Эволюция технологий кредитного менеджмента – понять и успеть Некоторые термины
реклама
Эволюция технологий кредитного менеджмента – понять и успеть Асната Венцкава, менеджер по внешним связям SIA Balt Risk Некоторые термины Scoring - интегральный показатель уровня кредитного риска Neural systems – системы, базирующиеся на технологии искусственного интеллекта Automated monitoring – автоматизированный процесс мониторинга (например, клиентского портфеля) Predictive modeling – прогнозирующее моделирование За последнее десятилетие IT-технологии до неузнаваемости изменили окружающий нас мир. Так называемый intelligent business – умный бизнес побеждает на всех фронтах и оказывает сильнейшее влияние как на развитие деловой среды в целом, так и отдельных ее сегментов. В выигрыше сегодня оказывается тот, кто лучше информирован о новейших технологических достижениях, способен осознать их значимость для конкретной, отдельно взятой сферы деятельности, и воспользоваться этим для быстрого продвижения вперед собственного бизнеса. Сегодня мы расскажем о новых технологиях в области кредитного менеджмента: что, как и для каких целей могут использовать менеджеры уже сегодня, в своей практической деятельности. Проблема как двигатель прогресса Чтобы рассказать о результатах, которые можно получить, используя формулу «кредитный менеджмент плюс новые технологии», лучше всего начать с анализа проблем, с которыми сегодня сталкивается рядовой кредитный менеджер. «Среднестатистический» перечень претензий выглядит следующим образом: Не хватает времени, чтобы сделать всю необходимую работу – клиентов у нашей компании (отдела) много, а я один. Не хватает информации, чтобы понять, что из себя представляет конкретный клиент, и нет времени на ее поиск. Информации о клиенте слишком много – не понятно, что действительно важно, а на что не стоит обращать внимание. Сложно принять решение, на каких условиях сотрудничать с клиентом – делать поставку на условиях кредита или это слишком рискованно? Не хватает времени и недостаточно информационных источников, чтобы отслеживать, что происходит с клиентами - платежеспособны ли они? А вот некоторые, связанные с процессами кредитного менеджмента, проблемы, над которыми задумываются менеджеры верхнего уровня: Как повысить качество входящего денежного потока, обеспечить его непрерывность и сократить расходы на обслуживание дебиторской задолженности? Версия 0.1 1(7) Как мотивировать клиентов платить вовремя и сделать их более лояльными? Являются ли условия, на которых мы предоставляем товары и услуги, оптимальными, – может быть, конкуренты предлагают более выгодные условия? Какие шаги необходимо сделать, чтобы увеличить продуктивность, снизить издержки, повысить прибыльность? Если кто-то задал вопрос, кто-то другой начнет искать ответ, чтобы к взаимной выгоде решить возникшую проблему и предложить удовлетворительное решение. Инновации в сфере кредитного менеджмента, которые сегодня предлагает рынок, в большей или меньшей степени помогают справиться с вышеперечисленными проблемами. Рассмотрим подробнее, каким образом та или иная новинка способна повысить эффективность работы кредитного менеджера. Нужная информация в нужном месте Большинство изменений в бизнес-среде происходит очень быстро, иногда молниеносно. Кредитному менеджеру рекомендуется учитывать, что уровень платежеспособности клиента может меняться фактически мгновенно – вчера этот клиент еще был добропорядочным плательщиком и источником дохода, а сегодня он банкрот и источник головной боли. Чтобы избежать подобных неприятных ситуаций, менеджерам необходимо оперативно работать с различными видами данных – быстро получать доступ к соответствующей информации, оперативно делать выводы и без промедления принимать решения о последующих действиях. Реальность на сегодняшний день такова, что большинство компаний либо испытывают острую нехватку кредитной информации, либо не могут соориентироваться в многообразии данных, которые используются при работе с клиентами и в процессе принятия решений. Если менеджер не является профессиональным финансовым аналитиком, ему достаточно сложно разобраться, какие именно источники информации, виды данных, каналы передачи, в каком объеме ему необходимы. Кроме того, могут возникнуть проблемы в процессе анализа и последующего принятия решения. Поэтому, если речь идет о новых технологиях в области кредитного менеджмента, одним из наиболее важных аспектов является работа с информацией – ее изучение, отбор представляющих ценность данных и «доставка» этой информации кредитному менеджеру «в нужное время, в нужное место». На практике это выглядит следующим образом: предположим, что менеджер должен принять решение, на каких условиях предоставить кредит новому клиенту. Сделать это нужно максимально