Экосистема Т-Банка и улучшение кредитного скоринга с помощью ML

1. Тинькофф

2. Сфера деятельности

Т-Банк (ранее Тинькофф) — это полностью
цифровой банк, строящий собственную
экосистему сервисов, не имеющий
классических отделений.
Основные виды деятельности:
• Банковские услуги: Кредитные и дебетовые
карты, вклады, кредиты наличными (RBO —
Retail Banking Online).
• Инвестиции: Т-Инвестиции (брокерское
обслуживание).
• Страхование: Т-Страхование (ОСАГО, каско,
путешествия).
• Мобильная связь: Т-Мобайл (виртуальный
оператор).
• Развлечения и лайфстайл: Т-Плюс (подписка,
объединяющая музыку, кино, книги), Город
(афиша и билеты), Путешествия.

3. IT-инфраструктура:

Аппаратное обеспечение:
• Собственные дата-центры
• высокая нагрузка на серверы (Highload)
• использование мощностей облачных
провайдеров.
Программное обеспечение:
• Мобильное приложение (основной канал)
• собственные CRM и скоринговые системы
• антифрод (системы борьбы с
мошенничеством)
• микросервисная архитектура.

4. Ключевые бизнес-процессы:

1.
Обработка кредитных заявок (кредитный конвейер): Процесс от получения заявки до
выдачи денег или отказа.
2.
Процессинг транзакций (обеспечение платежей и переводов 24/7).
3.
Привлечение клиентов (таргетированный онлайн-маркетинг).
4.
Обслуживание клиентов (поддержка в чатах и колл-центре).

5. Процесс обработки кредитных заявок (андеррайтинг и принятие решения)

Процесс обработки кредитных заявок (андеррайтинг и принятие решения).
Это ключевой процесс, так как он напрямую влияет на прибыль банка и удовлетворенность
клиентов.
В чем проблема:
Классический скоринг (оценка кредитоспособности) работает так: банк смотрит кредитную
историю, анкетные данные (возраст, доход) и скоринговый балл.
Этого часто недостаточно:
1.
Тонкая грань: Трудно отличить добросовестного клиента, у которого просто нет
кредитной истории (например, молодой специалист), от потенциального мошенника.
2.
Потеря клиентов: Из-за нехватки данных банк может дать отказ хорошему
платежеспособному клиенту.
3.
Мошенничество: Мошенники научились подделывать справки о доходах, но они не
могут подделать свой цифровой след.

6. Процесс обработки кредитных заявок (андеррайтинг и принятие решения)

Идея улучшения:
Внедрить в процесс принятия решения анализ поведенческих данных (Big Data). У Т-Банка огромная
экосистема. Если клиент уже пользуется сервисами банка, у нас есть данные о том, как он себя ведет.
Как улучшить:
1.
Анализ транзакций:
Анализируется не просто доход, а на что клиент тратит деньги (покупки в супермаркетах, оплата
ЖКХ, переводы друзьям). Стабильные траты = финансовая дисциплина.
2.
Анализ поведения в приложении:
Как часто клиент заходит в приложение, пользуется ли инвестициями, оплачивает ли услуги ЖКХ,
не опаздывает ли с платежами по картам.
3.
Геоданные (с согласия):
Совпадает ли геолокация телефона с местом работы, указанным в анкете? Частая смена геолокации
может быть признаком мошенничества.
4.
Машинное обучение (ML):
Нейросеть обучается на миллионах таких кейсов. Она может заметить паттерны, которые не видны
человеку: например, "если клиент покупает кофе в одной и той же кофейне каждый день и
оплачивает ЖКХ без задержек, то он вернет кредит с вероятностью 99%".

7. SMART

S (Specific — Конкретная):
Разработать и интегрировать в кредитный конвейер ML-модуль, который дополнит классическую скоринговую модель
анализом поведенческих факторов клиента внутри экосистемы Т-Банка.
M (Measurable — Измеримая):
• Снизить уровень просроченной задолженности (дефолтов) по новым выдачам на 8%.
• Увеличить процент одобрения по заявкам от существующих клиентов с "тонкой" кредитной историей на 15%.
• Сократить время принятия решения по заявкам, требующим ручной проверки, на 40% за счет автоматизации.
A (Achievable — Достижимая):
У Т-Банка есть собственный мощный отдел Data Science, огромное хранилище данных (Big Data) для обучения
моделей и техническая возможность бесшовной интеграции в микросервисную архитектуру.
R (Relevant — Актуальная):
В условиях высокой конкуренции и экономической нестабильности банку важно не только привлекать новых
клиентов, но и удерживать старых, предлагая им лучшие условия, но без лишнего риска для себя.
T (Time-bound — Ограниченная во времени):
Разработка модели, обучение на исторических данных и А/В-тестирование на контрольной группе пользователей
должны быть завершены в течение 6 месяцев.