«Личность бизнесмена влияет на то, как обслуживаются кредитные обязательства»

О том, как можно спрогнозировать банкротство или успешность малого предприятия, как оценивать заемщика при помощи автоматизированной системы и зачем изучать информацию из соцсетей для выдачи кредита малому предприятию «Газете.Ru» рассказал директор департамента кредитных продуктов и процессов Сбербанка Сергей Бессонов.

— Недавно Сбербанк объявил о снижении ставок по кредитам для малого бизнеса. Какую долю на текущий момент занимают малые и средние предприятия (МСП) в общем объеме выданных Сбербанком кредитов?

— Общий объем кредитования МСП на 1 октября составлял 934 млрд руб. Если говорить о доле, то, учитывая, что корпоративный портфель Сбербанка оценивается примерно 11,5 трлн руб., она составляет порядка 8%.

— Как вы планируете изменять эту долю?

— У нас есть KPI для отдельных показателей по увеличению доли и абсолютного объема бизнеса, который был установлен в сентябре на наблюдательном совете банка. Там было поставлена цель прирасти в сегменте кредитования МСП за второе полугодие, то есть к портфелю на 1 июля 2016 года, на 50 млрд руб.

— Для чего вообще Сбербанку наращивать долю МСП? Это же далеко не самый популярный и прибыльный сегмент для банков.

— Мы видим здесь перспективы с точки зрения доли рынка. В среднем у Сбербанка доля рынка по кредитованию корпоративных клиентов составляет около 32,3%, но внутри, по сегментам, она очень неравномерная. Есть крупнейшие клиенты — это более 41% рынка, есть крупные и средние — около 22%, и есть малые — менее 12%.

Получается, что доля Сбербанка по малому и среднему бизнесу ниже средней доли банка в сегменте корпоративного кредитования в целом.

Поэтому мы, имея возможности, недостаточно работаем, недостаточно зарабатываем на этих клиентах. Но мы как раз и хотим увеличить объем бизнеса, долю присутствия на рынке малого бизнеса и тем самым получить дополнительный доход.

— Зарабатывать на сегменте МСП?..

— Это действительно наша цель, у нас есть расчеты и есть предыдущий опыт, которые показывают, что это делать можно.

— То есть это пока больше теория?

— Это теория и практика — и они подкреплены цифрами. Это не субъективное мнение. Для того, чтобы увеличить долю рынка и попытаться на ней заработать, осенью мы предприняли ряд ключевых активностей, чтобы в ноябре-декабре обеспечить резкий прирост выдачи кредитов по сегменту МСП и получить ожидаемый экономический эффект.

— О каких активностях идет речь?

— Мы запустили новый проект, который мы называем смарт-кредит, основанных на интеллектуальной модели обработки данных, так называемых BigData. Порядка 50% малых предприятий имеют счета в Сбербанке, поэтому у нас накопился большой объем информации, какие они операции совершают, как проходят транзакции и так далее.

Мы посмотрели на ключевые факторы и сделали математическую модель, показывающую, при каком условии или сочетании факторов компании-потенциальные заемщики могли бы взять и с высокой степенью вероятности вернуть кредит с учетом процентов.

За счет этой модели, основанной на анализе транзакций, мы четко понимаем, что у нас есть запас по марже, который может покрыть теоретически возможные дефолты по кредитам.

Она же позволит снизить издержки на кредитование — по моим ожиданиям, снижение расходов банка в рамках технологии смарт-кредитов составит не меньше 30% от стандартной ситуации.

— Что вы имеете в виду под запасом по марже? Все-таки Центробанк не снижал ставки настолько ощутимо, чтобы подобное снижение ставок не шло за счет собственной прибыли банка.

— Все дело в стратегии банка. Есть высокомаржинальная, например, мы делаем маржу в два раза выше, но продаем кредитов в два раза меньше. Таким образом, абсолютная прибыль у нас получается, к примеру, 100 единиц. А есть другая стратегия: мы снижаем маржу, но продаем в два раза больше, за счет чего прибыль получается выше. В данном случае мы выбрали второй вариант — привлечь больший объем клиентов и существенно нарастить свой портфель по МСП.

Прогнозирование по транзакциям и не только

— Вы запустили смарт-кредиты в середине сентября, то есть ваш пилотный проект идет уже два месяца. Можете подвести какие-нибудь предварительные результаты? Теория заработала?

