+7 499 135-41-63
   info@forecsys.ru

Фонд перспективных исследований, 2017 год

Конкурс по созданию интеллектуальных технологий дешифрирования видовой аэрокосмической информации

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по выявлению практик манипулирования в высокочастной торговле на финансовых рынках»

Avito, 2016 год

Конкурс анализа данных по распознаванию категорий объявлений

Avito, 2016 год

конкурса анализа данных по распознаванию марки и модели автомашин на изображениях

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по мониторингу открытых инсайдеров»

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

ММВБ, 1999 год

Учебная имитационная торговая система «Имитрейд»

Правительство Москвы, 1998 год

Информационная система «Мосторгпрогноз»

ММВБ, 1997 год

Система анализа финансовых рынков «САФРАН»

Банк «Петрокоммерц», 2009 год

Компания-заказчик: Банк «Петрокоммерц»

Сроки проекта:       июнь 2005 — март 2009

История проекта

В 2003—2004 году компанией Forecsys по заказу банка «Петрокоммерц» была разработана система поддержки принятия кредитных решений Forecsys Scoring Pilot, предназначенная для автоматического построения скоринговых моделей и автоматического принятия решений о выдаче кредитов. Система хорошо зарекомендовала себя и подтвердила эффективность логических алгоритмов на малом объеме данных.

В дальнейшем возникла необходимость комплексного расширения функциональных и аналитических возможностей Системы, обеспечение скоринга по дополнительным кредитным продуктам, повышение удобства использования системы. Эти и другие функции были реализованы в системе Credit4Cast (Forecsys Scoring Solution), ставшей развитием Forecsys Scoring Pilot.

Особенности проекта

Так как целью проекта являлось расширение функциональности системы, то были выделены следующие основные задачи:

  • расширение функционала системы для проведения следующих видов анализа:
    • анализа анкет по дополнительным кредитным продуктам (например, по потребкредитованию — изменение анкеты, установление связи старых анкетных данных с новыми и др.);
    • анализ кредитных историй (определение окна репрезентативности, LIFO/FIFO, поддержка разработки критериев «плохих» заемщиков);
    • проведения поведенческого скоринга.
  • расширение функционала в части построения скоринговых моделей (в том числе, добавление новых типов скоринговых моделей);
  • создание инструментария для составления и редактирования анкет для новых кредитных продуктов;
  • увеличение гибкости существующих алгоритмов (мягкая оценка класса заемщика, ограничение зоны компетентности правил, матрица цен ошибок);
  • упрощение процесса администрирования системы (автоматическое обновление всех рабочих мест, обновление структуры БД);
  • автоматизация подготовки стандартной отчетности по кредитному портфелю;
  • превращение сервера скоринга в решающий сервер, на котором будут собираться в единый ответ ответы СБ, скоринга и кредитного администратора;
  • создание механизма плавной смены моделей и совместной работы нескольких моделей на решающем сервере.

Работы проводились в три этапа.

На первом этапе была разработана и внедрена новая версия Системы, архитектура которой позволяла вносить дальнейшие изменения в соответствии с планом. При этом основное внимание уделялось функциональности и качеству решающего сервера, качеству его интеграции с фронт- и миддл-офисами информационной системы Заказчика.

На втором этапе особое внимание было уделено рабочему месту аналитика отдела анализа рисков. Были упрощены и автоматизированы многие рутинные операции. Расширена функциональность модулей анализа и визуализации данных. Исправлены замечания пользователей по итогам эксплуатации на первом этапе.

На третьем этапе были реализованы все требования и сценарии использования, которые были обозначены Заказчиком.

Основа подхода

В основе проекта лежит разработанная ранее система поддержки принятия кредитных решений Forecsys Scoring Pilot, а также собственные технологии анализа клиентских сред (Customer Environment Analysis, CEA) и прогнозирования взаимосвязанных процессов (Interrelated Processes Forecasting, IPF).

Технология оценки кредитных рисков, применяемая в данном решении, основана на методах data mining (деревья решений, поиск логических правил и т. д.). Программное обеспечение, использующее такие алгоритмы, может работать даже с малыми объемами данных.

Поведенческий скоринг реализован на основе логических моделей и Марковских цепей.

Функциональные характеристики

Система устанавливается на оборудовании банка в центральном офисе и имеет единое хранилище данных. Таким образом, гарантируется централизованное принятие решений и централизованный анализ данных.

Все модули Системы — автоматизированное рабочее место персонала, модули импорта данных, решающий сервер, гибко интегрируются с компонентами информационной системы банка.

Данные, обрабатываемые Системой, поступают из различных источников, находящихся в пределах корпоративной сети банка. Большая часть данных для анализа поступает из фронт-офиса и Хранилища данных. Часть данных может импортироваться из внешних источников.

