Successfully reported this slideshow.
Your SlideShare is downloading.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
 Поведенческий скоринг вместо анкеты
САВЧЕНКО МАКСИМ
ГРУППА СБЕРБАНК
 CКОРИНГОВЫЕ МОДЕЛИ НОВОГО ТИПА:
АНАЛИЗИРУЕМ ДЕЙСТВ...
Конечная цель бизнеса – получение прибыли,
а не игра с технологиями, данными или алгоритмами
MONEY
 Не организован сбор д...
Ищите данные внутри компании. Снаружи их много…
Данные платежных систем
Данные о налогах
Телеком
Поисковики
Мессенджеры
То...
…но есть нюансы
Тайна связи
Тайна связи
Тайна связи
Банковская тайна
Налоговая тайнаКоммерческая тайна
…есть и другие
тайн...
Традиционный подход VS цифровой. Минус анкета
AS IS: ВНЕШНИЕ ИСТОЧНИКИ
оценка рисков – долго
ОТЧЕТНОСТЬ
КАЧЕСТВЕННЫЕ
ФАКТО...
С чем сталкивается финтех? Законы
Требования к моделям регуляторов (ЦБ РФ) и международных стандартов,
направленные на обе...
…а еще в финтехе модели надо делать иначе,
чем в интернет-компании или на Kaggle. Совсем иначе
perfomance window
smart reg...
И оценивать тоже…
out-of-time vs out-of-sample
math vs P&L
… но иногда можно заработать и на сложных методах
ЭКОНОМИЧЕСКИЙ
ЭФФЕКТ
 Рост эффективности
воронки продаж
 Рост лояльнос...
И последний, самый важный вывод …
 Не ждите чуда
 Управляйте портфелем
пилотных инициатив как
портфелем венчурных
инвест...
Контакты
Максим Савченко
MSSavchenko@sberbank.ru
Upcoming SlideShare
Loading in …5
×

0

Share

Download Now Download

Download to read offline

Cкоринговые модели нового типа: анализируем действия клиента / Максим Савченко (Сбербанк)

Download Now Download

Download to read offline

РИТ++ 2017, секция ML + IoT + ИБ
Зал Белу-Оризонти, 6 июня, 15:00

Тезисы:
http://ritfest.ru/2017/abstracts/2795.html

Кейс 1: как обеспечить максимально быструю (без привлечения людей-экспертов), удобную (радикальное сокращение экранных форм) и эффективную оценку клиентов за счет анализа поведенческой информации клиентов (в частности, истории финансовых транзакций).

Кейс 2: сегментация клиентов на основе их финансового поведения (анализ данных высокой размерности и большого размера).

Доклад посвящен обзору некоторых приемов машинного обучения, которые используются для решения этой задачи

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all
  • Be the first to comment

  • Be the first to like this

Cкоринговые модели нового типа: анализируем действия клиента / Максим Савченко (Сбербанк)