— У нас на начало ноября более 1000 кредитов, выданных по технологии смарт-кредитования, общим объемом более 2,5 млрд руб.

— 1000 — из какого числа сформированных предложений?

— Накопленным итогом у нас отправлено клиентам 28,7 тыс. предодобренных предложений, и мы продолжаем отправлять по 5–10 тыс. новых предложений еженедельно. Мы разбили общий «пул» рассчитанных предложений, которых около 100 тыс. — по нескольким партиям, которые постепенно доводим до клиентов различными каналами (по смс, через клиентских менеджеров), чтобы не получилось «бутылочного горлышка», когда клиенты придут за кредитами, а мы не сможем обработать все заявки.

Во второй этап пилотного проекта мы рассчитаем еще 100 тыс., доведя их общее количество до 200 тыс.

— Аналитические модели, правда, для физических лиц, действуют уже несколько лет у немалого количества крупных игроков. Почему потребовалось столько времени на запуск пилотного проекта? Как отличается смарт-кредитование физических лиц от юридических?

— Я расскажу в общих чертах. Как работает модель? Мы взяли все обороты по расчетным счетам и разложили их на группы, на типы операций. Получилось, условно, 100 типов взаиморасчетов, которые может совершать владелец счета. Дальше мы уже посмотрели какие взаиморасчеты делают те клиенты, и как зависит финансовое состояние клиента от данных типов взаиморасчетов.

Наш риск-менеджмент определил статистически несколько десятков факторов, наличие которых позволяет с достаточно высокой точностью оценить вероятность невозврата кредита, связанного с финансовыми проблемами у заемщика.

Все то время, что мы вели подготовку к запуску проекта, мы накапливали информацию для того, чтобы выделить эти факторы. Потому что если говорить о предсказательной силе модели, то в качестве одного из факторов часто упоминается такой термин, как показатель Gini. Он показывает, насколько предсказательная сила модели выше, чем простое подбрасывание монетки, то есть фактически означает работу случайной модели. Вы же теоретически можете выдавать деньги просто подбрасывая монетку, по принципу дать или не дать. Показатель Gini подсказывает, насколько ваша модель прогнозирует будущее лучше, чем случайная модель.

Значения данного показателя для эффективных скоринговых моделей начинаются с 50-60%. То есть это не модель, которая на 50-60% права, это модель, которая на 50-60% лучше работает, чем просто случайный датчик.

— В случае с вашей моделью смарт-кредитования МСП, хороший показатель это как раз 50-60%?

— Да, 50-60% и выше. И в этом смысле такая смарт-модель, как минимум, не уступает по точности классическим моделям кредитного скоринга, значительно превосходя ее по скорости. Пока мы не достигли соответствующего показателя, мы не хотели ее внедрять, ведь при низком Gini потенциальные потери от кредитного риска могут превышать, стандартную маржу и банк получает убытки по продукту. Более того, мы активно работаем над дальнейшем повышением качества смарт-модели, подключая новые источники данных и совершенствуя алгоритмы отбора факторов.

— По каким факторам оцениваются заемщики?

— В основе лежит анализ оборотов, к которому мы стали добавлять другие факторы, которые не относятся к движению средств на счете. Вместе с комплексным анализом счетов мы учитываем и базу СПАРК, и арбитражные иски — целый ряд факторов, который позволяет улучшить качество прогнозирования.

— Можете привести какой-нибудь конкретный пример? Какой самый неожиданный, наверно, с точки зрения заемщика, фактор?

— Неожиданных, необычных факторов там нет, но в том числе модель может анализировать открытую информацию из социальных сетей, хотя и только по согласию клиента.

— Учитывая, что анализ соцсетей ведется для того, чтобы выдать кредит именно бизнесмену, малому предприятию, а не просто физическому лицу, это все-таки неожиданный фактор.

— Стиль и личность бенефициара оказывает важное воздействие на то, как ведется бизнес и как обслуживаются кредитные обязательства. Поэтому модель учитывает эту информацию. Это один из факторов, который увеличивает Gini.

Нужно учитывать те данные, которые позволяют обогатить или улучшить модель. Тем более, что для клиента это ничего не стоит. Смотрите, если говорить про стандартное корпоративное кредитование, то там тоже можно строить модели с максимальным количеством факторов, но тогда разговор с клиентом будет состоять не из 50 вопросов, а из 250, и мы будем принимать решение за три месяца вместо трех недель.