быстро – клиент как раз решает, будет ли он сотрудничать с данным поставщиком или же с его конкурентом. Менеджер, работающий по старинке, принимает решение либо интуитивно, либо основываясь на сравнительно скудном объеме информации, например, запросив информацию из базы данных инкассовой компании, с которой он привык сотрудничать. Как правило, качество принятого решения оставляет желать лучшего – «ясновидцев» среди нормальных, среднестатистических людей очень мало. Версия 0.1 2(7) Если же кредитный менеджер использует новейшие IT-решения, которые сегодня предлагает рынок, тот же самый процесс выглядит несколько иначе. В течение нескольких секунд непосредственно на своем рабочем месте менеджер получает доступ к максимальному объему полезной информации – взяв за основу различные данные, детали, нюансы, характеризующие платежное поведение клиента и его финансовое положение, он быстро формирует единый «кредитный» портрет. То, что мог не увидеть, не учесть, пропустить живой человек, не пропустит компьютер – качество принимаемого решения намного выше, чем в первом случае. Что касается выбора конкретной информационной система для отдела кредитного контроля, рекомендуется проверить ее соответствие следующим критериям: Система использует данные из максимального количества источников кредитной информации и оперирует в режиме реального времени – это гарантия того, что портрет, который мы рисуем, будет соответствовать действительности. Система не только осуществляет «добычу» информации (так называемый data mining), но и производит ее первоначальную чистку, анализ и сегментацию, отбирая именно те данные, которые являются наиболее важными для принятия кредитного решения в данный конкретный момент времени. Все процессы сбора и обработки данных автоматизированы – кредитный менеджер тратит время и силы только на просмотр и оценку уже готового информационного «концентрата». Действительно «умная» современная система не только предоставит менеджеру данные в сжатой форме, но и даст подсказку – обеспечит собственные результаты оценки и выводы о платежном поведении клиента. Именно этому аспекту посвящен следующий раздел нашей статьи. Predictive modeling – что это такое? Может быть, вы помните, что столь популярная и среди читателей, и среди телезрителей героиня Настя Каменская работает аналитиком – она блестяще раскрывает преступления, изучая, анализируя, сопоставляя различные факты и цифровые данные, и достаточно часто ей заранее, не переступая порога своего кабинета, удается предсказать, какие действия совершит преступник. Логика современных аналитических систем кредитного менеджмента та же – они анализируют и сопоставляют различные виды данных и рассказывают кредитному менеджеру о том, что представляет из себя в плане платежной дисциплины клиент, дают прогноз о платежном поведении в будущем и рекомендации для дальнейшего сотрудничества. Одной из наиболее распространенных моделей такого типа является скоринговая модель. Здесь сразу необходимо сделать оговорку – скоринговая модель является повседневным и широко используемым в работе кредитного менеджера инструментом в экономически развитых странах, однако на нашем рынке это пока новый и недостаточно освоенный продукт. Именно поэтому мы решили рассказать о нем в нашей статье. Версия 0.1 3(7) Кредитный скоринг предназначен для экспресс-оценки уровня кредитного риска при работе с тем или иным клиентом. Для сравнения: привычная для наших пользователей кредитная история только демонстрирует наиболее важные факты из платежной истории клиента, и кредитор самостоятельно интерпретирует полученную информацию. Если же речь идет о показателе скоринга, система самостоятельно вычисляет уровень кредитного риска, анализирует платежное поведение клиента в динамике, дает готовые рекомендации для дальнейшего сотрудничества. Одна из главных отличительных особенностей этого показателя – он базируется на документально подтвержденной информации и статистических данных, при этом полностью исключается субъективный или интуитивно-оценочный подход. Исходные данные могут быть самыми различными – история платежей, количество и тип имеющихся в наличии счетов, сроки их оплаты, количество и суммы просроченных платежей, действия по взысканию долгов, текущая неоплаченная задолженность и т.д. Чем больше входящих данных используется для анализа, тем более точными будут результаты оценки. После их получения специальная статистическая программа сравнит их с аналогичными показателями дебиторов со схожим профилем (сфера деятельности, величина оборота и т.