SlideShare a Scribd company logo
PRIMO
KNOWLEDGE

Хто він,                     Ukrainian
український                  Debtor.
боржник?                     Who is it?
с. 3                         p. 5
Скоринг: практичні аспекти   Practical aspects of scoring
с. 7                         p. 8
Покупка заборгованості:      Portfolios Purchase: Ukrai-
українські реалії            nian realities
с.9                          p. 11
Професійні таємниці          Professional secrets of ef-
ефективного колл-центру      fective call-center
с. 12                        p. 14
заборгованостей Ви усвідомлено обирали компанію, що здатна
2                                                                       вирішити, а не накопичити проблеми. Щоб розуміти, аналізувати,
                                                                        віддавати перевагу і мати результат. Адже результат – то,
                         Ева Закович,
                         Генеральний директор
                                                                        напевно, основна цінність в роботі компанії. Іншою її складовою
                         групи компаній ПрімоКолект                     ми вважали і будемо вважати професійний колектив, що,
                                                                        власне, і забезпечує найкращі показники. Ще одна величезна
                         Ewa Zakowicz,                                  цінність – знання. Усе це у сукупності Ви знайдете у виданні, яке
                         CEO of PrimoCollect Group                      ми з задоволенням Вам презентуємо. Next year is to be crucial
                                                                        for the history of financial sector development at the whole and a col-
                                                                        lection sector, especially. The matter is not in anticipation of the new
     Наступний рік може стати переломним у історії розвитку             wave of recession, which is the hot topic for many people. The mat-
    фінансового сектору у цілому і сектору роботи з проблемною          ter is in experience, earned by everyone who survived through hard
    заборгованістю – зокрема. І річ навіть не в очікуванні нової        2011. The matter is in knowledge, skills and opportunities, sight of
    хвилі економічної кризи, про можливість якої зараз так багато       which we have caught despite all the obstacles on our way and from
    говорять причетні і не дуже кола. Річ у досвіді, який кожен з нас   our mistakes. Moreover, every experience is unique and the matter
    здобув, переживши нелегкий 2011-ий. Річ у знаннях та навиках,       is only in the way to desired future on the grounds of that experience.
    у можливостях, що ми з вами побачили крізь нетрі перепон, у         It is not the attempt to systemize knowledge obtained by our compa-
    помилках, що були зроблені та у вміннях, винесених із цього.        ny employees. It is a kaleidoscope of the most interesting and topical
    Адже кожен досвід – унікальний, і питання лише у тому, щоб,         themes on the collection market, observed from the angle of our pro-
    спираючись на нього, впевнено йти у своє, власноруч обране          fessional activity. We provide you with the data which, as we hope,
    майбутнє.                                                           would make all working processes with NPL clearer. Furthermore,
    Перед Вами – перша спроба не просто систематизувати знання,         we will share with you our opinion on those processes and will tell you
    які здобули працівники нашої групи компаній. Це своєрідний          about potential threats and achievements.
    калейдоскоп з найцікавіших і найактуальніших, на нашу               Why should you read it? At first, it will help you to learn more about
    думку, тем на ринку колекшн, розглянутих через призму нашої         working opportunities with NPL. Thus, in case you face the emer-
    професійної діяльності. Ми подаємо на Ваш розсуд матеріали,         gence of debt, you will competently choose the company that can
    що допоможуть, сподіваємось, зробити процедури, які                 solve problems, but not accumulate them. You need this informa-
    відбуваються на ринку роботи з проблемними боргами, більш           tion for understanding, analysis, making preeminence and receiving
    зрозумілішими та простими. Ми поділимося своїм баченням             results. You can ask why? For the reason, that result is probably the
    процесів, розкажемо про надбання та загрози.                        most important in the company. The other crucial element is pro-
    Навіщо все це Вам? У першу чергу для того, щоб знати                fessional staff, which ensures the best results. The other value is
    більше про можливості роботи з простроченими портфелями.            knowledge. All these things together you will find in the brochure,
    Щоб, стикнувшись із не дуже приємним явищем виникнення              presented to you.




                                                                        Наше видання – це і своєрідний підсумок плідної роботи, і
                                                                        спроба поділитися тим, що надбано за цей час, і можливість
                                                                        систематизуватися та окреслити власні ж горизонти.
                         Олеся Чемерис,
                         директор з маркетингу та PR                    Підбираючи матеріали, що представлені тут, ми прагнули
                                                                        привернути увагу учасників ринку – як колег, так і потенційних
                         Olesya Chemerys,                               клієнтів. Сподіваємось, нам це вдалося, отже – приємного
                         ‘PR and Marketing Director
                                                                        читання) Autumn… Time to summarize, count chickens and profits,
                                                                        plan and estimate, it is time to manage obtained results as ground
                                                                        for the future. Autumn is a time to understand your goals and all the
      Осінь. Час підсумовувати, рахувати курчат та прибутки,            ways to achieve them.
    планувати і оцінювати. Час розпоряджатися отриманими                Ukrainian collection market is continuously developing, despite all the
    результатами як основою для майбутнього. Час розуміти, що           sceptic words. The statement above is clearly visible not only from
    хочеться та які для цього є можливості.                             the size of portfolios, offered for sale or commissioning, but also from
    Що б не говорили скептики, але ринок роботи з проблемною            the attention to this sphere paid by authorities. Their will to regulate
    заборгованістю в Україні розвивається. Це видно не лише             a niche or rather earn some extra points in eyes of future electorate
    з об’єму портфелів, що виставляються на продаж або                  force some deputies to make very strange steps. Such things should
    віддаються на комісію, але й із інтересу, який проявляють до        have shaken civilized society, but…
    ринку представники влади. Бажання чи то впорядкувати нішу,          …We have what we have. However, even despite unregulated mar-
    чи просто поставити собі зайву «галочку» в очах майбутніх           ket, number of NPL portfolios is fastly growing not only in finance but
    виборців спонукає окремих депутатів здійснювати дуже дивні          also in adjacent spheres, allowing professional to find fresh solutions
    кроки. Цивілізоване суспільство мало б як мінімум замислитись,      for new tasks. We adopt experience of our European colleagues
    проте…                                                              and gain it first hand. We teach debtors, our clients and educate
    …Маємо те, що маємо. Ринок стягнення заборгованості                 ourselves, and till this process will exist, we will be developing as a
    неврегульований, кількість проблемних портфелів зростає не          market company.
    лише у фінансовій, але й у суміжних галузях, професіонали           Our publication is somehow a result of our fruitful work, attempt to
    знаходять нові рішення для нових клієнтських задач. Ми              share knowledge gained during our work, systematize our informa-
    переймаємо досвід європейських колег та напрацьовуємо               tion and outline new horizons for us. Selecting information, presented
    власний, тісно переплітаючи обидва. Ми вчимо боржників та           here, we tried to attract market participants – our colleagues and po-
    клієнтів і вчимося самі. І поки триватиме цей процес – доти ми      tential clients. We hope we have done everything to make you enjoy
    будемо розвиватися як ринкова компанія.                             reading)
3




                                                                   	
  
                    Ева Закович,                                          Володимир Малашенко,                       Марта Гулей,
                    Генеральний директор                                  Керівник                                   Спеціаліст
                    групи компаній ПрімоКолект                            з операційного аналізу                     із скорингових моделей




Хто він,
український боржник?
     ПрімоКолект      працює   на
українському ринку вже майже 6
років. Цього часу достатньо, щоб
не лише зарекомендувати себе
професійною компанією, але й
зібрати та систематизувати знання,
що допомогли нам створити карту
божників України і сформувати
портрет українського боржника.

На    основі    зібраних   даних    з
обслуговування            портфелів,
починаючи з 2006 року ми опрацювали
понад 800 тисяч справ боржників.
Департамент стратегії та статистики
провів дослідження, де вихідними
параметрами виступали:
1)	     Імовірність      залишитись
боржником, після 90 DPD;
2)	     Імовірність       погашення
заборгованості протягом 2 років після
90 DPD.
                                                                                                                            Джерело: ПрімоКолект
Спершу розглянемо карту боржників
у співвідношення жінок і чоловіків з             найменші суми середньомісячного                   Найбільші     платежі       надходять
розбивкою на області.                            платежу – 322 та 306 грн. відповідно              з    Тернопільської     (491     грн.),
Як бачимо, немає регіону, де серед               при розмірі середнього помісячного                Закарпатської    (473      грн.)    та
боржників переважають жінки. У                   платежу 411,92 грн.                               Хмельницької (453 грн.) областей.
Херсонській     області    знаходиться
найбільша кількість боржників серед
жінок (49%), а у Київській – серед
чоловіків (67%). Середній вік боржника
складає 38 років. Чоловіки-боржники
молодші, адже середній вік жінок – 40
років, а чоловіків – лише 36 років.
Домінуючою серед боржників є
категорія 26-35 років, яка становить
42,1%, категорія 36-45 років – 26,7%
та 46-55 років – 17%. У категорії 26-35
років – 17%. У категорії 26-35 років
переважають жінки, а у категорії
після 46 років – чоловіки.
Виходячи із графіка середнього                                                                                              Джерело: ПрімоКолект
платежу по регіонах, Харківська та
Вінницька області демонструють
4




