CC BY
308
ВЕСТНИК ПЕРМСКОГО УНИВЕРСИТЕТА
2009 ЭКОНОМИКА Вып. 1(1)
РАЗДЕЛ IV. ОРГАНИЗАЦИЯ И УПРАВЛЕНИЕ ПРЕДПРИЯТИЕМ
УДК 657.6:311
ПРИМЕНЕНИЕ СИСТЕМЫ КРЕДИТНОГО СКОРИНГА ДЛЯ ОРГАНИЗАЦИИ ПРОЦЕССА РОЗНИЧНОГО КРЕДИТОВАНИЯ
А. В. Панюков, д. ф.-м. наук, проф., зав. кафедрой экономико-математических методов и статистики Е. С. Будина, аспирант кафедры экономико-математических методов и статистики
ГОУВПО «Южно-Уральский государственный университет»
640669, Челябинск, пр. Ленина, 76, тел. (351) 267-90-39 Электронный адрес: [email protected], [email protected]
В статье рассмотрены особенности рынка розничного кредитования, показана важность автоматизации и формализации процесса розничного кредитования, подробно рассмотрены некоторые виды скоринга.
Ключевые слова: розничное кредитование, система кредитного скоринга, скоринг заявок, скоринг мошенничества, скоринг взыскания, скоринг отклика.
Российские коммерческие банки с момента своего создания ориентировались преимущественно на оказание услуг юридическим лицам, рассматривая их в
качестве приоритетных клиентов. Рынок розничных банковский услуг, в том числе рынок розничного кредитования, выделился
относительно недавно (конец ХХ в.).
Банковский ритейл находится в стадии формирования и имеет огромный потенциал роста.
Рынок розничного кредитования имеет ряд особенностей, существенно отличающих его от рынка кредитования юридических лиц и индивидуальных предпринимателей [1, 4]:
- массовость рынка, т. е. множество каналов сбыта и точек обслуживания, огромное количество клиентов (в некоторый момент резкий рост операционных издержек, связанных с продажей и обслуживанием кредитных продуктов, может привести к падению доходности, к увеличению времени рассмотрения кредитной заявки, к замедлению или даже прекращению притока новых клиентов);
- сильнейшая зависимость рынка от макроэкономической конъюнктуры (с ростом ВВП, промышленного производства, производства товаров народного потребления и т.д. увеличивается спрос населения и
предложение кредитных продуктов, что наблюдалось в России в 2005-2007 гг., в случае же кризиса наблюдается обратная ситуация: снижение спроса и предложения, рост процентных ставок);
- небольшие суммы кредитов (отсюда достаточно дорогостоящая процедура оценки кредитоспособности относительно получаемой в результате прибыли в случае недостаточной автоматизации);
- большие операционные издержки (на ввод анкет, оформление кредитных документов, обслуживание кредита);
- сильнейшая конкуренция (которая, с одной стороны, требует от банка мгновенной реакции на действия других игроков, а с другой
— снижает доходность и ведет к необходимости минимизации издержек);
- мобильность клиента (т.е. возможность быстрого переключения на другой банк).
Все перечисленные особенности, характерные для розничного кредитования, приводят к пониманию того факта, что этот бизнес должен быть организован по конвейерному принципу, т.е. максимально формализован и автоматизирован.
Ориентируясь на массового потребителя, необходимо максимально автоматизировать процесс создания, продажи и обслуживания кредитных продуктов, поскольку это
© Панюков А.В., Будина Е.С., 2009
41
единственный путь к сокращению операционных издержек. При этом очевидно, что кредитные продукты являются для банка ограниченной частью всего розничного направления и организация кредитного конвейера должна учитывать особенности конкретного банка (число филиалов, офисов самообслуживания, спектр предлагаемых розничных продуктов и т.п.).
