Часто слышал жалобы от клиентов, которые обижаются, что банк незаслуженно отказал в выдаче кредита. Забавно, но такой клиент может тут же обратиться в другой банк, и быстро получить там одобрение.
Меня это всегда возмущало: почему наш банк отказал клиенту с идеальной кредитной историей, подходящего под все наши условия и т.п. Увы, политика банков такова, что даже кредитным специалистам часто не озвучиваются причины отказа, и понять, что именно произошло, не так просто.
Бывают и противоположные случаи. Банк может выдать кредит совсем безнадёжному клиенту. У человека просрочки по предыдущему кредиту, непогашенная кредитка, и зарплаты едва хватает на жизнь, не то чтобы платить по кредиту, но банк одобряет. В таких ситуациях сами сотрудники банка не могут объяснить, как это произошло.
Но объяснение есть и, что интересно, в обоих случаях оно лежит в области современных технологий.
Решение о выдаче кредита в банке принимается в полуавтоматическом (или полностью автоматическом) режиме. Для этого используются специализированные скоринг-системы, которые на основе данных о клиенте рассчитывают вероятность того, что он сможет вернуть кредит вовремя, не выходя на просрочку.
Сейчас в таких системах очень часто используются нейросети, и именно тут заключается ответ на вопрос, почему банки могут и иногда даже вынуждены выдавать кредиты самым разным, в т.ч. и клиентам, по которым изначально понятно, что у них возникнут проблемы с возвратом долга.
Дело в том, что обучение такой системы необходимо проводить на реальных данных, используя информацию о реальных клиентах, которые взяли кредит, платили его и вышли на просрочку.
При этом, если такая система будет постоянно анализировать только тех клиентов, которых банк посчитал хорошими, и будет искать самых лучших клиентов среди них, то в итоге она окажется слишком строгой — будет очень много отказов. Это как раз те случаи, когда у клиента всё хорошо с документами, он подходит под кредитную политику банка, но в кредите ему отказали — система «перестраховалась» и сотрудники не могут понять, в чём дело.
Конечно, часто бывают и другие случаи. В действительности клиенту банк отказал по каким-то своим причинам, которые не хочет озвучивать. Я как-то работал в банке, который, оказавшись в ситуации массового оттока вкладов, перестал выдавать кредиты. Отказывали всем клиентам без объяснения причины — «Банк не сообщает причину отказа».
Чтобы избежать ситуации, когда машинное обучение проводится по уже отфильтрованным данным, нужно его обучать, рассматривая всех клиентов, которые обратились за кредитом.
Для этого банки, чтобы собрать такие данные, могут периодически начать выдавать кредиты буквально всем подряд. Получается контрольная группа, на основе которой нейросеть обучается определять тех, кто действительно не сможет платить по кредиту.
Так и выходит, что периодически банк, применяющий в своих системах нейросети, вынужден выдавать кредиты всем подряд, в т.ч. и безнадёжным клиентам.
Конечно, банк несёт убытки — но это плата, которая с лихвой компенсируется за счёт того, что система в целом будет работать точнее, и прибыль банка будет расти.
Кроме того, чтобы снизить затраты, банк может прибегнуть и к другому способу анализа клиентов, которым он отказал в кредите.
Как узнать что это был не плохой клиент, что ему можно было всё-таки выдать кредит? Если клиент, получив отказ, всё-таки получит кредит в другом. Информация по этому кредиту может быть использована первым банком для дообучения своей скоринговой системы.
Дело в том, что когда клиент подаёт заявку на кредит, он ещё подписывает согласие на получение информации из бюро кредитных историй. И даже если заявка отклонена, согласие продолжает действовать, а банк может получать кредитные отчёты и анализировать их.
Для банка это гораздо выгоднее, чем выдавать кредиты всем подряд — риски несёт второй банк, а первый только лишь платит БКИ за получение кредитного отчёта.