                                                                Джерело: ПрімоКолект



          Ми      визначили,        що    а серед боржників із найменшою               у Київській (12,65%), Харківській
    середньомісячний             платіж   –    жінки. В середньому борг                (10,85%),    Донецькій   (9,16%)
    складає 411,92 грн. А динаміка        становить 4 тис. грн. Серед                  тa Дніпропетровській (8,65%)
    середньомісячного        платежу      найпоширеніших       кредитів     є          областях, частки ж Чернівецької
    за останній рік демонструє            банківські кредити, кредити на               та    Тернопільської    областей
    зростання показника, його спад        придбання     побутової    техніки,          найменші та складають 0,95% та
    спостерігається лише наприкінці       оплату     комунальних      послуг,          1% відповідно.
    2010 року, і причина цього –          інтернет-послуг та телефонного               Наше дослідження торкнулося і
    зимові свята. Різкий підйом           зв’язку.                                     зодіакальних знаків.
    розпочався у лютому 2011 року         Завдяки     якісному     розподілу
    та досяг свого піку у квітні 2011     боржників ми визначили регіони
    із показником 490 грн. Після чого     з найбільшою та найменшою
    розпочався поступовий спад суми       кількістю боржників на одиницю
    середньомісячних платежів. Ця         населення.
    тенденція зберігається досі.          Так, регіонами з найменшою
    З огляду на середній щомісячний       кількістю боржників є Львівська та
    платіж переважають чоловіки           Тернопільська області. Харківська,
    із сумою 416,32 грн. У жінок він      Вінницька та Миколаївська області
    складає 407,90 грн.                   віднесені до регіонів, де кількість                             Джерело: ПрімоКолект
                                          боржників по відношенню до
    При цьому серед боржників з           загальної кількості населення
    найбільшою сумою заборгованості       найвища.                                     В ході дослідження виявлено,
    найчастіше трапляються чоловіки,      Найбільша частка боржників з їх              що найчастіше серед боржників
                                          загальної кількості зосереджена              трапляються Близнята (9,3%) та
                                                                                       Леви (9,1%), а найрідше Стрільці
                                                                                       (7,1%) та Скорпіони (7,5%).
                                                                                       Дослідження польських колег
                                                                                       підтвердило зроблені висновки.
                                                                                       Також ми зробили підбірку
                                                                                       цікавих даних, що стосуються
                                                                                       заборгованості.
                                                                                       Наші рекорди:
                                                                                       •	      наймолодший боржник –
                                                                                       жін.,17р., Дніпропетровськ;
                                                                                       •	      найстаріший боржник –
                                                                                       жін., 87р., Київ;
                                                                                       •	      найбільший платіж – 272
                                                                                       608,65 грн., чол., 48р., Вінниця;
                                                                                       •	      найменший платіж – 10,08
                                                                                       грн., чол., 35р., Дніпропетровськ;
                                                                                       •	      найбільший        борг    –
                                                                                       1320689,37 грн., чол., 50р.,
                                                                                       Кіровоград;
                                                                                       •	      найменший борг – 10 грн.,
                                                                                       жін., 64р., Рівне;
                                                                Джерело: ПрімоКолект
5




                                               	
  
                   Ewa Zakowicz,                      Volodymyr Malashenko,          Marta Gulej,
                   CEO of PrimoCollect Group          Head of operational analysis   Scoring models specialist




Ukrainian Debtor.
Who is it?
 PrimoCollect is working on Ukraini-
an market for approximately 6 years,
which is enough not only to recom-
mend itself as highly professional
company, but to collect and system-
ize knowledge that have helped us to
create Ukrainian map of debtors and
draw an average Ukrainian debtor
portrait.

Since 2006, we have processed over
800 thousands of cases. Thus, on
the grounds of collected information
from NPL servicing, Strategy and
Controlling Department conducted a
research with following input data:
1)	      Possibility of becoming debt-
or after 90 DPD;
2)	      Possibility of debt repayment
during 2 years after 90 DPD.
                                                                                          Retrieved from PrimoCollect

At first, we will present Ukrainian
map of debtors, including ratio be-
tween male and female population of
each region.
As we can observe from the map
above, there is not any region where
female debtors are prevailing. More-
over, we can see that the biggest
part of debtors among women is con-
centrated in Kharkiv region (49%),
while male debtors have the highest
concentration in Kyiv region (67%).
Average debtor’s age is 38 years,
however, male debtors are younger
– their average age is 36 years, while
for females it is 40. Dominant age
category among debtors is 26-35 are


                                                                                         Retrieved from PrimoCollect
years (42.1% of all debtors), 36-45-
6   year category is the middle (26.7%)
    and 46-55 year debtors are only 17%
    of the whole amount. Female debtors
    dominating in 26-35-year category
    and males are the dominant part in
    the category after 46.
    As we can see from the plot above,
    Kharkiv and Vinnytsa regions have
    the smallest monthly payments – 322
    and 306 UAH, while average monthly
    payment at the whole is 411.92 UAH.
    The biggest payments are trans-
    ferred from Telnopil (491 UAH),
    Zakarpattya (473 UAH) and Khmel-
                                                                                                              Retrieved from PrimoCollect
    nitsky (453 UAH) regions.
    As we have calculated before aver-        of sales (POS) loans, loans for buy-             From the picture above emerged
    age monthly payment is 412 UAH.           ing household appliances, utilities,             that Gemini (9.3%) and Leo (9.1%)
    Recently, such payment has been           Internet, and telecommunication ser-             are the biggest quantitative groups
    increasing with some decline at the       vices repayment.                                 among debtors. Scorpio and Sag-
    end of 2010, which can be eas-            Thanks to debtors’ subdivision be-               ittarius are zodiac signs including
    ily explained by winter holidays.         tween regions by quality, we have                smallest amounts of debtors (7.1%
    Furthermore, there was a jump in          designated regions with the biggest              and 7.5%). Conclusions from this
    monthly payment during February           and smallest amount of debtors.                  research are corroborated by simi-
    with its peak in April (490 UAH). After   Lviv and Telnopil’ regions are areas             lar investigation of our Polish col-
    such an increase, average payment         with the smallest rate of debtors per            leagues.
    started continuous step-by-step de-       population unit. Kharkiv, Vinnytsa
    crease.                                   and Mykolaiv regions are populated
    If we will have a look on average         with the biggest amount of debtors.
    monthly payers, we will see that          Moreover, the biggest share of debt-
    males are leading with a sum of           ors from the whole amount is con-
    416.32 UAH, while females pay             centrated in Kyiv (12.65%), Kharkiv
    monthly approximately 407.90UAH.          (10.85%), Donetsk (9.1%) and
    Nevertheless, debtors with the high-      Dnepropetrovsk (8.65%) regions;
    est debt amounts are males, while         smallest number of debtors is in
    women are owners of the smallest          Chernivtsy and Telnopil (0.95% and
    debts.                                    1%).                                                                   Retrieved from PrimoCollect
    Average debt is 4 000 UAH and the         In our research we have not avoid
    most common are bank loans, point         even zodiac signs.                               In addition, we have chosen some
                                                                                               interesting data related to debt and
                                                                                               debtors.
                                                                                               Our records:
                                                                                               •	       The youngest debtor – fe-
                                                                                               male,17, Dnepropetrovsk;
                                                                                               •	       The oldest debtor – female,
                                                                                               87, Kyiv;
                                                                                               •	       The biggest payment – 272
                                                                                               608,65 UAH, male, 48, Vinnytsa;
                                                                                               •	       The smallest payment –
                                                                                               10,08 UAH, male, 35, Dnepropetro-
                                                                                               vsk;
                                                                                               •	       The    biggest   debt–
                                                                                               1320689,37 UAH, male, 50, Kirovo-
                                                                                               grad;
                                                                                               •	       The smallest  debt– 10 UAH,
                                                                                               female, 64, Rivne;
                                                                                               •	       The highest number of debts
                                                                                               – 16 debts on sum 181222,68 UAH,
                                                                                               male, 31, Kharkiv.

                                                                 Retrieved from PrimoCollect
Ева Закович, Генеральний директор групи компаній ПрімоКолект
                    Ewa Zakowicz, CEO of PrimoCollect Group                                                                           7


                   Скоринг:
                   практичні аспекти
      Колекторські      Агентства            Стадії Побудови Скорингової Карти         Для обрахунку Information Value (IV)
використовують     скоринг-моделі            •     Підготовка вибірки для розробки     ми використовуємо:
для швидкого повернення коштів,              скорингової карти;
вкладених у інтенсивне стягнення             • Підготовка та відбір характе-ристик     DistrGood i – частка             “хороших”
заборгованості, що власне і є                боржника;                                 боржників в категорії
відповіддю на запитання, чому ми             •  Розробка Скорингової Карти;            DistrBad i - частка               “поганих”
досягаємо кращих результатів і               •  Оцінка якості Скорингової Карти;
                                                                                       боржників в категорії
маємо можливість продовжувати                • Введення Скорингової Карти в дію з
купівлю портфелів.                           її постійним моніторингом.