Начиная работать на рынке розничного кредитования, банки традиционно первое время обходятся теми функциональными
возможностями поддержки этого бизнеса, которые обеспечивает имеющаяся в их распоряжении банковская система (как правило, универсальная). Как и любой универсальный инструмент, такая система редко бывает рассчитана на работу с кредитами в широком масштабе хотя бы потому, что в отличие от специализированных систем оставляет сотрудникам банка довольно большой объем ручной работы. В результате темпы развития кредитного бизнеса и привлечения новых клиентов снижаются, операционные издержки банка, наоборот, резко возрастают.
Помимо этого, кроме таких факторов, как ставка и сроки кредитования, факторами, определяющими конкурентное преимущество на рынке, являются сокращение сроков принятия решения о выдаче кредита, уменьшение количества представляемых в банк документов и снижение требований к обеспечению кредита или полное его отсутствие [2]. Но чем меньше времени отводится на рассмотрение, проверку кредитной заявки, тем больше вероятность роста так называемых плохих кредитов.
Для того чтобы работа на рынке розничного кредитования оказалась успешной и приносила прибыль, необходимы эффективная
автоматизация всех бизнес-процессов и адекватные меры, минимизирующие риски. Такими средствами обладает полноценная система кредитного скоринга.
Следует отметить, что понятие «скоринг» у большинства кредитных организаций сводится к какой-то одной, узконаправленной задаче, например построить модель оценки заемщика или автоматизировать процесс оценки [6, 10]. Но система кредитного скоринга - это более обширное и комплексное понятие, затрагивающее абсолютно все этапы работы с заемщиком, это инструмент принятия разнообразных кредитных решений, элемент общей стратегии розничного банка, и, в конце концов, инструмент, который помогает быть конкурентоспособным.
Проанализируем процесс розничного кредитования. Обобщенно его можно изобразить в виде схемы, представленной на рис.1. Рассмотрим распределение функций при кредитовании физических лиц между фронт-офисом и бэк-офисом с точки зрения банковской инфраструктуры (распределение функций может отличаться в зависимости от кредитной политики конкретного банка).
Функциями фронт-офиса являются:
- непосредственное общение с клиентом и продажа кредитных продуктов;
- прием и проверка полноты представленного клиентом пакета документов;
- договоренность о дате сделки;
- подписание кредитных договоров, сообщение клиенту порядка погашения кредита и т.п.
Рис.1. Обобщенная структура процесса розничного кредитования
Функциями бэк-офиса являются:
- проверка достоверности
представленных данных потенциального заемщика, анализ кредитной истории, оценка обеспечения, расчет оптимальной суммы кредита;
- определение перспектив
погашения кредита;
- подготовка заключения о возможности предоставления кредита;
- расчет суммы резерва;
- подготовка кредитного
договора, договоров обеспечения;
- осуществление бухгалтерских операций;
- работа с просроченной задолженностью и т.п.
Система кредитного скоринга может взять часть функций бэк-офиса на себя (проверка достоверности представленных данных потенциального заемщика, анализ кредитной истории, оценка обеспечения, расчет оптимальной суммы кредита; определение перспектив погашения кредита; подготовка заключения о возможности предоставления кредита; расчет суммы резерва) (в данном случае это будет некий мидл-офис, расположенный между фронт- и бэк-офисами) и оптимизировать остальные функции (например ввод данных по клиенту, работа с просроченной задолженностью и т.п.).
Таким образом, для эффективной работы на рынке розничного кредитовании скоринговые модели должны использоваться на различных этапах работы с клиентом, начиная с получения первой заявки от заемщиков, через организацию работы с текущими заемщиками (сопровождение кредита, увеличение лимита кредитования, последующие выдачи кредитов, работа с просроченной задолженностью и т.д.) и заканчивая прогнозированием возможного уровня потерь в кредитном портфеле и созданием необходимых резервов.
Рассмотрим некоторые виды скоринга подробнее.
