CC BY
203. Новосельцев В.И., Тарасов Б.В.; под ред. В.И. Новосельцева / Теоретические основы системного анализа. Изд. 2-е, исправленное и переработанное. М: Майор, 2013. 536 с.
4. Устюгова Е., Данилина М. Цифровые технологии в российских компаниях // KPMG, 2019. [Электронный ресурс]: https://assets.kpmg/content/dam/kpmg/ ru/pdf/2019/ 01/ru-ru-digital-technologies-in-russian-companies.pdf (дата обращения 05.02.2019).
5. Bharadwa A., Sawy O.A., Pavlou P.A., Venkatraman N. Digital business strategy: Toward a next generation of insights // MIS Quarterly. 2013. Vol. 37. № 2. Р. 471-482.
УДК 336.71
doi:10.18720/SPBPU/2/id20-136
Яковлева Елена Анатольевна1,
доктор экономических наук, профессор;
Юшина Ксения Сергеевна ,
аспирант;
Гусейнова Сабина Эльман кызы3,
магистрант
СИСТЕМНЫЙ АНАЛИЗ В УПРАВЛЕНИИ ПРОЕКТАМИ ДЛЯ СОВЕРШЕНСТВОВАНИЯ ФОРМ СЕТЕВОГО ВЗАИМОДЕЙСТВИЯ
12 3
' ' Санкт-Петербургский государственный экономический университет,
Санкт-Петербург, Россия,
12 3
helen7199@gmail.com, yushina0712@gmail.com, sabina1997@rambler.ru
Аннотация. Статья посвящена системному анализу в управлении проектами с целью внедрения системы кредитного скоринга, что улучшит качество кредитного портфеля, минимизирует финансовые потери от выдачи нестандартных кредитов и расширит клиентскую базу и будет способствовать совершенствованию форм и методов сетевого взаимодействия в проектном финансировании. Внедрение данного проекта позволит участникам успешно и эффективно продолжить свою деятельность и отслеживать результаты реализации проекта.
Ключевые слова: системный анализ, сетевое взаимодействие, скоринговая модель, систематизация факторов кредитного скоринга.
Elena A. Iakovleva1,
Doctor of Economic Sciences, Professor;
Ksenia S. Ushina2, Graduate student; Sabina.E Huseynova , Graduate student
SYSTEM ANALYSIS IN PROJECT MANAGEMENT TO IMPROVE NETWORK INTERACTIONS
1 Saint Petersburg State University of Economics, Saint Petersburg, Russia,
12 3
helen7199@gmail.com, yushina0712@gmail.com, sabina1997@rambler.ru
Abstract. The article is devoted to systemic analysis in project management with the aim of implementing a credit scoring system that will improve the quality of the loan portfolio, minimize financial losses from non-standard loans and expand the client base and will contribute to improving the forms and methods of network interaction in project financing. Implementation of this project will allow participants to successfully and effectively continue their activities and monitor the results of the project.
Keywords: system analysis, network interaction, scoring model, systematization of credit scoring factors.
Введение
Технологическая революция привела к автоматизации банковских операций, банковское дело становится более капиталоемким и менее трудоемким.
Неотъемлемой частью банковского менеджмента является кредитование, целью которого является получения дохода от процента за предоставление заемных средств. Следовательно, для улучшения качества кредитования и увеличения дохода Банка применяется система кредитного скоринга, которая позволяет кредиторам и другим финансовым учреждениям определять кредитоспособность каждого клиента. Ведь многое зависит от базы кредитных историй, к которой обращается банк при оформлении кредита.
1. Системный анализ в формировании кредитоспособности
Систему кредитного скоринга можно рассматривать как построение статистической модели для мониторинга влияния на решения, основанной на баллах, влияющие на основные показатели бизнеса. Существует большое количество различных видов кредитных рейтингов для оценки кредитоспособности заемщика. Каждый Банк выбирает его индивидуально, расчет скоринговых баллов держится в секрете и постоянно обновляется для защиты от взлома.