  1. 1.  Поведенческий скоринг вместо анкеты САВЧЕНКО МАКСИМ ГРУППА СБЕРБАНК  CКОРИНГОВЫЕ МОДЕЛИ НОВОГО ТИПА: АНАЛИЗИРУЕМ ДЕЙСТВИЯ КЛИЕНТА  Сегментация клиентов на основе финансового поведения
  2. 2. Конечная цель бизнеса – получение прибыли, а не игра с технологиями, данными или алгоритмами MONEY  Не организован сбор данных?  Нет сквозных бизнес-ключей?  Не учли запреты регулятора и ограничения ФЗ?  Не можете встроить модель в операционный контур бизнеса?
  3. 3. Ищите данные внутри компании. Снаружи их много… Данные платежных систем Данные о налогах Телеком Поисковики Мессенджеры Торговые площадки Прочие полезные внешние источники
  4. 4. …но есть нюансы Тайна связи Тайна связи Тайна связи Банковская тайна Налоговая тайнаКоммерческая тайна …есть и другие тайны Данные платежных систем Данные о налогах Телеком Поисковики Мессенджеры Торговые площадки Прочие полезные внешние источники
  5. 5. Традиционный подход VS цифровой. Минус анкета AS IS: ВНЕШНИЕ ИСТОЧНИКИ оценка рисков – долго ОТЧЕТНОСТЬ КАЧЕСТВЕННЫЕ ФАКТОРЫ Трудовые и временные затраты банка Недостоверность отчетности Субъективность оценки качеств. факторов Смещенность оценки, если нет кред. истории Сбор полного комплекта затруднителен, это долго и дорого для клиента TO BE:ТРАНЗАКЦИОННЫЕ ДАННЫЕ оценка рисков – real-time НАЛОГИ регулярность и величина выплат, частота и величина штрафов ВЫРУЧКА равномерность/ стабильность/величина ДОЛГ выплаты в счет долга, дебиторка Пр. данные доля поступлений от инкассации, срок использования р/с ИНФОРМАЦИЯ О СОБСТВЕННИКЕ ↓ Времени принятия решения ↑ Эффективность предодобренных предложений ↓ Злоупотребления ↓ Косты НЕДОСТАТКИ ПРЕИМУЩЕСТВА
  6. 6. С чем сталкивается финтех? Законы Требования к моделям регуляторов (ЦБ РФ) и международных стандартов, направленные на обеспечение стабильности фин.системы (см. Базель 2) “Right to explanation” (см. European Union regulations on algorithmic decision-making) Законы, направленные на борьбу с расовой, религиозной, половой и возрастной дискриминацией (напр., ECOA в США от 1974 г.) Общее требование всех этих законов: интерпретируемость и обоснованность моделей
  7. 7. …а еще в финтехе модели надо делать иначе, чем в интернет-компании или на Kaggle. Совсем иначе perfomance window smart regression
  8. 8. И оценивать тоже… out-of-time vs out-of-sample math vs P&L
  9. 9. … но иногда можно заработать и на сложных методах ЭКОНОМИЧЕСКИЙ ЭФФЕКТ  Рост эффективности воронки продаж  Рост лояльности клиентов ШАГ III  Выявление паттернов и сегментация клиентов по характеристикам  Формирование продуктовых предложений на базе характеристик клиента ШАГ IIШАГ I  Анализ данных, в т.ч. транзакционных Way4, ЦОД, кред. фабрика МЕТОДЫ алгоритмы кластеризации, визуализация данных большой размерности с использованием LargeVis КЛАСТЕРИЗАЦИЯ КЛИЕНТОВ ПО ХАРАКТЕРУ ТРАНЗАКЦИЙ В ЗАВИСИМОСТИ ОТ КЛАСТЕРА КЛИЕНТА ПРЕДЛОЖИТЬ РЕЛЕВАНТНЫЙ ПРОДУКТ 1. Частая конвертация валют 3. Частые поездки заграницу 2. Частые перелеты Аэрофлотом 4. Переводы в благотворительные фонды Паттерн Продукт 1. Частая конвертация валют Мультивалютный счет 2. Частые перелеты Аэрофлотом Карта «Аэрофлот Бонус» 3. Частые поездки заграницу Страховка для выезжающих за рубеж 4. Переводы в благотворительные фонды Карта «Подари жизнь»
  10. 10. И последний, самый важный вывод …  Не ждите чуда  Управляйте портфелем пилотных инициатив как портфелем венчурных инвестиций  Уважайте privacy клиентов  И берегите Команду Люди - самое ценное в этом бизнесе
  11. 11. Контакты Максим Савченко MSSavchenko@sberbank.ru

    Be the first to comment

    Login to see the comments

РИТ++ 2017, секция ML + IoT + ИБ Зал Белу-Оризонти, 6 июня, 15:00 Тезисы: http://ritfest.ru/2017/abstracts/2795.html Кейс 1: как обеспечить максимально быструю (без привлечения людей-экспертов), удобную (радикальное сокращение экранных форм) и эффективную оценку клиентов за счет анализа поведенческой информации клиентов (в частности, истории финансовых транзакций). Кейс 2: сегментация клиентов на основе их финансового поведения (анализ данных высокой размерности и большого размера). Доклад посвящен обзору некоторых приемов машинного обучения, которые используются для решения этой задачи

Views

Total views

322

On Slideshare

0

From embeds

0

Number of embeds

132

Actions

Downloads

5

Shares

0

Comments

0

Likes

0

×