Цикл з залучення скоринг моделей
включає наступні етапи:
                                             Information Value                          IV          Статистична оцінка
1. Теорію Скорингу
2. Колекшн скоринг                           Кожна з доступних характеристик           < 0.02       Дуже слабкі статистичні зв’язки
3. Тест моделі                               боржника містить в собі інформацію
4. Прибуток для колекшн                      про кредитну якість боржника.             0.02 – 0.1   слабкі статистичні зв’язки

5.    Сегментацію з використанням            Абсолютно природно, що деякі з            0.1 – 0.3    помірні статистичні зв’язки
скорингу                                     характеристик є більш важливими,
6.   Пояснення того як скор може             а деякі мають менше вартості в            0.3 – 0.5    сильні статистичні зв’язки
покращити стратегію колекшн                  оцінці кредитної якості боржника.
7. Використання скорингу на останніх                                                   > 0.5        Дуже сильні статистичні зв’язки
                                             Наприклад, дохід боржника має
стадіях колекшн                              набагато більшу вартість, аніж його
8. Швидкий шлях для викори-стання            сімейний статус.
скорингу
9. Бюджетність використання скорингу

То що ж таке Скоринг?
Скоринг в сфері колекшн обраховує
ймовірність отримання прибутку від
непогашеного залишку заборгованості
зі   справ   що    перебувають     в
обслуговуванні. Скорингова карта             Оцінка ефективності скорингової           Статистика Коломогорова-Смірнова
оцінює бажання боржника оплатити             карти                                     Крива Коломогорова-Смірнова показує
борг та його можливість зробити це,          Для оцінки якості скорингової карти       різницю в поділі між «хорошими» та
така оцінка допомагає визначити які          ми використовуємо:                        «поганими», а максимальна різниця
саме засоби стягнення заборгованості
                                             -   Стандартне    оцінювання      сили    між цими категоріями має назву K-S,
потрібно застосовувати до того чи
іншого боржника.                             скорингової карти                         та зазвичай в оцінці якості скорингової
А     якість    та     прибутковість         -   Порівняння    продуктивності      з   моделі застосовується разом із Gini.
операційних рішень, прийнятих на             розвитком та зразком продукти- вності
основі скорингових карт можна                - Порівняння результатів різних технік
оцінювати статистичним методом,              - Дозвіл порівняння продуктивності
постійно вдосконалюючи карту та              моделі впродовж всього часу роботи
підлаштовуючи її під нові ринкові            - Статистика Коломогорова-Смірнова
умови.                                       (K-S)
                                             - Оцінка Максимальної різниці між
Скорингова Карта                             категоріями «хороші» та «погані».
Скорингова карта – це математи-
чна модель, зображена у вигляді
набору величин, прив’язаних до                Оцінка якості моделі з допомогою коефіцієнта Gini може бути перевірена з
певних характеристик боржника, що             допомогою наступних таблиць:
визначають його якість (приналежність         Аплікаційний скоринг
до групи добрий/поганий) чи будь яку
іншу задану ціль.
Для створення скорингової карти
із статистичним підґрунтям, нам
потрібно застосувати до зібраної нами
інформації статистичний метод.
В побудові скоринг карт найчастіше
використовується логістична регресія.
Біхевіоральний Скоринг                                                                                                                           Колекшн Скоринг
8




                                                  5.00%
    Розподіл на “Хороших” і “Поганих”             4.50%

                                                  4.00%
    Дозволяє візуально зробити розподіл
                                                  3.50%
    на “Хороших ” і       “Поганих”, що
    випливає із скорингової Карти.                3.00%


    Типова дугоподібна форма з піками             2.50%


    дозволяє побачити різницю між                 2.00%

    класами “Хороших” і “Поганих” та              1.50%

    вказує на справну роботу Скорингової          1.00%

    Карти, а також на її можливість               0.50%

    розділяти боржників на класи.                 0.00%
                                                                                                      [0;100)

                                                                                                                [300;400)

                                                                                                                            [600;700)



                                                                                                                                                     [1200;1300)

                                                                                                                                                                   [1500;1600)

                                                                                                                                                                                 [1800;1900)

                                                                                                                                                                                               [2100;2200)

                                                                                                                                                                                                             [2400;2500)

                                                                                                                                                                                                                           [2700;2800)

                                                                                                                                                                                                                                         [3000;3100)

                                                                                                                                                                                                                                                       [3300;3400)

                                                                                                                                                                                                                                                                      [3600;3700)

                                                                                                                                                                                                                                                                                    [3900;4000)

                                                                                                                                                                                                                                                                                                  [4200;4300)

                                                                                                                                                                                                                                                                                                                [4500;4600)

                                                                                                                                                                                                                                                                                                                              [4800;4900)

                                                                                                                                                                                                                                                                                                                                            [5100;5200)

                                                                                                                                                                                                                                                                                                                                                          [5400;5500)

                                                                                                                                                                                                                                                                                                                                                                        [5700;5800)

                                                                                                                                                                                                                                                                                                                                                                                      [6000;6100)

                                                                                                                                                                                                                                                                                                                                                                                                    [6300;6400)

                                                                                                                                                                                                                                                                                                                                                                                                                  [6600;6700)

                                                                                                                                                                                                                                                                                                                                                                                                                                [6900;7000)

                                                                                                                                                                                                                                                                                                                                                                                                                                              [7200;7300)

                                                                                                                                                                                                                                                                                                                                                                                                                                                            [7500;7600)

                                                                                                                                                                                                                                                                                                                                                                                                                                                                          [7800;7900)

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        [8200;8300)
                                                                          [-600;-500)

                                                                                        [-300;-200)
                                                          [-1100;-1000)




                                                                                                                                        [900;1000)


                                                                                                                                                                                                                                                                     score




    Practical aspects of scoring
      Collection Agencies are deploying            Scorecard                                                                                                                                                                                                                Scorecard Development Stages
    collections scoring to realize a rapid         Scorecard is a mathematical model rep-                                                                                                                                                                                   • Sampling preparation to train the score-
    ROI in a time of intense pressure – it         resented as a set of weights assigned to                                                                                                                                                                                 card;
    is answer why we have better results           customer’s characteristics that affect his                                                                                                                                                                               • Preparation and selection of borrower
    and we can purchase debt portfolios.           creditworthiness or any other target be-                                                                                                                                                                                 characteristics that are used to develop
                                                   havior modeled by the scorecard.                                                                                                                                                                                         the scorecard (including binning);
    This cycle will be consists from main          To create statistically-based scorecard                                                                                                                                                                                  • Development of the scorecard;
    parts                                          you need to apply statistical to your his-                                                                                                                                                                               • Assessment of scorecard quality;
    1. Scoring theory                              torical data                                                                                                                                                                                                             • Implementation of the scorecard and its
    2. Collection scoring                          The most widely used statistical method                                                                                                                                                                                  subsequent monitoring.
    3. Monitoring model                            for scorecard development is logistic re-
    4. Vintage for collections                     gression.
    5. Segmentation for collection using
    scoring
    6. How collection scores improve collec-
                                                   Information Value                                                                                                                                                                                                        Value of IVS                                                                                              tatistical strength
    tion strategies
                                                   Each of the available borrower charac-                                                                                                                                                                                   < 0.02                                                      a very weak statistical relation
    7. Score use in late-stage collections
                                                   teristics contains information on his/her
    8. A quick way to deploy scoring                                                                                                                                                                                                                                        0.02 – 0.1 a weak statistical relation
                                                   credit quality. It is only natural that some
    9. The economics of collection scores
                                                   characteristics are less important than                                                                                                                                                                                  0.1 – 0.3                                                   an average statistical relation
                                                   others for the purpose of assessing cred-
    What is Collection Scoring                                                                                                                                                                                                                                              0.3 – 0.5                                                   a strong statistical relation
                                                   itworthiness; for example, the borrower’s
    Collection scoring quantifies the probabil-
                                                   income bracket is more important than                                                                                                                                                                                    > 0.5                                                       an extremely strong statistical relation
    ity of recovery of the outstanding balance
                                                   the borrower’s family status.
    for those accounts in collections. Col-
    lection scorecard statistically estimates
    debtor’s willingness to pay and ability to
    pay and thus helps to define what actions
    should be done to increase collections.
    Quality and profitability of scoring-based
    operational decisions can be statistically      So, we calculate Information Value (IV) criterion:
    monitored and gradually improved or ad-         DistrGood i - is the share of “good” borrowers in the category
    justed to new market conditions.                DistrBad i - is the share of “bad” borrowers in the category.
Measuring Scorecard                            The evaluation of the quality of classification by the Gini coefficient can be checked
 Effectiveness                                  with the help of the following tables:                                                                                                                                                                                                                                                                                                                                                                                                             9
 Near standard measures for quality of
 scorecard                                      Application Scoring
 We Used for
 - A standard measure of scorecard
 “strengths”
 - Comparing performance against develop-
 ment and hold-out sample performance
 - Comparing the result of different tech-
 niques
 - Allow comparison of performance over
 time                                           Behavioral Scoring
 - Kolomogorov – Smirnoff Statistic
 - Measures the maximum distance between
 distribution of the Goods and Bads

 Kolomogorov – Smirnoff Statistic
 Kolmogorov-Smirnov curve shows the
 difference between the distribution of
 “Goods” and “Bads”. The maximum dif-            Collection Scoring
 ference between “Goods” and “Bads”
 distribution known as a Kolmogorov-
 Smirnov value, that is often used to-
 gether with Gini value to asses scorecard
 quality.




