Презентация DataScoring: Big Data и кредитный скорингAnton Vokrug
DataScoring: Выдача потребительских кредитов на сегодняшний день одно из самых популярных и приоритетных направлений в финансовом секторе, но и требующее максимального внимания. Выдача кредитов потенциально неплатёжеспособным заемщикам способно нанести банку или кредитной организации существенный финансовый ущерб, поэтому к этому процессу необходимо подходить системно, наладив автоматический и эффективный процесс скоринга заемщиков.
Эту проблему и решает наш продукт:
1. Эффективный скоринг потенциального заемщика на основе анализа «больших данных».
2. Получение дополнительной статистики на основе анализа массива финансовых данных для дальнейшей коммуникации с клиентами.
3. Работа с кредитным портфелям клиента для минимизации просрочки и недопущения пропуска платежей по кредитам.
В процессе разработки программного обеспечения мы используем стек технологий от компании Microsoft: .Net, Azure cloud, C#, а также технологии CUDA.
Наши алгоритмы и модели анализа построены на основе: (1) группы самообучающихся нейронных сетей; (2) системы нормализации входных параметров и семантический анализатор для разбора текстовой информации; (3) составления психологического портрета потенциального клиента; (4) методов кластеризации данных; (5) классических скоринговых системах.
Оценка добросовестности заемщика в розничном кредитовании и микрофинансировании (Fraud-scoring) на основе психосемантических методов.
Метод: у добросовестных и недобросовестных заемщиков разное отношение к кредиту/займу. Это различие можно выявить психосемантическими методами по индивидуальным системам значений. Мы провели эксперимент и подтвердили наше предположение.
В настоящее время мы ищем пути для коммерческой реализации метода
Презентация DataScoring: Big Data и кредитный скорингAnton Vokrug
DataScoring: Выдача потребительских кредитов на сегодняшний день одно из самых популярных и приоритетных направлений в финансовом секторе, но и требующее максимального внимания. Выдача кредитов потенциально неплатёжеспособным заемщикам способно нанести банку или кредитной организации существенный финансовый ущерб, поэтому к этому процессу необходимо подходить системно, наладив автоматический и эффективный процесс скоринга заемщиков.
Эту проблему и решает наш продукт:
1. Эффективный скоринг потенциального заемщика на основе анализа «больших данных».
2. Получение дополнительной статистики на основе анализа массива финансовых данных для дальнейшей коммуникации с клиентами.
3. Работа с кредитным портфелям клиента для минимизации просрочки и недопущения пропуска платежей по кредитам.
В процессе разработки программного обеспечения мы используем стек технологий от компании Microsoft: .Net, Azure cloud, C#, а также технологии CUDA.
Наши алгоритмы и модели анализа построены на основе: (1) группы самообучающихся нейронных сетей; (2) системы нормализации входных параметров и семантический анализатор для разбора текстовой информации; (3) составления психологического портрета потенциального клиента; (4) методов кластеризации данных; (5) классических скоринговых системах.
Оценка добросовестности заемщика в розничном кредитовании и микрофинансировании (Fraud-scoring) на основе психосемантических методов.
Метод: у добросовестных и недобросовестных заемщиков разное отношение к кредиту/займу. Это различие можно выявить психосемантическими методами по индивидуальным системам значений. Мы провели эксперимент и подтвердили наше предположение.
В настоящее время мы ищем пути для коммерческой реализации метода
Кредитование - один из ключевых элементов экосистемы системы онлайн-банкаSME Banking Club
Презентация компании "Системные Технологии" о трендах и реализации онлайн-кредитования в цифровых сервисах для бизнес-клиентов.
Ключевые разделы:
- «ритейлизация» процессов и продуктов SME
- математические методы и модели в алгоритмах расчета показателей
- построение скоринговых моделей
- онлайн-сделки с несколькими контрагентами
- системы онлайн-мониторинга
Презентация аналитической системы РАБИС.
Система предназначена для оценки кредитоспособности заемщиков.
Внедряется в кредитных и микрокредитных организациях.
Подробности http://rabis.biz
Презентация создавалась в 2010-м, дополнена коллегами в 2014-м году
Система оценки качества обслуживания клиентов (СОКОК)КРОК
Для повышения качества обслуживания клиентов и повышения эффективности работы банка необходимо получать достоверную информацию об удовлетворенности клиентов. Самый простой способ получить данную информацию – спросить клиента. Требуются механизмы как сбора данных об удовлетворенности клиентов, так и анализа этой информации.