продукту своевременно или с некоторым количеством просрочек, определенным банком в зависимости от его кредитной политики как допустимое. Можно сформулировать задачу и с такой точки зрения: определить вероятность того, что конкретный потенциальный заемщик не вернет долг (кредит, проценты, пени и т.п.) или его часть, и какова вероятная сумма невозвращенного долга. Соответственно, цель этапа рассмотрения кредитных заявок -обеспечить качество кредитного портфеля на приемлемом для банка уровне. В то же время затраты на организацию данного процесса должны быть меньше, чем доход, ожидаемый от этого продукта. Поэтому степень сложности и объем анализа кредитных заявок определяются для каждого конкретного кредитного продукта с учетом следующих параметров [3, 5]:
- стоимость каждого этапа
процесса обработки кредитной заявки;
- ожидаемый доход от кредитного продукта;
- скорость обработки заявок на каждом этапе и в целом;
- ожидаемое соотношение
количества поданных и обработанных заявок и количества выданных кредитов;
- ожидаемый размер потерь в
случае несоблюдения заемщиков графика выплат.
Одна из возможных схем организации процесса рассмотрения кредитных заявок приведена на рис.2.
Разберем более подробно элементы процесса.
1. Проверка корректности введенных данных производится в самом начале для снижения стоимости процесса рассмотрения кредитной заявки за счет исключения технических ошибок, опечаток на самом первом этапе; включает в себя проверку наличия обязательных данных, их корректность и правдоподобность.
Application- и fraud-скоринг (скоринг заявок на кредит и скоринг мошенничества)
Скоринг заявок на кредит - это оценка кредитоспособности потенциального заемщика для принятия решения о возможности предоставления кредита. Скоринг
мошенничества - это оценка вероятности мошенничества потенциального заемщика.
Оба скоринга используются в процессе рассмотрения кредитных заявок. Задача данного процесса - определить вероятность того, что конкретный потенциальный заемщик будет платить по запрашиваемому кредитному
Ввод данных по
кредитной заявки
1
Проверка
корректности
введенных данных
Проверка нет
Информация о действующих в банке кредитах, счетах клиента и т.п.
ЦККИ, БКИ и другие внешние источники данных
Схемы совпадений *
Внутренние и внешние источники данных
* --------
Правила
Рис.2. Схема процесса рассмотрения кредитной заявки
2. Скоринг заявок (application-скоринг) включает себя одну или несколько скоринговых моделей, рассчитывающих скоринговый балл, по которому определяется, будет ли разрешена выдача кредита и какие параметры кредита будут назначены: кредитный лимит,
первоначальный взнос и т.п. (см. рис.3).
На рис. 3 представлены четыре скоринговые модели: М1 - расчет скорингового балла, М2 - расчет вероятности дефолта, М3 -расчет вероятной задолженности в момент дефолта, М4 - расчет вероятных убытков от
дефолта; П - расчет некоторых кредитных правил, в результате которых корректируются параметры предоставления кредита с учетом уровня риска по клиенту: Пі - процентная ставка по кредиту, П2 - первоначальный взнос, П3 - срок кредитования, П4 - оптимальная сумма кредита, П5 - обеспечение, П6 -требования по действующему(им) кредиту(ам) (например снизить задолженность до некоторого размера, погасить действующий кредит) и т.д.
Рис.3. Пример использования нескольких скоринговых моделей и правил кредитной политики
в скоринге заявок на кредит
В зависимости от суммы
запрашиваемого кредита, от клиента (например, клиент уже имеет положительную кредитную историю в данном банке или является руководителем фирмы, расчетный счет которой открыт в данном банке и ежемесячный оборот не менее определенной суммы) логика процесса, представленного на рис. 2, может быть настроена таким образом, что используются не все внешние источники, и, следовательно, снижаются затраты банка на организацию процесса проверки заявки. Используемые внешние источники информации могут быть следующие: ЦККИ и БКИ, данные Пенсионного фонда РФ и другие.
3. Скоринг мошенничества (:1гаМ-скоринг) включает в себя методологию и
процессы по выявлению и предотвращению мошеннических действий со стороны потенциальных заемщиков. Выделяют три вида мошенничества [9]: «soft» (или другими
словами «анкетное мошенничество»), «hard» («криминальный бизнес») и внутреннее мошенничество (сговор персонала кредитной организации).