                                               5.00%

                                               4.50%

                                               4.00%

                                               3.50%

                                               3.00%
 “Good” and “Bad” distribution
                                               2.50%
 Allows to visually assess the distribution
                                               2.00%
 of “Good” and “Bad”, resulting from the
 use Scorecard                                 1.50%


 The typical “hill-like” shape of the peaks    1.00%


 and easily seen difference between            0.50%

 “Good” and “Bad” distributions indicate       0.00%
                                                                                                   [0;100)

                                                                                                             [300;400)

                                                                                                                         [600;700)



                                                                                                                                                  [1200;1300)

                                                                                                                                                                [1500;1600)

                                                                                                                                                                              [1800;1900)

                                                                                                                                                                                            [2100;2200)

                                                                                                                                                                                                          [2400;2500)

                                                                                                                                                                                                                        [2700;2800)

                                                                                                                                                                                                                                      [3000;3100)

                                                                                                                                                                                                                                                    [3300;3400)

                                                                                                                                                                                                                                                                   [3600;3700)

                                                                                                                                                                                                                                                                                 [3900;4000)

                                                                                                                                                                                                                                                                                               [4200;4300)

                                                                                                                                                                                                                                                                                                             [4500;4600)

                                                                                                                                                                                                                                                                                                                           [4800;4900)

                                                                                                                                                                                                                                                                                                                                         [5100;5200)

                                                                                                                                                                                                                                                                                                                                                       [5400;5500)

                                                                                                                                                                                                                                                                                                                                                                     [5700;5800)

                                                                                                                                                                                                                                                                                                                                                                                   [6000;6100)

                                                                                                                                                                                                                                                                                                                                                                                                 [6300;6400)

                                                                                                                                                                                                                                                                                                                                                                                                               [6600;6700)

                                                                                                                                                                                                                                                                                                                                                                                                                             [6900;7000)

                                                                                                                                                                                                                                                                                                                                                                                                                                           [7200;7300)

                                                                                                                                                                                                                                                                                                                                                                                                                                                         [7500;7600)

                                                                                                                                                                                                                                                                                                                                                                                                                                                                       [7800;7900)

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     [8200;8300)
                                                                       [-600;-500)

                                                                                     [-300;-200)
                                                       [-1100;-1000)




                                                                                                                                     [900;1000)




 a proper Scorecard performance and its
 ability to differentiate between “Goods”
 and “Bads”.                                                                                                                                                                                                                                                      score




                         Андрій Мінів, директор департаменту управління ризиками




                         Покупка
                         заборгованості:
                         українські реалії
Ринок активний, та ціни малі                   проблемних портфелів. За словами                                                                                                                                                                                           активно це відбувалось в останньому
В 2010 році обсяг ринку колекторських          учасників ринку роботи із проблемною                                                                                                                                                                                       кварталі    цього   року,    причому
послуг становив майже 8 млрд. грн., з          заборгованістю, впродовж всього                                                                                                                                                                                            продавали проблемку переважно
яких 5 млрд. грн. складали портфелі,           2010 р. банки України досить                                                                                                                                                                                               банки з іноземним капіталом. Ціни на
передані в роботу на комісійній основі,        динамічно      позбавлялись       від                                                                                                                                                                                      проблемні активи, як і раніше, досить
а 3 млрд. грн. - угоди з продажу               безнадійних    кредитів.    Особливо                                                                                                                                                                                       низькі. Дисконт складає від 75%
(зустрічаються і менші дисконти за
10   умови наявності у портфелі частини
     регулярних кредитів чи кредитів на
     ранній стадії прострочки) до 90%                                                                      NPL market progress
     суми кредитного портфеля, а в деяких
     випадках досягають 99% номіналу.
     На основі інформації, зібраної у                                                                     Forward-­‐
     тендерах, у яких брала участь компанія                                                                 Flow	
  
     ПрімоКолект, представляємо динаміку                                                                 agreement

                                                                                                  	
  
     розвитку ринку продажу портфелів у                                                                       s	
  
     наступних діаграмах.                      Діаграма 1. Кількість заборгованостей,
                                               що виставлялися на продаж, шт                               Regular	
  
     Готуємось продавати борги                                                                            disposals	
  


     Купівля/продаж портфелів проблемної
     заборгованості оформляється одним з                                                                  First	
  Sale	
  
     двох видів договорів:
     -	       Договір            преуступки
     прав вимоги (статті 512, 513, 656                                                                   Outsourcing	
  
     Цивільного Кодексу України). Згідно
     з Договором, первинний кредитор
                                                                                                  	
  
                                                                                                          Internal	
  
     передає (переуступає) право вимоги                                                                  collection	
  
     до боржників, що виникає з кредитних
                                               Діаграма 2. Сума заборгованості, що виставлялася
     договорів та договорів застави, новому    на продаж, млн. грн
     кредитору
     -	       Договір факторингу (глава        Оцінка: на що звертати увагу?
     73 Цивільного Кодексу України):
     одна сторона (Фактор) передає чи
     зобов’язується передати грошові кошти
     в розпорядження іншій стороні (Клієнту)
     за плату (будь-яким передбаченим
     договором     способом),    а    Клієнт
     переуступає Фактору право грошових
     вимог до третіх осіб (боржників).
     Винагорода Фактора може бути
     виражена у вигляді окремої комісії (на
     практиці незначної) чи дисконту.
     Додатково Договори купівлі/продажу
     поділяються на два типи:
     - СПОТ продаж. Передбачає одноразову
     продаж портфелю. Спочатку Покупець
     аналізує портфель, визначає ціну та
     умови, тоді підписується договір та
     відбувається сама продаж
     - Forward-Flow договір. Одним
     договором       передбачені      умови


                                                                                                                                        	
  
     періодичних      продажів    майбутніх
     портфелів     упродовж     визначеного
     договором      періоду.   У    договорі
     зазначаються            характеристики
     майбутніх портфелів, ціна, термін
     дії договору, періодичність продаж,
     максимально       допустимий     об’єм.
     Продавець      зобов’язаний    продати
     Покупцю       портфель      визначених
     характеристик у визначені періоди, а
     Покупець зобов’язаний їх купувати по
     встановленій ціні в межах визначеного
     об’єму.

     Процес оцінки портфелю проблемної
     заборгованості          відрізняється
     специфічними підходами та методами
     кожного Покупця, проте завжди


                                                                                                                                 	
  
     можна виділити спільні загальні етапи
     даного процесу:
Andriy Miniv, CRO
                                                                                                                                                 11




                           Portfolios Purchase:
                           Ukrainian realities
Small prices despite the active market
                                                                                                                    NPL market progress
Size of collection service market in 2010
was near 8 billion UAH, which included 5
billion UAH of commission portfolios and                                                                           Forward-­‐
3 billion UAH of purchased NPL.                                                                                      Flow	
  
According to collection market partici-                                                                           agreement
pants, Ukrainian banks have been ridding                                                                               s	
  
off NPL during all 2010. Furthermore, last
                                                                                                           	
  
quarter this year was the most produc-                                                                              Regular	
  
tive in NPL sales; NLP was sold mostly          Diagram 1. Number of debts, offered for sales (quantity)
                                                                                                                   disposals	
  
by banks with foreign capital.
Prices on NLP are still quite low. Dis-
count varies from 75 to 90% of portfolio
                                                                                                                   First	
  Sale	
  
nominal price, in some cases it can rich
even astonishing 99% of nominal price
(however, smaller discounts are not rare                                                                          Outsourcing	
  
too on condition that portfolio includes
regular loans or loans with small dpd).
                                                                                                                   Internal	
  
Based on information collected from                                                                               collection	
  

                                                                                                           	
  
tenders PrimoCollect participated in, we
present dynamics of NLP sales develop-
ment in the following diagrams.                 Diagram 2. Sum of debts, offered for sales (billion UAH)


Preparation t o NLP sale                        portfolios’ periodical sale during the period, regulated by agreement, in which should
                                                be mentioned all characteristics of further portfolios such as price, agreement expira-
NPL portfolios salepurchase can be pro-        tion date, sales periodicity and maximal allowed amount of sale. Seller should sell to
cessed using one of the two following           the Buyer portfolios with determined characteristics, and Buyer should purchase them
agreements:                                     by established price, and in the amount, mentioned in agreement.
-	        Cession Agreement (clauses
512, 513, 656, Civil Code of Ukraine).          Valuation. Main Points
According to this agreement, primary
Lender transfers (retrieves) to New Lend-
er collection right, emerged from credit or
pledge agreements.
-	        Factoring Agreement (para-
graph 73, Civil Code of Ukraine): one
Party (Factor) for some price (in any
way, foreseen by agreement) transfers
or commits himself to transfer money
to another Party (Client), and Client re-
trieves to Factor collection right from third
parties(debtors). Factor’s remuneration
can be in a form of discount or a separate
commission, which, in practice, is slight.
There is also additional subdivision of
Sale/Purchase Agreements:
-	        Spot sale, which foresees single
portfolio sale. At first, Buyer analyses a
portfolio, estimates price and conditions
and only then signs an agreement and


                                                                                                                                          	
  
process sale.
-	        Forward-Flow Agreement. One
agreement foresees conditions of further
12




                                                                                                                       	
  
                                                                                                  Each Buyer’s NPL portfolio valuation process differs from other
                                                                                                  processes by specific approaches and methods; however, com-
                                                                                                  mon phases are always present:



                           Анжеліка Сіренко, Керівник колл-центру



                           Професійні таємниці
                           ефективного
                           колл-центру
     Що таке call-center? В широкому                              То що саме у call-center повинно бути                                           •	      Стратегія Call Center
     значенні call-center є частиною                              під пильним наглядом?                                                           •	      Мотиваційна система для
     компанії, окремим процесом або                               •	      Робоча сила (прогнозування,                                             персоналу
     низкою процесів. Але розглядаючи                             створення розкладів, використання)                                              •	      IT (комп’ютерний інтерфейс
     call-center детальніше, ми помічаємо,                        •	      Становлення        колекторів                                           desktop, система організації робочих
     що кожна група в ньому є окремою                             (рекрутинг,    тренінги,    навчання,                                           місць, маршрутизатор, база даних і
     самодостатньою ланкою.                                       мотивація, прослуховування розмов,                                              т.д.)
                                                                  нагляд, перегляд результату)
     Розрахунок продуктивності call center

                                                                                                             2.
            Мета                                   1.
                                                                                                                                                                     3.
                                                                                                                                                                                   call-



            Основнi
            запитання                          ?                           ?             ?
                                                                                                                                                  ?                            call-          ?
                                                                                                                      ?