Кредитный скоринг - это шкала, при помощи которой в баллах оценивается кредитоспособность клиента и в ее основу заложены статистические методы. Для получения кредита клиент банка проходит обязательное анкетирование. Определенный скоринговый балл имеют его социальные, демографические и профессиональные характеристики. Скоринговый балл рассчитывается по множественной линейной регрессии. Процесс кредитного скоринга интегрирован с банковской системой и системой управления кредитными рисками. Кредиторы используют этот метод, для определения степени риска конкретного заемщика. После проверки достоверности данных и суммирования набранных баллов принимается решение о платежеспособности заемщика. Чем выше балл по системе скоринга, тем больше шансов на одобрение кредита. Сотрудники финансовых учреждений дополнитель-
но проверяют информацию. Результаты кредитного скоринга им нужны в качестве помощников. Если есть какие-то сомнения, одобрять кредит или нет, то на первый план выходят именно данные скоринга.
На общей схеме бизнес-процесса оценки кредитоспособности клиента, представленной на рисунке 1 отображены основные этапы анализа заявки на кредит, проводимые автоматизированной системой. При этом важнейшими составляющими системы кредитного скоринга являются: подсистема анализа и подсистема хранения.
Рис. 1. Общая схема бизнес-процесса при оценке кредитоспособности клиента.
Оценка кредитоспособности осуществляется сотрудниками кредитного отдела. По результатам оценки на каждого заемщика формируется кредитное досье, в котором и содержится заключение о кредитоспособности клиента. Скоринговая модель оценки кредитоспособности позволит уменьшить риск без потери доходности. Кажется, что система кредитного скоринга проста, клиент заполняет анкету, сотрудник считает баллы по скоринговой анкете и в результате озвучивает решение о выдаче или отказе по кредиту. Однако это не так, скоринговые карты состоят
из множества позиций, а факторы, которые влияют на итоговый результат, оцениваются в совокупности. Например, несмотря на то что у клиента по многим позициям высокий балл и только один негативный фактор, то он перечеркивает все плюсы.
2. Управление рисками
В настоящее время кредитный скоринг можно рассматривать как важнейший элемент управления рисками банковской деятельности особенно в сфере потребительского кредитования. Создание и внедрение скоринговой системы связано со значительными затратами, однако данная система позволит Банку спрогнозировать, насколько проблематичной может быть работа с тем или иным клиентом, а также своевременно выявить и отсечь «плохих» заемщиков. На входе такой модели рассматриваются определенные характеристики клиента, представленные на рисунке 2, а на выходе формируется скоринговая оценка, которая определяет вероятность возврата или невозврата кредита.
Рис. 2 . Характеристика клиента для кредитного скоринга.
Система кредитного скоринга предполагает использование автоматизированной технологии подсчета. Алгоритм данной системы непростой, так как в ней учитывается множество критериев. Каждый клиент
банка проходит анкетирование оставляя о себе подробные данные. Система анализирует личные данные клиента, информацию об образовании, заработной плате, кредитной истории и другие сведения. Любая его характеристика имеет свое значение в баллах. Программа будет автоматически присваивать баллы заданным значениям с помощью, которых, Банк сможет оценить кредитоспособность конкретного клиента, рассчитывать их сумму и сравнивать с установленным пределом. Если полученное значение будет выше, то система примет положительное решение о предоставлении кредита или последует отказ.
3. Заключение
Формирование систем оценки рисков кредиторами позволяет им значительно повысить качество портфеля. При помощи механизмов оценки и регулирования риска кредитного портфеля можно вовремя переформировать его структуру. Применение системы кредитного скорин-га значительно ускорить процесс удовлетворения либо отклонения кредитных заявок клиентов.
