Sovremennye-metody-kreditnogo-skoringa-i-ih-primenenie-v-bankovskih-IS

1.

«Разработка программного модуля
скоринга для банковской
информационной системы на
примере АО «Дальневосточный
банк»»
Выполнил: Ташкина Татьяна Анатольевная, студент группы БИС-22-1
Руководитель: Богданова Ольга Борисовна, Старший преподаватель, кафедра ИТС
«Владивостокский государственный университет» (ФГБОУ ВО «ВВГУ»)
2026

2.

02
Актуальность
Рост объёмов данных и цифровизация делают автоматизацию анализа клиентов критически важной. Ручной сбор и
обработка данных увеличивают время принятия решений, повышают риск ошибок и снижают согласованность
оценок — особенно при работе с юридическими лицами и ИП.
Тема имеет практическое значение для повышения скорости, точности и прозрачности оценки клиентов в банковских информационных системах.

3.

03
Проблемы текущего процесса
Ручной сбор
Excel-процессы
Данные из Контур.Фокус и внутренней базы данных
Критическая логика в таблицах — сложность
банка собираются вручную — долго и подвержено
версионирования, уязвимость к человеческой
ошибкам.
ошибке.
Отсутствие стандарта
Сложный аудит
Нет единой схемы атрибутов и валидации —
Нечёткая трассировка решений затрудняет
трудности интеграции и аудита.
объяснимость и проверку соответствия
регуляторным требованиям.

4.

04
Цель и задачи проекта
Разработать модуль кредитного скоринга,
интегрируемый в банковскую информационную
систему, который автоматизирует сбор данных,
рассчитывает скоринговый балл и формирует
категорию финансового положения клиента с
прозрачной логикой и возможностью аудита.
01
Автоматизировать сбор внешних и внутренних данных
02
Реализовать расчёт скорингового балла по
формализованным критериям
03
Формировать категорию финансового положения
и детализированный чек-лист результата.

5.

05
Методы скоринга
1
Балльные модели
2
Статистические
методы
3
Машинное
обучение
4
Гибридные
подходы
Простые и
Логистическая
Деревья, случайные
Сочетание
прозрачные модели,
регрессия и
леса, градиентный
формальных моделей и
которые легко
похожие подходы
бустинг и нейросети
экспертных правил
объяснить
дают вероятностную
находят сложные
помогает совместить
регулятору; хорошо
оценку риска и
зависимости, но
точность с
подходят для
понятные
требуют
интерпретируемостью.
первичного
коэффициенты.
объяснимости.
скоринга.

6.

06
Выбранный подход
Для реализации скоринга выбрана балльная модель, при которой итоговая оценка формируется суммированием
баллов по каждому критерию в соответствии с его весом.
Преимущества подхода:
— простота и наглядность расчёта для кредитного аналитика;
— лёгкость настройки весов и пороговых значений;
— возможность дифференцировать клиентов по категориям
надёжности;
— соответствие общепринятой банковской практике скоринга.

7.

07
Архитектура модуля

8.

08
Основной поток обработки

9.

09
Технологический стек
Платформа и реализация:
— АБС «ЦФТ-Банк»
— PL/Plus (PL+ → PL/SQL)
— Oracle
Интеграция и обмен данными:
— сервис «Контур.Фокус»
— REST API
— JSON

10.

Алгоритм работы с Контур.Фокус
Реализация получения данных из Контур.Фокус
Формирование запроса по ИНН
клиента.
Отправка REST-запроса в API.
Госзакупки
Получение JSON-ответа. Анализ
результата по критерию.
Передача результата в общий расчёт
скоринга.
Реестр
недобросовестных
поставщиков

11.

Алгоритм получения внутренних данных
Реализация получения данных из Контур.Фокус
Выборка данных клиента из АБС
Расчёт финансового показателя
Картотека
Определение количества баллов.
Передача результата в общий расчёт
скоринга.
Приостановления
по ФНС, ФТС

12.

10
Реализация:
экранная форма
операции оценки
нового клиента
Экранная форма позволяет:
— запустить операцию оценки клиента;
— выполнить автоматический расчёт;
— отобразить итоговый балл и категорию.

13.

11
Реализация: результаты расчета и
детализированный чек-лист после оценки
нового клиента
Справочник "Результаты скоринга"
Массив "Детализированный чек-лист "
Хранит итоговый балл, категорию финансового
Содержит перечень критериев и присвоенные по ним баллы.
положения и служебные данные расчёта.

14.

Реализация:
экранная форма
операции
обновления
оценки клиента

15.

Реализация: результаты расчета и
детализированный чек-лист после обновления
оценки
Справочник "Результаты скоринга"
Массив "Детализированный чек-лист "

16.

17.

Экономическая эффективность
Затраты на разработку
Эффект от внедрения
Состав проектной группы:
До автоматизации:
Бизнес-аналитик
60 ч.
547 руб./час
Разработчик PL+
355 ч.
479 руб./час
30 минут на клиента
Количество заявок:
Общие трудозатраты
После автоматизации:
415 чел.-ч.
Менее 1 минуты на клиента
720 в год
(в среднем 60 в месяц)
Стоимость разработки:
Экономия рабочего
времени:
Годовой экономический
эффект:
202 865 рублей
348 часов в год
190 356 рублей
Результат
Затраты на разработку
Годовая экономия
Срок окупаемости
202 865 рублей
190 356 рублей
1,07 года
(1 год и 1 месяц)
Вывод
Разработка экономически
целесообразна и оправдана

18.

Спасибо за внимание.