Программное обеспечение для выявления мошенничества позволяет настроить правила поиска противоречий, нелогичных изменений и случаев несоответствия данных в кредитной заявке, осуществлять так называемые кросс-проверки полей заявки. Осуществляется сравнение данных по текущей заявке с ранее отработанными, такими как:
- использование одних и тех же
телефонных номеров в разных заявках;
- использование одних и тех же адресов в разных заявках;
- поступление заявок от клиента одновременно из нескольких мест;
- сравнение всех заявок от данного клиента (в том числе ранее отработанных) на выявление попыток манипулирования данными;
- поток клиентов из одной и той же компании-работодателя;
- совпадение домашних и рабочих адресов в заявках от разных клиентов и т.д.
Данные заявки также сравниваются с внутренним «черным списком» и данными внешних источников информации,
распространяемыми регулирующими органами:
- данные о недействительных паспортах;
- информация о лицах, подозреваемых в незаконной деятельности;
- данные Федеральной
миграционной службы;
- данные о предприятиях региона, телефонный справочник;
- публичный классификатор юридических лиц и др.
Для решения проблемы
злоупотребления кредитным
инспектором/операционистом служебным
положением и ввода информации по клиенту, обеспечивающей получение более высокого значения кредитного лимита, можно использовать контроль частоты заявок. Поскольку кредитный работник в состоянии запомнить не более 20-30 заявок, обеспечивающих высокий кредитный лимит, то высокая частота их ввода указывает на злоупотребление.
4. Правила кредитной политики предназначены для анализа полученных результатов от двух скорингов, и в случае невозможности принятия решения или необходимости ручной проверки (звонок работодателю, поручителям, и др., личные визиты, уточнение вопросов и т.п.) кредитная заявка направляется на кредитного специалиста в зависимости от уровня должности, полномочий и прав. «Уровней» специалистов может быть много, начиная с сотрудника экономической безопасности и заканчивая кредитными экспертами.
Общий принцип организации процесса рассмотрения кредитных заявок: первыми в цепи должны быть недорогие по стоимости этапы, на которых отсекаются явно неподходящие заявки [5]. Ручная проверка сведений должна запускаться только в
сомнительных случаях или для кредитных продуктов, потери от невозврата которых очень дороги.
CoUectюn-скоринг (скоринг
взыскания)
Скоринг взыскания предназначен для определения направлений работы и приоритетных дел по взысканию просроченной (проблемной) задолженности. В розничном кредитовании долги характеризуются относительно невысокой суммой
индивидуальной задолженности каждого клиента при большом общем их количестве. Наиболее эффективно взыскание таких долгов во внесудебном порядке, т. к. судебное и исполнительное производство в рамках
юридических процедур являются крайне ресурсоемкими и их себестоимость часто превышает сумму задолженности.
В связи с ростом количества просроченных задолженностей на сегодня
одной из основных задач для банков является построение коллекторской работы, т. е. обеспечение возврата выданных кредитов. Причем особенно важно разумно подойти к вопросу взыскания долгов в разрезе
долгосрочных перспектив. В связи с кризисом некоторые вполне благонадежные заемщики могут допускать незначительные просрочки. Зачастую банкам стоит отнестись к таким просрочкам лояльно, чтобы в дальнейшем получить в ответ лояльность заемщика. Особенную важность в этой ситуации имеет сегментация заемщиков, которая позволит получить в дальнейшем ощутимую прибыль для банка. Использование системы кредитного скоринга позволяет банку настроить работу с просрочкой с учетом особенностей кредитных продуктов, региональной, отраслевой или любой другой принадлежности должников, разработать и применять индивидуальный подход к разным сегментам должников или каждому неплательщику в отдельности.
Рабочий день коллекторской службы банка или коллекторского агентства начинается с просмотра базы данных и составления списка задач (звонков, визитов) на день. Объем базы данных должников зависит от различных факторов. В период сложной экономической ситуации в стране объем просроченной задолженности резко возрастает.