            Основнi         кількість розмов            кількість спроб                                                               стягнута                  стягнута                   операційні
                                                                                   RPC
            параметри       з боржником                 контакту
                                                                                                            платежi                   заборгова-                заборгова-                 витрати
                                                        з боржником                                                                   нiсть                     нiсть
                            загальна кількість                                     спроби
                                                        загальна кількість                                   RPC                      можна
                            годин                                                  контакту                                                                     кількість              кількість
                                                        годин                                                                         стянути                   оплачуваних            оплачуваних
                                                                                                                                                                годин                  годин


            тактичні        Triad,             •                               •   %                    •                                                   •                                 Call
            важелі          Strata                                                                                                                              center (               ,
                            (                                                      prime-time                 –                                                                                   ,
                                               •                               •                              –                                                                ,
                              )                                                                               –                                                                        ,      . .),
                                                                                                              –                                                            :
                                               •                                                                                                                      –
                                                                                                              –                                                       –
                                               •                                                        •                                                             –
                                                              (e.g.,                                                                  (
                                                                               •                                  ,                                                   –
                                                                       ,                                                  ,           )
                                                                                                        •                                 /
                                                                                   (                                                                                               ( -       RPC
                                                                                                                              (               :                  -                            )
                                                              )                               )
                                               •                                                                                  ,                             (IVR, web)
                                                                                                                                      ,
                                               •   Skip tracing
                                                                                                                                  )
Research 2011, Primoknowledge
Research 2011, Primoknowledge
Research 2011, Primoknowledge
Research 2011, Primoknowledge

More Related Content

Similar to Research 2011, Primoknowledge

EBS Digest #5
EBS Digest #5 EBS Digest #5
EBS Digest #5
Ev Melekhovets
 
How to Startup - Toolkit
How to Startup - ToolkitHow to Startup - Toolkit
How to Startup - Toolkit
Yana Malakova
 
Успішний підприємець, електронний журнал, №1/2014
Успішний підприємець, електронний журнал, №1/2014Успішний підприємець, електронний журнал, №1/2014
Успішний підприємець, електронний журнал, №1/2014
Успішний підприємець, електронний журнал, блог про бізнес
 
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширенняСтратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
Alex Grebeshkov
 
Навчально-тренінгова лабораторія (1 рік)
Навчально-тренінгова лабораторія (1 рік)Навчально-тренінгова лабораторія (1 рік)
Навчально-тренінгова лабораторія (1 рік)
Руслан Костюкевич
 
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр БедыкSpace.ua
 
Stina
StinaStina
Jci kyiv trainers_wecanomy
Jci kyiv trainers_wecanomyJci kyiv trainers_wecanomy
Jci kyiv trainers_wecanomy
Vitalii Tytskyi
 
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
Lviv Startup Club
 
профор
профорпрофор
профорVadim
 
Як стати успішним у бізнесі
Як стати успішним у бізнесіЯк стати успішним у бізнесі
Модуль_4_Виробничі_процеси_в_компанії.pptx
Модуль_4_Виробничі_процеси_в_компанії.pptxМодуль_4_Виробничі_процеси_в_компанії.pptx
Модуль_4_Виробничі_процеси_в_компанії.pptx
RostyslavDmytruk
 
Модель VRIO для організаційних ресурсів.pptx
Модель VRIO для організаційних ресурсів.pptxМодель VRIO для організаційних ресурсів.pptx
Модель VRIO для організаційних ресурсів.pptx
RostyslavDmytruk
 
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
Dakiry
 
Erstenation#4 2010
Erstenation#4 2010Erstenation#4 2010
Erstenation#4 2010
Marat Zakirov, PMP®
 
Техніка 8D для прийняття рішень.pptx
Техніка 8D для прийняття рішень.pptxТехніка 8D для прийняття рішень.pptx
Техніка 8D для прийняття рішень.pptx
RostyslavDmytruk
 
Профорієнтаційна гра « Відкриваємо власну фірму»
Профорієнтаційна гра « Відкриваємо власну фірму»Профорієнтаційна гра « Відкриваємо власну фірму»
Профорієнтаційна гра « Відкриваємо власну фірму»
nastythe25
 

Similar to Research 2011, Primoknowledge (20)

submar
submarsubmar
submar
 
Submar 1
Submar 1Submar 1
Submar 1
 
submar
submarsubmar
submar
 
EBS Digest #5
EBS Digest #5 EBS Digest #5
EBS Digest #5
 
How to Startup - Toolkit
How to Startup - ToolkitHow to Startup - Toolkit
How to Startup - Toolkit
 
Успішний підприємець, електронний журнал, №1/2014
Успішний підприємець, електронний журнал, №1/2014Успішний підприємець, електронний журнал, №1/2014
Успішний підприємець, електронний журнал, №1/2014
 
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширенняСтратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
Стратегічні альянси в бізнесі: форми, передумови створення, сфери поширення
 
Навчально-тренінгова лабораторія (1 рік)
Навчально-тренінгова лабораторія (1 рік)Навчально-тренінгова лабораторія (1 рік)
Навчально-тренінгова лабораторія (1 рік)
 
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык
12.04 | B2B Sales Forum | Коучинг в B2B-продажах | Александр Бедык
 
Stina
StinaStina
Stina
 
Jci kyiv trainers_wecanomy
Jci kyiv trainers_wecanomyJci kyiv trainers_wecanomy
Jci kyiv trainers_wecanomy
 
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
Тетяна Найчук “English and Other Skills for Work in IT Outsourcing” Lviv Free...
 
профор
профорпрофор
профор
 
Як стати успішним у бізнесі
Як стати успішним у бізнесіЯк стати успішним у бізнесі
Як стати успішним у бізнесі
 
Модуль_4_Виробничі_процеси_в_компанії.pptx
Модуль_4_Виробничі_процеси_в_компанії.pptxМодуль_4_Виробничі_процеси_в_компанії.pptx
Модуль_4_Виробничі_процеси_в_компанії.pptx
 
Модель VRIO для організаційних ресурсів.pptx
Модель VRIO для організаційних ресурсів.pptxМодель VRIO для організаційних ресурсів.pptx
Модель VRIO для організаційних ресурсів.pptx
 
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
Антон Вітязь та Марія Попова “Strategy Analysis: Who cares?”
 
Erstenation#4 2010
Erstenation#4 2010Erstenation#4 2010
Erstenation#4 2010
 
Техніка 8D для прийняття рішень.pptx
Техніка 8D для прийняття рішень.pptxТехніка 8D для прийняття рішень.pptx
Техніка 8D для прийняття рішень.pptx
 
Профорієнтаційна гра « Відкриваємо власну фірму»
Профорієнтаційна гра « Відкриваємо власну фірму»Профорієнтаційна гра « Відкриваємо власну фірму»
Профорієнтаційна гра « Відкриваємо власну фірму»
 

Recently uploaded

Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
Lviv Startup Club
 
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
Lviv Startup Club
 
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
Lviv Startup Club
 
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
Lviv Startup Club
 
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
Lviv Startup Club
 
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
Lviv Startup Club
 
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
Lviv Startup Club
 
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
Lviv Startup Club
 
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
Lviv Startup Club
 

Recently uploaded (9)

Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
Veronica Rodionova: Подолання опору впровадженню Agile процесів у командах (UA)
 
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
Viktoriia Honcharova: PMI: нова стратегія розвитку управління проєктами (UA)
 
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
Diana Natkhir: Інструменти Change management для роботи з клієнтами в продукт...
 
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
Anatolii Vintsyk: Комунікації в проєкті під час війни (UA)
 
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
Anna Kompanets: Проблеми впровадження проєктів, про які б ви ніколи не подума...
 
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
Kateryna Kubasova: Абстрактне Оксфордське лідерство конкретному українському ...
 
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
Mykyta Melnyk: Досвід провадження AI Driven Development, кейси використання т...
 
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
Oleksandr Buratynskyi: Як Agile Coach мікроменеджером став 🙃 (UA)
 
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
Natalia Renska & Roman Astafiev: Нарциси і психопати в організаціях. Як це вп...
 