Основные функции, реализуемые Системой:

  • автоматизация процессов обработки кредитных заявок связанных с принятием решения по заявке;
  • выявление значимых и незначимых вопросов из анкеты клиента, оптимизация состава анкеты;
  • накопление анкетных данных по клиентам (очистка, дополнение и корректировка анкетных данных);
  • поведенческий скоринг клиентской базы (построение поведенческих моделей клиентов);
  • маркетинговый анализ клиентских данных и проверка гипотез, решение маркетинговых задач (сегментации, прогнозирования ухода клиентов, направленного предложения и др.);
  • интеллектуальный анализ данных, построение моделей риска по разным кредитным продуктам и регионам, подстройка моделей с течением времени;
  • анализ динамики и структуры кредитных портфелей, анализ кредитных историй клиентов в портфеле (выработка критериев приемлемых и неприемлемых клиентов);
  • VAR-анализ кредитных портфелей, управление капиталом под риском и ожидаемыми потерями;
  • построение моделей для новых рынков методом формализации экспертных знаний;
  • построение отчетности по работе скоринговых моделей, динамике кредитования и др.

Преимущества Системы:

  • использование математического потенциала одной из ведущих российских научных школ;
  • большой объем заложенного в систему практического опыта и ноу-хау по организации скоринга;
  • простота получаемых результатов, увеличение скорости обработки заявок, снижение операционных рисков и операционных расходов;
  • централизованное управление кредитованием, возможность формулировать кредитную политику в терминах естественного языка, поддержка принятия решений по кредитному портфелю;
  • возможность начать скоринговый анализ с небольших объемов данных, фактически «с нуля»;
  • значительное снижение потери от невозвратов, наличие предупреждений о задержках в выплатах;
  • поддержка принятия маркетинговых решений (система помогает обнаружить потребность в новом кредитном продукте, проанализировать отклик на маркетинговые акции, сегментировать клиентов и др.);
  • увеличение стоимости компании и повышение ее рейтинга (наличие у банка технологий управления рисками может существенно повысить его привлекательность для инвесторов и других контрагентов).

Для определения качества работы действующих скоринговых моделей и общей эффективности программ кредитования, производится регулярное построение отчетности по стабильности клиентской группы, по качеству работы модели, по динамике проблемной задолженности, по основным параметрам кредитного портфеля и по доходности действующих программ кредитования.

Производительность

В стандартной конфигурации в Системе нет модулей, требующих отклика в режиме реального времени. Наиболее приближен к работе в режиме реального времени решающий сервер — компонент Credit4Cast, принимающий и обрабатывающий в автоматическом режиме заявки на оценку клиентов. На сервере может работать одновременно любое количество скоринговых моделей, к примеру — отдельные модели для заявок, приходящих из разных регионов, по разным кредитным продуктам или, в общем случае, по разным сегментам клиентской базы.

Время работы алгоритмов зависит от объема входных данных. Для перечисленных ниже алгоритмов произведена ориентировочная оценка времени выполнения на рабочей станции на базе процессора Intel Pentium 4 для 1000 элементов выборки:

  • обработки заявок на оценку клиента — 1000 заявок в секунду;
  • автоматический подбор градаций признака — 1 сек.;
  • построение карт сходства — 20 сек.;
  • построение карт Кохонена — 5 сек.;
  • построение решающего дерева — 30 сек.;
  • построение решающего списка — 30 сек.;
  • построение голосующего набора правил — 30 сек.;
  • локальная адаптация скоринговой модели — 5 сек.;
  • автоматический тест качества модели — 5 мин.;
  • расчет портфельных показателей — 3 мин.;
  • время генерации статистического отчета о работе сервера — 3-5 минут.

Алгоритмы, не указанные в списке, не являются ресурсоемкими, и в обычной ситуации не требуют сколько-нибудь значительного времени на выполнение.

Награды

В 2007 году на вручении CNews AWARDS 2007 — награды, отметившей главные достижения отрасли ИТ и телекоммуникаций России — система кредитного скоринга Forecsys вошла в тройку лучших проектов в номинации «Управление Финансами».

При выборе лауреатов премии эксперты CNews Analytics учитывали значимость проекта для отрасли, новаторский подход к его реализации, влияние проекта на рынок ИТ и телекоммуникаций России.

Перспективы проекта

В настоящее время Банк «Петрокоммерц» планирует запуск нового кредитного продукта — банковских кредитных карт для розничных клиентов. В связи с этим, приоритетным направлением развития скоринговой системы является обеспечение скоринга и управления рисками по новому продукту.

Предлагается решение следующих задач:

  • интеграция с процессинговой системой OpenWay: получение исторических данных по транзакциям по пластиковым картам, выгрузка решений скоринговой системы в OpenWay;
  • скоринг заявок на получение карты: оценка кредитоспособности нового клиента на этапе выдачи карт;
  • улучшение поведенческого скоринга с целью прогнозирования расходования средств и поступления платежей;
  • общее улучшение качества скоринговых моделей за счет улучшения математических алгоритмов;
  • анализ транзакций по кредитным картам с целью выявления случаев мошенничества;
  • организация мониторинга — возможности проводить периодическое скорирование имеющихся клиентов различными скоринговыми картами и сигнализировать о каких-либо критических значениях.