не стремимся физически держать у себя всю инфраструктуру. Нам очень понравилась облачная “обертка” платформы PowerCurve от компании “Аксиоматика” под названием AxiCredit: мы не тратим ресурсы на поддержку и обслуживание решения, а платим только за каждую обработанную с помощью платформы заявку. Это позволяет привязать расходы на СПР к объему бизнеса, не выкладывая сразу крупную сумму.

Изменять правила может риск-аналитик, не задействуя ИТ-команду: время от идеи до реализации сократилось в несколько раз. Если раньше даже простое изменение занимало 1-2 дня, то теперь это дело пяти минут. Для сложных и комплексных изменений в стратегии есть тестовый контур.

Когда во второй половине марта кредитное качество заемщиков стремительно полетело вниз из-за карантинных ограничений, мы закручивали “кредитные гайки” еще в старой системе - внедрение СПР только начиналось. Результат от изменений появился быстро, качество новых выдач не только не упало, но значительно улучшилось: если в 2019 г. в дефолте в среднем оказывалось 6-8% от выданного в месяц, то с апреля этого года просрочка уверенно держится на 2-3%.

Конечно, весной мы пускали на платформу значительно меньше заемщиков. К июню-июлю, когда ограничения стали потихоньку снимать, потребность в кредитовании у малого бизнеса начала возвращаться к докризисным уровням. И задача перед нами встала даже более сложная, чем два месяца назад: нарастить объемы, сохранив тот же уровень качества займов, на который мы вышли во время кризиса.

Такие изменения мы уже проводили с помощью СПР, что в разы сократило срок на их внедрение. В результате уже в июне нашим инвесторам было доступно в два раза больше качественных займов для инвестирования. Спустя четыре месяца мы видим, что уровень просрочки остался при этом на банковском уровне: 2-3%.

Другой кейс использования СПР - перезапуск на “Потоке” тендерных займов (займы на исполнение госконтракта) и запуск факторинга. Эти продукты мы выводили на платформу тоже в июне. Они требуют иного подхода к оценке рисков, чем оборотное кредитование: например, для тендерных займов нужно анализировать опыт заемщика в исполнении госконтрактов. Рисковики создали за несколько дней отдельные ветки кредитной стратегии в СПР, и мы смогли быстро запустить оба продукта. Если бы нужно было писать и тестировать код на Питоне, времени ушло бы заметно больше. В итоге мы уже в конце лета вышли на 20-30 млн. руб. тендерных займов в месяц, а объемы факторинга в октябре составили почти 75 млн. руб.