Research 2011, Primoknowledge

  • 1. PRIMO KNOWLEDGE Хто він, Ukrainian український Debtor. боржник? Who is it? с. 3 p. 5 Скоринг: практичні аспекти Practical aspects of scoring с. 7 p. 8 Покупка заборгованості: Portfolios Purchase: Ukrai- українські реалії nian realities с.9 p. 11 Професійні таємниці Professional secrets of ef- ефективного колл-центру fective call-center с. 12 p. 14
  • 2. заборгованостей Ви усвідомлено обирали компанію, що здатна 2 вирішити, а не накопичити проблеми. Щоб розуміти, аналізувати, віддавати перевагу і мати результат. Адже результат – то, Ева Закович, Генеральний директор напевно, основна цінність в роботі компанії. Іншою її складовою групи компаній ПрімоКолект ми вважали і будемо вважати професійний колектив, що, власне, і забезпечує найкращі показники. Ще одна величезна Ewa Zakowicz, цінність – знання. Усе це у сукупності Ви знайдете у виданні, яке CEO of PrimoCollect Group ми з задоволенням Вам презентуємо. Next year is to be crucial for the history of financial sector development at the whole and a col- lection sector, especially. The matter is not in anticipation of the new Наступний рік може стати переломним у історії розвитку wave of recession, which is the hot topic for many people. The mat- фінансового сектору у цілому і сектору роботи з проблемною ter is in experience, earned by everyone who survived through hard заборгованістю – зокрема. І річ навіть не в очікуванні нової 2011. The matter is in knowledge, skills and opportunities, sight of хвилі економічної кризи, про можливість якої зараз так багато which we have caught despite all the obstacles on our way and from говорять причетні і не дуже кола. Річ у досвіді, який кожен з нас our mistakes. Moreover, every experience is unique and the matter здобув, переживши нелегкий 2011-ий. Річ у знаннях та навиках, is only in the way to desired future on the grounds of that experience. у можливостях, що ми з вами побачили крізь нетрі перепон, у It is not the attempt to systemize knowledge obtained by our compa- помилках, що були зроблені та у вміннях, винесених із цього. ny employees. It is a kaleidoscope of the most interesting and topical Адже кожен досвід – унікальний, і питання лише у тому, щоб, themes on the collection market, observed from the angle of our pro- спираючись на нього, впевнено йти у своє, власноруч обране fessional activity. We provide you with the data which, as we hope, майбутнє. would make all working processes with NPL clearer. Furthermore, Перед Вами – перша спроба не просто систематизувати знання, we will share with you our opinion on those processes and will tell you які здобули працівники нашої групи компаній. Це своєрідний about potential threats and achievements. калейдоскоп з найцікавіших і найактуальніших, на нашу Why should you read it? At first, it will help you to learn more about думку, тем на ринку колекшн, розглянутих через призму нашої working opportunities with NPL. Thus, in case you face the emer- професійної діяльності. Ми подаємо на Ваш розсуд матеріали, gence of debt, you will competently choose the company that can що допоможуть, сподіваємось, зробити процедури, які solve problems, but not accumulate them. You need this informa- відбуваються на ринку роботи з проблемними боргами, більш tion for understanding, analysis, making preeminence and receiving зрозумілішими та простими. Ми поділимося своїм баченням results. You can ask why? For the reason, that result is probably the процесів, розкажемо про надбання та загрози. most important in the company. The other crucial element is pro- Навіщо все це Вам? У першу чергу для того, щоб знати fessional staff, which ensures the best results. The other value is більше про можливості роботи з простроченими портфелями. knowledge. All these things together you will find in the brochure, Щоб, стикнувшись із не дуже приємним явищем виникнення presented to you. Наше видання – це і своєрідний підсумок плідної роботи, і спроба поділитися тим, що надбано за цей час, і можливість систематизуватися та окреслити власні ж горизонти. Олеся Чемерис, директор з маркетингу та PR Підбираючи матеріали, що представлені тут, ми прагнули привернути увагу учасників ринку – як колег, так і потенційних Olesya Chemerys, клієнтів. Сподіваємось, нам це вдалося, отже – приємного ‘PR and Marketing Director читання) Autumn… Time to summarize, count chickens and profits, plan and estimate, it is time to manage obtained results as ground for the future. Autumn is a time to understand your goals and all the Осінь. Час підсумовувати, рахувати курчат та прибутки, ways to achieve them. планувати і оцінювати. Час розпоряджатися отриманими Ukrainian collection market is continuously developing, despite all the результатами як основою для майбутнього. Час розуміти, що sceptic words. The statement above is clearly visible not only from хочеться та які для цього є можливості. the size of portfolios, offered for sale or commissioning, but also from Що б не говорили скептики, але ринок роботи з проблемною the attention to this sphere paid by authorities. Their will to regulate заборгованістю в Україні розвивається. Це видно не лише a niche or rather earn some extra points in eyes of future electorate з об’єму портфелів, що виставляються на продаж або force some deputies to make very strange steps. Such things should віддаються на комісію, але й із інтересу, який проявляють до have shaken civilized society, but… ринку представники влади. Бажання чи то впорядкувати нішу, …We have what we have. However, even despite unregulated mar- чи просто поставити собі зайву «галочку» в очах майбутніх ket, number of NPL portfolios is fastly growing not only in finance but виборців спонукає окремих депутатів здійснювати дуже дивні also in adjacent spheres, allowing professional to find fresh solutions кроки. Цивілізоване суспільство мало б як мінімум замислитись, for new tasks. We adopt experience of our European colleagues проте… and gain it first hand. We teach debtors, our clients and educate …Маємо те, що маємо. Ринок стягнення заборгованості ourselves, and till this process will exist, we will be developing as a неврегульований, кількість проблемних портфелів зростає не market company. лише у фінансовій, але й у суміжних галузях, професіонали Our publication is somehow a result of our fruitful work, attempt to знаходять нові рішення для нових клієнтських задач. Ми share knowledge gained during our work, systematize our informa- переймаємо досвід європейських колег та напрацьовуємо tion and outline new horizons for us. Selecting information, presented власний, тісно переплітаючи обидва. Ми вчимо боржників та here, we tried to attract market participants – our colleagues and po- клієнтів і вчимося самі. І поки триватиме цей процес – доти ми tential clients. We hope we have done everything to make you enjoy будемо розвиватися як ринкова компанія. reading)
  • 3. 3   Ева Закович, Володимир Малашенко, Марта Гулей, Генеральний директор Керівник Спеціаліст групи компаній ПрімоКолект з операційного аналізу із скорингових моделей Хто він, український боржник? ПрімоКолект працює на українському ринку вже майже 6 років. Цього часу достатньо, щоб не лише зарекомендувати себе професійною компанією, але й зібрати та систематизувати знання, що допомогли нам створити карту божників України і сформувати портрет українського боржника. На основі зібраних даних з обслуговування портфелів, починаючи з 2006 року ми опрацювали понад 800 тисяч справ боржників. Департамент стратегії та статистики провів дослідження, де вихідними параметрами виступали: 1) Імовірність залишитись боржником, після 90 DPD; 2) Імовірність погашення заборгованості протягом 2 років після 90 DPD. Джерело: ПрімоКолект Спершу розглянемо карту боржників у співвідношення жінок і чоловіків з найменші суми середньомісячного Найбільші платежі надходять розбивкою на області. платежу – 322 та 306 грн. відповідно з Тернопільської (491 грн.), Як бачимо, немає регіону, де серед при розмірі середнього помісячного Закарпатської (473 грн.) та боржників переважають жінки. У платежу 411,92 грн. Хмельницької (453 грн.) областей. Херсонській області знаходиться найбільша кількість боржників серед жінок (49%), а у Київській – серед чоловіків (67%). Середній вік боржника складає 38 років. Чоловіки-боржники молодші, адже середній вік жінок – 40 років, а чоловіків – лише 36 років. Домінуючою серед боржників є категорія 26-35 років, яка становить 42,1%, категорія 36-45 років – 26,7% та 46-55 років – 17%. У категорії 26-35 років – 17%. У категорії 26-35 років переважають жінки, а у категорії після 46 років – чоловіки. Виходячи із графіка середнього Джерело: ПрімоКолект платежу по регіонах, Харківська та Вінницька області демонструють
  • 4. 4 Джерело: ПрімоКолект Ми визначили, що а серед боржників із найменшою у Київській (12,65%), Харківській середньомісячний платіж – жінки. В середньому борг (10,85%), Донецькій (9,16%) складає 411,92 грн. А динаміка становить 4 тис. грн. Серед тa Дніпропетровській (8,65%) середньомісячного платежу найпоширеніших кредитів є областях, частки ж Чернівецької за останній рік демонструє банківські кредити, кредити на та Тернопільської областей зростання показника, його спад придбання побутової техніки, найменші та складають 0,95% та спостерігається лише наприкінці оплату комунальних послуг, 1% відповідно. 2010 року, і причина цього – інтернет-послуг та телефонного Наше дослідження торкнулося і зимові свята. Різкий підйом зв’язку. зодіакальних знаків. розпочався у лютому 2011 року Завдяки якісному розподілу та досяг свого піку у квітні 2011 боржників ми визначили регіони із показником 490 грн. Після чого з найбільшою та найменшою розпочався поступовий спад суми кількістю боржників на одиницю середньомісячних платежів. Ця населення. тенденція зберігається досі. Так, регіонами з найменшою З огляду на середній щомісячний кількістю боржників є Львівська та платіж переважають чоловіки Тернопільська області. Харківська, із сумою 416,32 грн. У жінок він Вінницька та Миколаївська області складає 407,90 грн. віднесені до регіонів, де кількість Джерело: ПрімоКолект боржників по відношенню до При цьому серед боржників з загальної кількості населення найбільшою сумою заборгованості найвища. В ході дослідження виявлено, найчастіше трапляються чоловіки, Найбільша частка боржників з їх що найчастіше серед боржників загальної кількості зосереджена трапляються Близнята (9,3%) та Леви (9,1%), а найрідше Стрільці (7,1%) та Скорпіони (7,5%). Дослідження польських колег підтвердило зроблені висновки. Також ми зробили підбірку цікавих даних, що стосуються заборгованості. Наші рекорди: • наймолодший боржник – жін.,17р., Дніпропетровськ; • найстаріший боржник – жін., 87р., Київ; • найбільший платіж – 272 608,65 грн., чол., 48р., Вінниця; • найменший платіж – 10,08 грн., чол., 35р., Дніпропетровськ; • найбільший борг – 1320689,37 грн., чол., 50р., Кіровоград; • найменший борг – 10 грн., жін., 64р., Рівне; Джерело: ПрімоКолект