Главными целями создания СОКОК являются:
• обеспечение возможности субъективной оценки качества обслуживания клиентов (оценку дают клиенты);
• обеспечение регистрации объективных показателей процесса обслуживания клиентов: временных (время ожидания, время обслуживания клиента) и количественных (количество пришедших, количество обслуженных);
• обеспечение возможности оперативного проведения опросов клиентов;
• осуществление оперативного удаленного контроля качества обслуживания клиентов.
Технологии создания доверенной среды аутентификации клиентов и их транзакцийКРОК
XV Национальный форум информационной безопасности «Инфофорум» http://www.croc.ru/action/detail/20298/
Презентация Чугунова Евгения, ведущего эксперта по информационной безопасности компании КРОК
Кредитование - один из ключевых элементов экосистемы системы онлайн-банкаSME Banking Club
Презентация компании "Системные Технологии" о трендах и реализации онлайн-кредитования в цифровых сервисах для бизнес-клиентов.
Ключевые разделы:
- «ритейлизация» процессов и продуктов SME
- математические методы и модели в алгоритмах расчета показателей
- построение скоринговых моделей
- онлайн-сделки с несколькими контрагентами
- системы онлайн-мониторинга
Презентация аналитической системы РАБИС.
Система предназначена для оценки кредитоспособности заемщиков.
Внедряется в кредитных и микрокредитных организациях.
Подробности http://rabis.biz
Презентация создавалась в 2010-м, дополнена коллегами в 2014-м году
Система оценки качества обслуживания клиентов (СОКОК)КРОК
Для повышения качества обслуживания клиентов и повышения эффективности работы банка необходимо получать достоверную информацию об удовлетворенности клиентов. Самый простой способ получить данную информацию – спросить клиента. Требуются механизмы как сбора данных об удовлетворенности клиентов, так и анализа этой информации.
Главными целями создания СОКОК являются:
• обеспечение возможности субъективной оценки качества обслуживания клиентов (оценку дают клиенты);
• обеспечение регистрации объективных показателей процесса обслуживания клиентов: временных (время ожидания, время обслуживания клиента) и количественных (количество пришедших, количество обслуженных);
• обеспечение возможности оперативного проведения опросов клиентов;
• осуществление оперативного удаленного контроля качества обслуживания клиентов.
Технологии создания доверенной среды аутентификации клиентов и их транзакцийКРОК
XV Национальный форум информационной безопасности «Инфофорум» http://www.croc.ru/action/detail/20298/
Презентация Чугунова Евгения, ведущего эксперта по информационной безопасности компании КРОК
ATK QlikView For Microfinance: решение и опытMarina Payvina
28 августа 2014 г. Консультационная Группа АТК провела практический вебинар «ATK QlikView for Microfinance», где было представлено инновационное бизнес-аналитическое решение на основе платформы QlikView для микрофинансовых организаций, которое объединяет все аналитические данные компании в одном интерфейсе, включая финансовую, маркетинговую и операционную аналитику. Также в процессе онлайн-трансляции слушатели вебинара познакомились с опытом работы Консультационной Группы АТК с микрофинансовыми компаниями и узнали о том, как развивался проект по внедрению QlikView в компании Быстроденьги, входящей в ТОП-20 российских микрофинансовых организаций по версии РА Эксперт.
«Кредитный конвейер» позволяет организовать выдачу кредитов в финансовых организация, ранее не осуществлявших такую деятельность. Он автоматизирует работу с кредитом от момента принятия решения о его выдаче до закрытия кредитного договора, в том числе через взыскание проблемной задолженности.
Этапы и стратегия вывода банковских продуктов в онлайн с целью увеличения доли присутствия и получения новых качественных лидов. В докладе приведен краткий анализ ведущих игроков рынка, таких как Тинькофф, БинБанк, Русский стандарт, ХоумКредит. Доклад носит очень поверхностный характер и является больше информационным.
Банкоматы по прежнему являются незаменимым каналом. Зарубежное исследование показывает, что негативный опыт работы с банкоматом снижает лояльность на 13%.
Может ли банкомат "зарабатывать баллы", может ли он продавать. Какие сценарии работают.