В результате внедрения системы кредитного скоринга Банк получит: экономический эффект в виде минимизации финансовых потерь от нестандартных кредитов; увеличение доли одобренных заявок без дополнительных рисков и снижение уровня внутреннего мошенничества путем стандартизации критериев отбора параметров и использования единой оценки, что улучшит качество кредитного портфеля; рост кредитного портфеля каждый год; уменьшение целевых резервов, что способствует увеличению нераспределенной прибыли; увеличение числа депозитов каждый год способствует росту обязательств, а также всего капитала Банка; решение целей, которые находятся в тесной взаимосвязи с остальными целями банка и способствуют их решению. Минимизация рисков, что будет проявляться отсутствием серьезных и значимых негативных тенденций, которые могли бы существенно повлиять на деятельность Банка в перспективе.
Реализация разработанных рекомендаций позволяет убедиться в необходимости внедрения системы кредитного скоринга Банка, что улучшит качество кредитного портфеля, увеличит долю на рынке и количество клиентов, повысить качество бизнес-процессов и обслуживания. Внедрение данного проекта можно оценить, как эффективное в рамках деятельности Банка и улучшить формы и методы сетевого взаимодействия для эффективности каналов финансирования.
Исследование выполнение при поддержке гранта РФФИ, проект 18010-00971 «Исследование новых форм межфирменного взаимодействия и организации в реальном секторе в условиях информационно-сетевой экономики»
Список литературы:
1. Ендовицкий Д.А., Бочарова И.В.; Анализ и оценка кредитоспособности заемщика/Издательство: КноРус, 2008 г. 264 с.
2. Сиддики Н. Скоринговые карты для оценки кредитных рисков. Разработка и внедрение интеллектуальных методов кредитного скоринга / Наим Сиддики. - Издательство: Манн, Иванов и Фербер, 2013. 288 с.
3. Лаврушин О.И. Банковское дело: учебник / О.И. Лаврушин, Н.И. Валенцева [и др.]; под ред. О. И.Лаврушина. 12-е изд., стер. М.: КНОРУС, 2016. 800 с.
4. Лаврушин О.И. Новые модели банковской деятельности в современной экономике: монография / [О.И. Лаврушин и др.]; под ред. О.И. Лаврушина. М.: Кно-рус, 2017. 166 с.
5. Your Score: An Insider's Secrets to Understanding, Controlling, and Protecting Your Credit Score Hardcover - January 2018, Pages 224.
УДК 330.1
ёоЫ0Л8720^РВРи/2М20-137
Виноградов Андрей Николаевич\
канд. физ.-мат. наук; и.о. руководителя ИЦИИ;
Куршев Евгений Петрович2,
канд. техн. наук, вед. науч. сотруд.
ИНТЕЛЛЕКТУАЛЬНЫЕ РЕШЕНИЯ ДЛЯ СИСТЕМЫ
СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ И ПЛАНИРОВАНИЯ
1 2
' Институт программных систем им. А.К. Айламазяна РАН, Ярославская обл., Россия,
1andrew@andrew.botik.ru
2
epk@epk.botik.ru
Аннотация. В статье рассмотрены проблемы информационного и методического обеспечения системы стратегического планирования, исследованы возможности автоматического распознавания текстов для определения признаков информации о наличии угроз проникновения проблемных ситуаций, требующих срочной реакции системы управления и планирования предприятия и проработки стратегии выходы из сложившихся обстоятельств. Предложены технологии интеллектуальных динамических систем ИПС им. Айламазяна РАН, которые способны прогнозировать оценку последствий принятых управленческих решений для минимизации ущерба кризисных явлений. Целью исследования является повышение эффективности системы управления и планирования за счет интеллектуальных решений распознавания проблемных ситуаций. Результатом работы является обоснование применения интеллектуальных систем в задачах стратегического планирования.
Ключевые слова: системный анализ, коммуникации, интеллектуальные динамические системы, стратегическое планирование, стратегическое управление, прогнозирование, риск, информационное общество.