Соответственно, усложняется планирование рабочего дня - новые данные поступают в непредсказуемых объемах и выделение из них наиболее приоритетных является довольно сложной задачей. А перед планированием каждого визита к должнику коллектору необходимо потратить немало времени на изучение конкретной ситуации, но отправляться
на встречу зачастую все равно приходится, не предполагая действительного исхода.
Большинство из тех, кто преднамеренно не оплачивает кредит, предпринимают попытки скрыться от кредиторов, для чего, как правило, меняют номера телефонов и место постоянного жительства, для проживания используют арендованные квартиры, заключают браки, изменяют фамилии и т.д. Любой профессиональный коллектор поддержит мнение о том, что установление контакта с должником неразрывно связано с самим фактом оплаты, поскольку для того чтобы эффективно взыскать долг, нужно представлять
психологический портрет неплательщика, его интересы, проблемы, слабые стороны [8]. Активно приступая к работе с
неплательщиками, каждый коллектор обязан придерживаться определенного алгоритма.
Целесообразность применения
скоринговых методов в коллекторской деятельности заключается не столько в
автоматизации рутинных операций, связанных с отправкой уведомлений и писем, сколько в планировании работы с должником (исходя из рассчитываемой вероятности положительного исхода), а также в определении эффективной последовательности воздействий на должника. Нужно отметить, что себестоимость мероприятий по взысканию не должна
превышать доходности; ограниченность
трудовых ресурсов требует приоритезации усилий; наличие дополнительных ограничений, направленных на сохранение лояльности клиентов, выполнение нормативов
регулирующих органов и т.п.
Задача collection-скоринга заключается в решении ключевых задач коллекторской деятельности, таких как планирование и осуществление своевременных и
целенаправленных действий по управлению взаимоотношениями с должниками начиная с момента первого возникновения просроченного платежа. Цель такого типа скоринга -предотвратить переход клиентов в разряд «безнадежных» должников.
Технология collection-скоринга
заключается в определении значимых для анализа характеристик клиента и ситуации, проверке данных через collection-скоринговую модель, а также в формировании совокупности воздействий на основе данных моделирования (план collection-деятельности) и организации работы коллектора [10].
Математический аппарат системы должен позволять получить информацию относительно таких факторов, как:
- вероятность погашения
просроченной задолженности (collectability score);
- вероятная сумма погашения;
- степень ценности в портфеле;
- вероятность установления реального (эффективного) контакта (locator score);
- стоимость (себестоимость) процесса взыскания;
- предельное (оптимальное) количество контактов.
Методология системы collection-скоринга базируется на оптимальной сегментации кредитных дел, которая в свою очередь позволяет использовать прикладные инструменты collection-воздействия наиболее эффективно. Сегментация осуществляется в зависимости от различных факторов [7, 10]:
1) параметров кредитного дела,
таких как количество дней просрочки, сумма кредита, характеристики заемщика и т.д.;
2) вероятности установления
эффективного контакта. Для ее определения используются данные кредитной истории
заемщика (месячный доход, количество выплачиваемых кредитов, количество запросов на получение кредита, скоринговый балл при выдаче кредита и т.п.) и суммарные данные портфеля просроченной задолженности (статистика погашений всех клиентов данного портфеля). Приоритетными для взыскания являются должники, характеризующиеся высоким значением данного показателя, что свидетельствует о минимальных ресурсах, необходимых для установления контакта.
Помимо этого, вероятность контакта позволяет
оценить причину возникновения
задолженности: нежелание или невозможность
выплат;
3) вероятности погашения
просроченной задолженности. Низкое значение данной вероятности говорит о необходимости более плотной работы с должником и, соответственно, необходимости привлечения большего количества ресурсов. Для определения вероятности чаще используют следующие переменные: отношение суммы
задолженности к годовому доходу, количество выплачиваемых кредитов, доля погашений просроченной задолженности за последние 24 месяца;
4) дополнительных расчетных параметров (степень ценности клиента в портфеле, стоимость взыскания и т.п.);
5) результатов предыдущего воздействия.