А в случае со смарт-моделью мы все данные получаем, не cпрашивая самого клиента, для него это выглядит как готовое решение.

— Если говорить о тех факторах, которые не относятся непосредственно к бизнесмену, то что еще учитывает смарт-модель? Ставка зависит от вида бизнеса?

— Если укрупнить, то все зависит от двух факторов: от качества клиента, рейтинга, и его обеспечения. Модели сами покажут, если какие-то категории сделок более рискованная – в целом они будут иметь худшие рейтинги и более высокий уровень ожидаемых потерь. Это и повлияет в итоге на процентную ставку.

— Разумеется, для этого должны быть долгосрочные прогнозы по каждой отрасли, чтобы оценить рискованность бизнеса, верно?

— Да, у нас есть аналитический хаб и центр макроэкономических исследований, они стандартно прогнозируют движение всех ключевых факторов, мы их называем еще imputs, на год-два-три вперед. Это нам нужно для того, чтобы корректно понимать перспективы той или иной отрасли и формировать отраслевые стратегии.

Автоматизация по согласию

— Какие показатели у смарт-кредитов по конверсии?

— Мы измеряем несколько уровней конвертации – так положительный обратный отклик, говорящий о том, что клиенту интересно финансирование на предлагаемых условиях – у нас составляет 17-18% (в зависимости от недели), далее 40-50% от данного числа превращаются в реальные заявки, когда клиент действительно приходит в банк за кредитом. При этом одобренных кредитов гораздо больше 1000 – часть клиентов не сразу выбирают финансирование, приходят за деньгами в течение месяца, то есть количество выданных кредитов, даже по ранее одобренным заявкам, постоянно растет.

При этом невозможно сравнить данные цифры конвертации со стандартным уровнем одобрения, когда приходит индивидуальный предприниматель и просит у нас кредит.

Тот, по сути дела, уже знает, что ему нужны деньги. А здесь принцип работы другой: мы сами предлагаем ему взять кредит, посчитав, что мы готовы принять кредитные риски.

И многим клиентам в конкретный момент дополнительные средства не нужны, поэтому они говорят «спасибо, мы в следующий раз к вам с этим предложением придем». Поэтому, естественно, если смотреть конверсию по клиентам, которые пришли сами за деньгами, она в разы больше, чем конверсия по смарт-моделям.

— А если считать конверсию по тем вашим клиентам, которые не брали заемные средства? Знаете, как физическим лицам звонят периодически и предлагают взять кредит.

— А мы до этого не делали предодобренных предложений нашим малым бизнесменам, только выходили просто с продвижением продукта. Раньше звонил клиентский менеджер и спрашивал «Вы не хотите получить кредит? У нас есть ряд банковских продуктов». Но он не мог назвать ни сумму, ни ставку. А сейчас он может позвонить и сообщить: «Вам оформлен кредитный лимит на сумму до 3 млн руб. по ставке 18% (это если говорить про микробизнес)». Пожалуйста, вы можете прийти и в тот же день получить деньги. Поменялся уровень детализации.

— Вы говорите, что смарт-кредит — это предодобренное предложение, то есть решения еще нет. Для чего в системе смарт нужен клиентский менеджер, который будет выносить окончательное решение? Он только подписывает необходимые бумаги или же перепроверяет выводы модели?

— Во-первых, клиентский менеджер получает согласие от клиента на проверку информации из бюро кредитных историй (БКИ). Наше предложение действует, если клиент обладает средней и хорошей кредитной историей, но проверить ее, согласно законодательству, мы можем только после получения согласия.

Поэтому, когда бизнесмен приходит за кредитом, мы получаем его разрешение, после чего в течение нескольких минут проверяем его кредитную историю. Если информация стандартная, предложение не меняется. Но у нас уже были разовые случаи отказа, когда выяснялось, что по БКИ клиент брал кредиты и некачественно их обслуживал.

— В течение какого срока действует смарт-предложение? И меняются ли его условия?

— Если условия меняются, то модель просто пересчитывается. Например, при снижении ставок чуть-чуть вырастут кредитные лимиты. Что касается срока предложения, то сейчас оно действует один месяц. Сейчас мы обсуждаем дальнейшие шаги, и я думаю, что мы будем производить перерасчет автоматически, через определенные промежутки времени. Это будет второй этап развития смарт-кредитования бизнеса: чтобы информация по актуальным условиям смарт кредита: процентной ставке и сумме кредита была всегда онлайн, актуальная в любое время.