  • 5. 5   Ewa Zakowicz, Volodymyr Malashenko, Marta Gulej, CEO of PrimoCollect Group Head of operational analysis Scoring models specialist Ukrainian Debtor. Who is it? PrimoCollect is working on Ukraini- an market for approximately 6 years, which is enough not only to recom- mend itself as highly professional company, but to collect and system- ize knowledge that have helped us to create Ukrainian map of debtors and draw an average Ukrainian debtor portrait. Since 2006, we have processed over 800 thousands of cases. Thus, on the grounds of collected information from NPL servicing, Strategy and Controlling Department conducted a research with following input data: 1) Possibility of becoming debt- or after 90 DPD; 2) Possibility of debt repayment during 2 years after 90 DPD. Retrieved from PrimoCollect At first, we will present Ukrainian map of debtors, including ratio be- tween male and female population of each region. As we can observe from the map above, there is not any region where female debtors are prevailing. More- over, we can see that the biggest part of debtors among women is con- centrated in Kharkiv region (49%), while male debtors have the highest concentration in Kyiv region (67%). Average debtor’s age is 38 years, however, male debtors are younger – their average age is 36 years, while for females it is 40. Dominant age category among debtors is 26-35 are Retrieved from PrimoCollect
  • 6. years (42.1% of all debtors), 36-45- 6 year category is the middle (26.7%) and 46-55 year debtors are only 17% of the whole amount. Female debtors dominating in 26-35-year category and males are the dominant part in the category after 46. As we can see from the plot above, Kharkiv and Vinnytsa regions have the smallest monthly payments – 322 and 306 UAH, while average monthly payment at the whole is 411.92 UAH. The biggest payments are trans- ferred from Telnopil (491 UAH), Zakarpattya (473 UAH) and Khmel- Retrieved from PrimoCollect nitsky (453 UAH) regions. As we have calculated before aver- of sales (POS) loans, loans for buy- From the picture above emerged age monthly payment is 412 UAH. ing household appliances, utilities, that Gemini (9.3%) and Leo (9.1%) Recently, such payment has been Internet, and telecommunication ser- are the biggest quantitative groups increasing with some decline at the vices repayment. among debtors. Scorpio and Sag- end of 2010, which can be eas- Thanks to debtors’ subdivision be- ittarius are zodiac signs including ily explained by winter holidays. tween regions by quality, we have smallest amounts of debtors (7.1% Furthermore, there was a jump in designated regions with the biggest and 7.5%). Conclusions from this monthly payment during February and smallest amount of debtors. research are corroborated by simi- with its peak in April (490 UAH). After Lviv and Telnopil’ regions are areas lar investigation of our Polish col- such an increase, average payment with the smallest rate of debtors per leagues. started continuous step-by-step de- population unit. Kharkiv, Vinnytsa crease. and Mykolaiv regions are populated If we will have a look on average with the biggest amount of debtors. monthly payers, we will see that Moreover, the biggest share of debt- males are leading with a sum of ors from the whole amount is con- 416.32 UAH, while females pay centrated in Kyiv (12.65%), Kharkiv monthly approximately 407.90UAH. (10.85%), Donetsk (9.1%) and Nevertheless, debtors with the high- Dnepropetrovsk (8.65%) regions; est debt amounts are males, while smallest number of debtors is in women are owners of the smallest Chernivtsy and Telnopil (0.95% and debts. 1%). Retrieved from PrimoCollect Average debt is 4 000 UAH and the In our research we have not avoid most common are bank loans, point even zodiac signs. In addition, we have chosen some interesting data related to debt and debtors. Our records: • The youngest debtor – fe- male,17, Dnepropetrovsk; • The oldest debtor – female, 87, Kyiv; • The biggest payment – 272 608,65 UAH, male, 48, Vinnytsa; • The smallest payment – 10,08 UAH, male, 35, Dnepropetro- vsk; • The biggest debt– 1320689,37 UAH, male, 50, Kirovo- grad; • The smallest debt– 10 UAH, female, 64, Rivne; • The highest number of debts – 16 debts on sum 181222,68 UAH, male, 31, Kharkiv. Retrieved from PrimoCollect
  • 7. Ева Закович, Генеральний директор групи компаній ПрімоКолект Ewa Zakowicz, CEO of PrimoCollect Group 7 Скоринг: практичні аспекти Колекторські Агентства Стадії Побудови Скорингової Карти Для обрахунку Information Value (IV) використовують скоринг-моделі • Підготовка вибірки для розробки ми використовуємо: для швидкого повернення коштів, скорингової карти; вкладених у інтенсивне стягнення • Підготовка та відбір характе-ристик DistrGood i – частка “хороших” заборгованості, що власне і є боржника; боржників в категорії відповіддю на запитання, чому ми • Розробка Скорингової Карти; DistrBad i - частка “поганих” досягаємо кращих результатів і • Оцінка якості Скорингової Карти; боржників в категорії маємо можливість продовжувати • Введення Скорингової Карти в дію з купівлю портфелів. її постійним моніторингом. Цикл з залучення скоринг моделей включає наступні етапи: Information Value IV Статистична оцінка 1. Теорію Скорингу 2. Колекшн скоринг Кожна з доступних характеристик < 0.02 Дуже слабкі статистичні зв’язки 3. Тест моделі боржника містить в собі інформацію 4. Прибуток для колекшн про кредитну якість боржника. 0.02 – 0.1 слабкі статистичні зв’язки 5. Сегментацію з використанням Абсолютно природно, що деякі з 0.1 – 0.3 помірні статистичні зв’язки скорингу характеристик є більш важливими, 6. Пояснення того як скор може а деякі мають менше вартості в 0.3 – 0.5 сильні статистичні зв’язки покращити стратегію колекшн оцінці кредитної якості боржника. 7. Використання скорингу на останніх > 0.5 Дуже сильні статистичні зв’язки Наприклад, дохід боржника має стадіях колекшн набагато більшу вартість, аніж його 8. Швидкий шлях для викори-стання сімейний статус. скорингу 9. Бюджетність використання скорингу То що ж таке Скоринг? Скоринг в сфері колекшн обраховує ймовірність отримання прибутку від непогашеного залишку заборгованості зі справ що перебувають в обслуговуванні. Скорингова карта Оцінка ефективності скорингової Статистика Коломогорова-Смірнова оцінює бажання боржника оплатити карти Крива Коломогорова-Смірнова показує борг та його можливість зробити це, Для оцінки якості скорингової карти різницю в поділі між «хорошими» та така оцінка допомагає визначити які ми використовуємо: «поганими», а максимальна різниця саме засоби стягнення заборгованості - Стандартне оцінювання сили між цими категоріями має назву K-S, потрібно застосовувати до того чи іншого боржника. скорингової карти та зазвичай в оцінці якості скорингової А якість та прибутковість - Порівняння продуктивності з моделі застосовується разом із Gini. операційних рішень, прийнятих на розвитком та зразком продукти- вності основі скорингових карт можна - Порівняння результатів різних технік оцінювати статистичним методом, - Дозвіл порівняння продуктивності постійно вдосконалюючи карту та моделі впродовж всього часу роботи підлаштовуючи її під нові ринкові - Статистика Коломогорова-Смірнова умови. (K-S) - Оцінка Максимальної різниці між Скорингова Карта категоріями «хороші» та «погані». Скорингова карта – це математи- чна модель, зображена у вигляді набору величин, прив’язаних до Оцінка якості моделі з допомогою коефіцієнта Gini може бути перевірена з певних характеристик боржника, що допомогою наступних таблиць: визначають його якість (приналежність Аплікаційний скоринг до групи добрий/поганий) чи будь яку іншу задану ціль. Для створення скорингової карти із статистичним підґрунтям, нам потрібно застосувати до зібраної нами інформації статистичний метод. В побудові скоринг карт найчастіше використовується логістична регресія.
  • 8. Біхевіоральний Скоринг Колекшн Скоринг 8 5.00% Розподіл на “Хороших” і “Поганих” 4.50% 4.00% Дозволяє візуально зробити розподіл 3.50% на “Хороших ” і “Поганих”, що випливає із скорингової Карти. 3.00% Типова дугоподібна форма з піками 2.50% дозволяє побачити різницю між 2.00% класами “Хороших” і “Поганих” та 1.50% вказує на справну роботу Скорингової 1.00% Карти, а також на її можливість 0.50% розділяти боржників на класи. 0.00% [0;100) [300;400) [600;700) [1200;1300) [1500;1600) [1800;1900) [2100;2200) [2400;2500) [2700;2800) [3000;3100) [3300;3400) [3600;3700) [3900;4000) [4200;4300) [4500;4600) [4800;4900) [5100;5200) [5400;5500) [5700;5800) [6000;6100) [6300;6400) [6600;6700) [6900;7000) [7200;7300) [7500;7600) [7800;7900) [8200;8300) [-600;-500) [-300;-200) [-1100;-1000) [900;1000) score Practical aspects of scoring Collection Agencies are deploying Scorecard Scorecard Development Stages collections scoring to realize a rapid Scorecard is a mathematical model rep- • Sampling preparation to train the score- ROI in a time of intense pressure – it resented as a set of weights assigned to card; is answer why we have better results customer’s characteristics that affect his • Preparation and selection of borrower and we can purchase debt portfolios. creditworthiness or any other target be- characteristics that are used to develop havior modeled by the scorecard. the scorecard (including binning); This cycle will be consists from main To create statistically-based scorecard • Development of the scorecard; parts you need to apply statistical to your his- • Assessment of scorecard quality; 1. Scoring theory torical data • Implementation of the scorecard and its 2. Collection scoring The most widely used statistical method subsequent monitoring. 3. Monitoring model for scorecard development is logistic re- 4. Vintage for collections gression. 5. Segmentation for collection using scoring 6. How collection scores improve collec- Information Value Value of IVS tatistical strength tion strategies Each of the available borrower charac- < 0.02 a very weak statistical relation 7. Score use in late-stage collections teristics contains information on his/her 8. A quick way to deploy scoring 0.02 – 0.1 a weak statistical relation credit quality. It is only natural that some 9. The economics of collection scores characteristics are less important than 0.1 – 0.3 an average statistical relation others for the purpose of assessing cred- What is Collection Scoring 0.3 – 0.5 a strong statistical relation itworthiness; for example, the borrower’s Collection scoring quantifies the probabil- income bracket is more important than > 0.5 an extremely strong statistical relation ity of recovery of the outstanding balance the borrower’s family status. for those accounts in collections. Col- lection scorecard statistically estimates debtor’s willingness to pay and ability to pay and thus helps to define what actions should be done to increase collections. Quality and profitability of scoring-based operational decisions can be statistically So, we calculate Information Value (IV) criterion: monitored and gradually improved or ad- DistrGood i - is the share of “good” borrowers in the category justed to new market conditions. DistrBad i - is the share of “bad” borrowers in the category.