Результатом сегментации становится определение разновидностей воздействий,
которые необходимо применить к определенному должнику. Алгоритмы поведенческого и ситуативного анализа позволяют спрогнозировать наиболее
эффективную совокупность необходимых воздействий на должника, которая приведет к ликвидации просрочки, тем самым восстановив плановый процесс погашения кредита.
Рассмотрим основные стадии работы этой системы.
Первая и одна из самых важных стадий работы системы - обработка первичной информации. Система должна автоматически отслеживать состояние кредитных дел в портфеле банка и осуществлять выборку должников в некую собственную базу должников. Специалистам банка необходимы возможности для определения граничных сроков просроченных платежей и устанавливать временные рамки мониторинга базы клиентов.
На следующей стадии отобранные ранее должники подразделяются на группы. Соответственно, среди возможностей системы должна быть предусмотрена гибкая настройка сегментации заемщиков по одному или нескольким критериям. Обычно сегментация производится по следующим показателям: вероятность погашения просроченной
задолженности и вероятность установления эффективного контакта.
Далее к каждой отсортированной группе должен быть применен некий установленный план мероприятий по взысканию. Соответственно, в системе должны быть реализованы следующие возможности:
1) простая процедура интеграции с системой кредитного менеджмента банка;
2) Возможность создания
формально определенной библиотеки планов мероприятий по взысканию. Средствами системы соПесйоп-специалисты банка должны иметь возможность создавать и запускать в работу сложные, многоуровневые стратегии, включающие в себя условия сегментации, применяемые воздействия, временные рамки ожидания отклика и результаты таких воздействий;
3) возможность модификации плана мероприятий по взысканию профильными специалистами банка без привлечения ИТ-специалистов и разработчиков системы;
4) наличие рабочих мест для каждого из специалистов, задействованных в работе с должниками;
5) возможность мониторинга деятельности системы посредством различных отчетов в удобном для пользователя виде.
В процессе выполнения установленных мероприятий к должнику, применяется ряд автоматизированных действий. Эти действия должны также гибко настраиваться специалистами банка: задание/изменение текста писем, аудиофайлов, сообщений; наличие в системе средств автоматической рассылки
сообщений (sms, e-mail, автозвонок) с привязкой шаблона сообщения к типу должника; настраиваемое информационное сопровождение (подсказки, шпаргалки, шаблоны) рабочих мест специалистов.
Примененное воздействие приводит к некоему результату, например, для воздействия «звонок оператора» результатом может быть отказ платить, невозможность дозвониться до должника и т.п. Результат сохраняется в базе данных и определяет тип нового воздействия на должника на следующем цикле обработки соИесйоп-заявки.
Система будет максимально эффективной в том случае, если охватит все без исключения аспекты collection-скоринга, важные для конкретного банка. Таким образом, она должна максимально гибко настраиваться, учитывать конкретные особенности данной кредитной организации, быть простой и понятной в использовании и давать стабильный положительный результат.
Response-скоринг (скоринг отклика)
Скоринг отклика - это оценка вероятности отклика на тот или иной предложенный банковский продукт.
Современный потребительский рынок, в том числе рынок розничного кредитования, характеризуется жесткой конкурентной борьбой за клиента. Информация о потребителе и история его покупок, собранная в клиентскую базу данных, дают огромное преимущество владельцу такой базы данных в конкурентной борьбе, при этом кредитная организация -владелец данных ставит перед собой цель установить длительные взаимоотношения с клиентом и максимизировать прибыль, получаемую от клиента. Современные технологии работы с клиентскими базами данных позволяют анализировать данные о клиентах и их потребительских предпочтениях и эффективно пользоваться полученной информацией.
