Построение системы кредитного скоринга на транзакционных данных

Размещено на сайте 13.08.2019

На пути повышения экологичности использования клиентских данных важную роль имеют транзакционные данные. Как правило, они являются вторым по значимости (после кредитных историй) источником, позволяющим извлечь знания о будущем клиентском поведении. Для категории клиентов, по которым нет исчерпывающих для скоринга данных о кредитах, транзакционные данные становятся практически самой коррелирующей с вероятностью возврата клиентской характеристикой.

Анна КОКШАРОВА, Data Lab, CEO, ПНИПУ, старший преподаватель кафедры прикладной математики
Сергей ГАЛЕНКО, Data Lab, CDO

Приводятся извлечения из статьи. Полную версию материала читайте в журнале. Подписаться

Зачастую отказной трафик банка или МФО — это поток клиентов, в благонадежности которых компания посчитала себя недостаточно осведомленной. И на 80% эта неопределенность лежит в области недостаточной утилизации данных финансовой компании.

Задача кредитного скоринга была сведена к поиску шаблонов в транзакционной матрице клиента. Шаблоны должны давать возможность определить клиента по паттерну дальнейшего взаимодействия в один из классов: социальный дефолт, фродовый дефолт, дефолт, возврат.

Выбрать	Риски	Бухучет и налоги	Кредитный департамент	Управление банком
направление:	Розница	Внутренний контроль	Операционный департамент	Юридическая работа

О компании	Контакты	Авторам		Для клиентов (Как скачать закрывающие документы)
Помощь	Реклама	Подписным агентствам