  • 9. Measuring Scorecard The evaluation of the quality of classification by the Gini coefficient can be checked Effectiveness with the help of the following tables: 9 Near standard measures for quality of scorecard Application Scoring We Used for - A standard measure of scorecard “strengths” - Comparing performance against develop- ment and hold-out sample performance - Comparing the result of different tech- niques - Allow comparison of performance over time Behavioral Scoring - Kolomogorov – Smirnoff Statistic - Measures the maximum distance between distribution of the Goods and Bads Kolomogorov – Smirnoff Statistic Kolmogorov-Smirnov curve shows the difference between the distribution of “Goods” and “Bads”. The maximum dif- Collection Scoring ference between “Goods” and “Bads” distribution known as a Kolmogorov- Smirnov value, that is often used to- gether with Gini value to asses scorecard quality. 5.00% 4.50% 4.00% 3.50% 3.00% “Good” and “Bad” distribution 2.50% Allows to visually assess the distribution 2.00% of “Good” and “Bad”, resulting from the use Scorecard 1.50% The typical “hill-like” shape of the peaks 1.00% and easily seen difference between 0.50% “Good” and “Bad” distributions indicate 0.00% [0;100) [300;400) [600;700) [1200;1300) [1500;1600) [1800;1900) [2100;2200) [2400;2500) [2700;2800) [3000;3100) [3300;3400) [3600;3700) [3900;4000) [4200;4300) [4500;4600) [4800;4900) [5100;5200) [5400;5500) [5700;5800) [6000;6100) [6300;6400) [6600;6700) [6900;7000) [7200;7300) [7500;7600) [7800;7900) [8200;8300) [-600;-500) [-300;-200) [-1100;-1000) [900;1000) a proper Scorecard performance and its ability to differentiate between “Goods” and “Bads”. score Андрій Мінів, директор департаменту управління ризиками Покупка заборгованості: українські реалії Ринок активний, та ціни малі проблемних портфелів. За словами активно це відбувалось в останньому В 2010 році обсяг ринку колекторських учасників ринку роботи із проблемною кварталі цього року, причому послуг становив майже 8 млрд. грн., з заборгованістю, впродовж всього продавали проблемку переважно яких 5 млрд. грн. складали портфелі, 2010 р. банки України досить банки з іноземним капіталом. Ціни на передані в роботу на комісійній основі, динамічно позбавлялись від проблемні активи, як і раніше, досить а 3 млрд. грн. - угоди з продажу безнадійних кредитів. Особливо низькі. Дисконт складає від 75%
  • 10. (зустрічаються і менші дисконти за 10 умови наявності у портфелі частини регулярних кредитів чи кредитів на ранній стадії прострочки) до 90% NPL market progress суми кредитного портфеля, а в деяких випадках досягають 99% номіналу. На основі інформації, зібраної у Forward-­‐ тендерах, у яких брала участь компанія Flow   ПрімоКолект, представляємо динаміку agreement   розвитку ринку продажу портфелів у s   наступних діаграмах. Діаграма 1. Кількість заборгованостей, що виставлялися на продаж, шт Regular   Готуємось продавати борги disposals   Купівля/продаж портфелів проблемної заборгованості оформляється одним з First  Sale   двох видів договорів: - Договір преуступки прав вимоги (статті 512, 513, 656 Outsourcing   Цивільного Кодексу України). Згідно з Договором, первинний кредитор   Internal   передає (переуступає) право вимоги collection   до боржників, що виникає з кредитних Діаграма 2. Сума заборгованості, що виставлялася договорів та договорів застави, новому на продаж, млн. грн кредитору - Договір факторингу (глава Оцінка: на що звертати увагу? 73 Цивільного Кодексу України): одна сторона (Фактор) передає чи зобов’язується передати грошові кошти в розпорядження іншій стороні (Клієнту) за плату (будь-яким передбаченим договором способом), а Клієнт переуступає Фактору право грошових вимог до третіх осіб (боржників). Винагорода Фактора може бути виражена у вигляді окремої комісії (на практиці незначної) чи дисконту. Додатково Договори купівлі/продажу поділяються на два типи: - СПОТ продаж. Передбачає одноразову продаж портфелю. Спочатку Покупець аналізує портфель, визначає ціну та умови, тоді підписується договір та відбувається сама продаж - Forward-Flow договір. Одним договором передбачені умови   періодичних продажів майбутніх портфелів упродовж визначеного договором періоду. У договорі зазначаються характеристики майбутніх портфелів, ціна, термін дії договору, періодичність продаж, максимально допустимий об’єм. Продавець зобов’язаний продати Покупцю портфель визначених характеристик у визначені періоди, а Покупець зобов’язаний їх купувати по встановленій ціні в межах визначеного об’єму. Процес оцінки портфелю проблемної заборгованості відрізняється специфічними підходами та методами кожного Покупця, проте завжди   можна виділити спільні загальні етапи даного процесу:
  • 11. Andriy Miniv, CRO 11 Portfolios Purchase: Ukrainian realities Small prices despite the active market NPL market progress Size of collection service market in 2010 was near 8 billion UAH, which included 5 billion UAH of commission portfolios and Forward-­‐ 3 billion UAH of purchased NPL. Flow   According to collection market partici- agreement pants, Ukrainian banks have been ridding s   off NPL during all 2010. Furthermore, last   quarter this year was the most produc- Regular   tive in NPL sales; NLP was sold mostly Diagram 1. Number of debts, offered for sales (quantity) disposals   by banks with foreign capital. Prices on NLP are still quite low. Dis- count varies from 75 to 90% of portfolio First  Sale   nominal price, in some cases it can rich even astonishing 99% of nominal price (however, smaller discounts are not rare Outsourcing   too on condition that portfolio includes regular loans or loans with small dpd). Internal   Based on information collected from collection     tenders PrimoCollect participated in, we present dynamics of NLP sales develop- ment in the following diagrams. Diagram 2. Sum of debts, offered for sales (billion UAH) Preparation t o NLP sale portfolios’ periodical sale during the period, regulated by agreement, in which should be mentioned all characteristics of further portfolios such as price, agreement expira- NPL portfolios salepurchase can be pro- tion date, sales periodicity and maximal allowed amount of sale. Seller should sell to cessed using one of the two following the Buyer portfolios with determined characteristics, and Buyer should purchase them agreements: by established price, and in the amount, mentioned in agreement. - Cession Agreement (clauses 512, 513, 656, Civil Code of Ukraine). Valuation. Main Points According to this agreement, primary Lender transfers (retrieves) to New Lend- er collection right, emerged from credit or pledge agreements. - Factoring Agreement (para- graph 73, Civil Code of Ukraine): one Party (Factor) for some price (in any way, foreseen by agreement) transfers or commits himself to transfer money to another Party (Client), and Client re- trieves to Factor collection right from third parties(debtors). Factor’s remuneration can be in a form of discount or a separate commission, which, in practice, is slight. There is also additional subdivision of Sale/Purchase Agreements: - Spot sale, which foresees single portfolio sale. At first, Buyer analyses a portfolio, estimates price and conditions and only then signs an agreement and   process sale. - Forward-Flow Agreement. One agreement foresees conditions of further
  • 12. 12   Each Buyer’s NPL portfolio valuation process differs from other processes by specific approaches and methods; however, com- mon phases are always present: Анжеліка Сіренко, Керівник колл-центру Професійні таємниці ефективного колл-центру Що таке call-center? В широкому То що саме у call-center повинно бути • Стратегія Call Center значенні call-center є частиною під пильним наглядом? • Мотиваційна система для компанії, окремим процесом або • Робоча сила (прогнозування, персоналу низкою процесів. Але розглядаючи створення розкладів, використання) • IT (комп’ютерний інтерфейс call-center детальніше, ми помічаємо, • Становлення колекторів desktop, система організації робочих що кожна група в ньому є окремою (рекрутинг, тренінги, навчання, місць, маршрутизатор, база даних і самодостатньою ланкою. мотивація, прослуховування розмов, т.д.) нагляд, перегляд результату) Розрахунок продуктивності call center 2. Мета 1. 3. call- Основнi запитання ? ? ? ? call- ? ? Основнi кількість розмов кількість спроб стягнута стягнута операційні RPC параметри з боржником контакту платежi заборгова- заборгова- витрати з боржником нiсть нiсть загальна кількість спроби загальна кількість RPC можна годин контакту кількість кількість годин стянути оплачуваних оплачуваних годин годин тактичні Triad, • • % • • Call важелі Strata center ( , ( prime-time – , • • – , ) – , . .), – : • – – – • • – (e.g., ( • , – , , ) • / ( ( - RPC ( : - ) ) ) • , (IVR, web) , • Skip tracing )