Банк, занимающийся продажей розничных банковских продуктов: кредитов, вкладов, пластиковых карт, интернет-банкингом, банковскими ячейками, кассовыми платежами и т.п., и имеющий наработанную базу клиентов, пользующихся некоторыми из услуг, может проанализировать данные о клиентах и их потребительских предпочтениях и эффективно пользоваться полученной информацией для продажи других продуктов, например, выполняя адресные рассылки с предложениями товаров или услуг по выбранной группе заинтересованных клиентов.
Инструмент анализа предпочтения клиента предоставляет возможность целевого использования маркетинговых инвестиций с
максимально возможной, точно рассчитанной отдачей. Это значит, что специфическая группа клиентов из базы данных получает предложение, которое интересно именно этой группе. Маркетинговые усилия фокусируются только на тех клиентах, которые с большой вероятностью откликнутся на коммерческое предложение, при этом меньше внимания уделяют тем клиентам, которые вероятно не отреагируют на данное предложение. В результате оптимизируется прибыльность от маркетинговых операций. Таким образом, это позволит принимать более корректные маркетинговые решения, которые основываются на реальных фактах - знаниях, которые несет информация, содержащаяся в клиентской базе данных. В результате увеличивается как объем продаж, так и рентабельность инвестиций. При этом клиенты маркетинговой компании в случае правильно организованных целевых акций избавлены от нежелательных.
Однако, несмотря на бесспорные преимущества, прямой маркетинг
характеризуется большими рисками. Одна неправильно спланированная акция может сильно ухудшить позицию фирмы на рынке вплоть до ее разорения: например, почтовая рассылка с миллионным бюджетом может быть направлена нецелевому сегменту. Грамотная сегментация клиентской базы данных, прогнозирование ее состояния, анализ и тестирование информации, содержащейся в базе, позволяют кредитной организации избежать рисков и выжить в конкурентной борьбе.
Помимо представленных видов скоринга, существуют другие, такие как поведенческий, предпродажный, скоринг удержания. Используя скоринговые модели, формализуя и максимально автоматизируя процесс розничного кредитования банк повышает свою конкурентоспособность и доходность, становится
клиентоориентированной организацией.
Библиографический список
1. Будина Е.С. Построение скоринг-моделей в виде дерева решений по правилам и данным о кредитных историях / Е.С. Будина // Математическое и статистическое исследование социально-экономических процессов: сб. науч. тр. / под ред. А.В. Панюкова. Челябинск: Изд-во ЮУрГУ. 2008. С.22-26.
2. Будина Е.С. Проблемы оценки кредитоспособности заемщика / Е.С. Будина// Вестн. ЮУрГУ. №1. 2006. С.113-119.
3. Гараган С.А. Оптимальная организация процесса рассмотрения кредитных заявок / С.А. Гараган, О.А. Павлов // Банковское
кредитование. № 6. 2008.
4. Демидов А. От «ручной сборки» к кредитному конвейеру / А. Демидов, Е. Рыбкина // Банковские технологии. № З. 2006. С.28-33.
5. Мельникова АЗ., Шевчук ЮЗ.
Оптимизация процесса предкредитной
обработки. Эффективное принятие решений / А.В. Мельникова, Ю.В. Шевчук // Банковское кредитование. № 1. 2007.
6. Пищулин А.C. Национальные
особенности кредитного скоринга. /
А.С. Пищулин // Банковское кредитование. №1. 2008.
7. Подлесный CM. Оптимизация выбора
стратегии взыскания просроченной
задолженности / С.Ю. Подлесный // Управление в кредитной организации. № 5. 2008. URL: http://www.reglament.net/bank/mng/2008_5_article .him.
8. Тарташев B. Практика коллекторской
деятельности: формы работы с проблемной задолженностью / В. Тарташев // Банковское кредитование. № 5. 2008. URL:
http://www.reglament.net/bank/credit/2008_5_articl e.htm.
9. Experian Decision Analytics
[Электронный ресурс]. URL:
http://www.experian-scorex.com/.
10. Scorto - Системы ^едншого Скоринга
[Электронный ресурс]. URL:
http://www.scorto.ru/.