Это исследование про оценке юзабилити самых частотных операций и про анализ продающих сценариев.
Презентация была подготовлена в рамках выступления на мероприятии "Управление проблемной задолженностью 24-25 сентября 2015г." Из 15 сделанных докладов данный доклад вошёл в 5-ку лучших по мнению участников конференции среди которых были представители таких банков как БинБанк, Альфа-Банк, ВТБ 24, Ситибанк и др.
Финансовые компании глазами клиентов: особенности восприятияFIN people group
Ольга Шеметова, руководитель направления «Бизнес и финансы» качественных исследований, приводит результаты исследования GfK и и рассказывает об особенностях восприятия финансовых компаний клиентами.
Presentation DataScoring: Big Data and credit scoreAnton Vokrug
DataScoring: Retail lending is one of the most popular and prioritized businesses in financial industry as well as demanding the most attention. Lending to potentially bad borrowers may substantially harm bank or credit union therefore this process must be addressed systematically by setting up automated and effective borrowers scoring process.
This problem is solved by our product:
1. We effectively score borrowers using big data.
2. We retrieve additional statistical data to conduct further communications with existing borrowers.
3. Optimize credit portfolio to minimize payment overdues and defaults.
We stack Microsoft technologies in production of the product - .Net, Azure Cloud, C# and CUDA.
Our algorithms and models are built upon (1) group of self-learning neuron networks, (2) system of input data normalization and semantic analyzer for text inputs; (3) customer psychological image design; (4) data clustering; (5) vanilla scoring systems.
2. Проблемы 迫切需要解决的问题
• Выдача потребительских креди-
тов на сегодняшний день одно из
самых приоритетных направле-
ний в финансовом секторе, и тре-
бующее максимального внима-
ния, к этому процессу необходимо
подходить системно, наладив
автоматический и эффективный
процесс проверки заемщиков.
•
•
Организация беспрерывной рабо-
та над возвратом уже выданных
кредитов.
Подготовка кредитного портфеля
к продаже или передаче коллек-
торам.
1、 消费贷款是目前银行系统优
先领域,值得高度关注。放贷审
核过程极其关键,必须对借款人
资信和还款能力进行自动、高效、
系统化审核
2、 需要对放出的贷款还款情况
进行连续追踪
3、 需要把贷款人名下所有贷款
信息整理出来,出售或转让给追
债公司
3. 解决方案
1. 基于大数据,对贷款客户进行
全方位风险评估
2. 对大量金融和非金融数据进行
分析以获得更多统计信息,便于
与客户进一步沟通
3. 监控客户名下所有贷款,减少
和避免延迟、错过还贷
4、把贷款人名下所有贷款信息
整理出售或转让给追债公司
1. 基于大数据,对贷款客户进行
全方位风险评估
3. 监控客户名下所有贷款,减少
和避免延迟、错过还贷
Решение
• Эффективный скоринг
потенциаль-
ного заемщика на основе анализа
«больших данных».
• Получение дополнительной стати-
стики на основе анализа массива
финансовых и нефинансовых дан-
ных для дальнейшей коммуникации
с клиентами.
• Работа с кредитным портфелям
клиента для минимизации просроч-
ки и недопущения пропуска плате-
жей по кредитам.
• Подготовка кредитного портфеля к
продаже или передаче коллекторам
4. В процессе разработки программного обеспечения мы используем стек технологий от
компании Microsoft: .Net, Azure cloud, C#, а также технологии CUDA.
在软件开发过程中,我们运用了微软Microsoft的技术堆栈:
.Net,Azure云,C#和CUDA技术。
Наши алгоритмы и модели анализа построены на основе:
我们的算法和分析模型是基于以下几个系统建立的:
* Группы самообучающихся нейронных сетей; 自学习
神经网络* Системы нормализации входных параметров и семантического
анализатора для разбора текстовой информации;
输入参数标准化及文本信息语义分析系统
* Составления психологического портрета потенциального клиента;
绘制贷款客户的心理画像
* Методов кластеризации данных; 各种数
据归类方法* Классических скоринговых системах. 一些经典
的评分系统
5. Нашими клиентами являются любые финансовые
организации
предоставляющие услуги кредитования:
我们的客户群主要是各种信贷机构,包括:
Кредитные
организации
其他信贷机构
Банки
银行
Системы
р2р-кредитования
P2P信贷平台
6. Эффективный скоринг (скоринг в реальном времени на основе поведенческого
анализа) потенциального заемщика на основе анализа «больших данных» в момент
оформления займа, сопровождения займа и постпродажного обслуживания;
1. 基于对“大数据”和贷款人行为分析,在贷款三个阶段给
出可靠有效的、动态的、量化的信贷风险评估,包括贷款
办理阶段、还贷阶段和贷款完结售后服务阶段
Получение дополнительной статистики на основе анализа массива финансовых
данных для дальнейшей коммуникации с клиентами с целью увеличения конверсии
предлагаемых финансовых и не финансовых продуктов;
2. 对大量金融数据进行分析以获得更多统计信息,便于与
客户进一步沟通,增加金融产品与非金融产品的转换
Автоматизация рабочего места кредитного аналитика, создание целого
спектра ролей в системе для автоматизации процесса выдачи займов,
сопровождения кредитного портфеля и предложения клиентам
релевантных услуг в режиме реального времени.
3. 可以使从贷款发放到还贷监控的信贷全过程实现自动化,
并为贷款客户提供实时的相关服务
DataScoring功能强大
7. Мы используем два варианта бизнес-моделей:
Покупка ежегодной лицензии на использование программного
обеспечения
(Банки, кредитные организации)
银行和各种信贷机构:每年缴纳年费包年服务
Предоставление сервиса на основе оплаты за анализ одной анкеты
потенциального
заемщика для малых кредитных организаций, для систем р2р-кредитования)
DataScoring两种合作模式
小型信贷机构和P2P信贷平台:
对每个贷款客户信贷风险评估提交订单,需单独付费
8. Anton Vokrug 安东.沃克鲁
克
Alexander Gandzha 亚历山大.甘
扎CEO, 32 года, Киев 32岁,乌克兰,基
辅
Более 10 лет опыта в ИТ-предпринимательстве. Успешная
продажа нескольких бизнесов. Управление несколькими ИТ-
компаниями (Eureka! Solutions, Ticket Solutions). Работа
техническим аналитиком в фонде FISON.
• 超过10年IT从业经验;
• 成功出售了创建的几家企业;
• 管理数家IT企业(Eureka!
Solutions, Ticket Solutions);
• 在FISON风投基金担任技术分析师
Более 15 лет опыта в разработке программного
обеспечение и веб-сервисов, доскональное знание
веб-технологий (.Net, C#, C++, MS Azure, Java,
PHP, Ruby).
• 超过15年的软件开发和网络服
务从业经验;
• 精通网络技术(.NET,C#,
C++,MS Azure,Java,
PHP,Ruby)Образование: Прикладная математика, Киевский
Национальный Университет им. Тараса Шевченка,
факультет Кибернетики.
学历:基辅大学,控制系,应用
数学专业
Образование: Менеджмент на рынке товаров и услуг,
Киевский национальный торгово-экономический
Университет, факультет Экономики.
学历:基辅经贸大学经济系,商品与服
务市场管理专业
anton.vokrug@gmail.com
sasha.gandzha@gmail.com
+38 (093) 414-29-32
https://www.linkedin.com/pub/sasha-
gandzha/18/921/a59
https://www.linkedin.com/in/antonvokrug
https://www.facebook.com/anton.vokrug
https://www.facebook.com/sasha.gandzha
CTO, 36 года, Киев 36岁,乌克兰,基
辅
9. Elena Khlevnaya 叶莲娜. 赫列夫娜
娅Marketing, 32 года, Киев
营销总监,32岁,基辅
Образование: ПГАСА, специальность:
компьютерно-интегрированные технологии.
学历:乌克兰第聂伯建筑大学,计算机
集成技术专业;乌克兰商业与法律学院
,创新活动管理专业
Академия бизнеса и права: менеджмент
инновационной деятельности.
Больше 10 лет работы в сфере маркетинга и продвижения. Сооснователь
фонда венчурных инвестиций FISON. 1 год работы в качестве члена
правления украинского синдиката UAngels.
• 超过10年营销和市场推广从业经验;
• FISON风投基金联合创始人;
• 乌克兰UAngels集团董事会成员
lena@fison.org
+38 (063) 845-36-74
https://www.linkedin.com/pub/elena-khlevnaya/9a/643/2a
https://www.facebook.com/lena.euro