д.). После этого каждому фактору, влияющему на способность дебитора вернуть долг, присваивается определенное количество баллов. Общий результат обработки баллов называется кредитным скорингом и помогает прогнозировать вероятность оплаты или возврата кредита. В процессе разработки модели скоринга кредитор (или профессиональное агенство), используя либо случайную выборку, либо выборку клиентов схожего профиля проводит ее статистический анализ и определяет параметры, влияющие на кредитоспособность. Каждому из вышеуказанных параметров присваивается «весовая категория», в зависимости от степени влияния этого фактора на прогнозируемый кредитный риск. В целом модели кредитного скоринга могут быть достаточно сложными и различаться в зависимости от типов кредиторов, типов предоставляемых кредитов и т.д. Системы кредитного скоринга позволяют кредиторам быстро, последовательно и беспристрастно оценивать большое количество потенциальных дебиторов. Это хороший инструмент для принятия решения в стандартных ситуациях и надежный вспомогательный инструмент для оценки важных сделок с большими объемами. В наиболее современных системах модели скоринга комбинируются с моделями принятия решений, в этом случае кредитный менеджер получает уже готовое кредитное решение, а в некоторых случаях система сама совершает последующую сделку в режиме реального времени на основе полученных данных. Участие человеческого фактора в данном случае сведено к минимуму. «Портфельные» решения Если речь идет о новых технологических решениях для кредитного менеджмента, нельзя не упомянуть о преимуществах, которые получают в случае их использования кредиторы с клиентскими портфелями большого размера и сложной структуры. В качестве примера можно привести крупные компании оптовой торговли или банки. Для них характерно наличие большого количества клиентов разного размера, с разным объемом поставок и уровнем Версия 0.1 4(7) кредитного риска. Новые технологические решения в данном случае предназначены для выполнения следующих задач: Улучшенная и более качественная сегментация клиентского портфеля согласно уровню риска. Если клиенты считаются на сотни или тысячи, кредитному менеджеру достаточно сложно, а иногда физически невозможно производить индивидуальную оценку кредитного риска и принимать кредитное решение для каждого отдельно взятого клиента. Поэтому необходимо, чтобы IT-система кредитного менеджмента в автоматическом режиме выполняла следующие действия: самостоятельно производила оценку кредитного риска клиента в соответствии с заранее определенными критериями; согласно полученным результатам определяла профиль клиента и относила его к соответствующей части (сегменту) клиентского портфеля; определяла оптимальные для данного типа клиента условия кредитования (также согласно ранее определенным стандартизированным критериям); отслеживала изменения уровня риска клиента и, согласно результатам, меняла его профиль и сегмент уровня риска. Более объективная и достоверная оценка уровня риска для всего клиентского портфеля. При работе с автоматизированными информационными системами имеется возможность не только производить более точную оценку отдельно взятых клиентов, но и всего клиентского портфеля в целом. В этом случае система отслеживает все нюансы и детали на уровне отдельно взятого клиента, а затем обобщает полученные данные и предоставляет кредитному менеджеру уже готовый аналитический материал. В результате менеджер в состоянии сразу же увидеть, на каких участках рабочего фронта позиции ослабли или же, наоборот, усилились. Так, если в портфеле резко увеличилось количество клиентов, опоздавших с оплатой счетов, система сразу же просигнализирует об этой неблагоприятной тенденции и менеджер сможет незамедлительно предпринять необходимые действия для коррекции ситуации. Уменьшение доли «плохих» долгов. Технология, без которой на сегодняшний день немыслима работа кредитного менеджера, - постоянный автоматический мониторинг платежеспособности клиентского портфеля. Как уже упоминалось, своевременное выявление изменений уровня платежеспособности позволяет на максимально ранней стадии начать мероприятия по защите кредита, избежать временных потерь и возникновения безнадежных долгов. Уменьшение расходов инкассо. Аналогичным образом - чем раньше выявлена проблема и начинается процесс инкассо, тем больше шансов, что долг будет оплачен на ранней стадии и тем меньше кредитор потратит ресурсов на взыскание задолженности. Выбор правильной стратегии коммуникации с клиентом. Продвинутые системы кредитного менеджмента также помогают кредитному менеджеру выбрать стратегию коммуникации с дебитором. Определив его профиль, система в автоматическом режиме выбирает соответствующую этому профилю стратегию коммуникации (в систему заранее введены стандартизированные стратегии и Версия 0.1 5(7) определены критерии выбора). Менеджеру или кредитному инспектору предлагается уже готовое решение – например, проводить жесткое, агрессивное взыскание долга, или же напротив вести инкассо максимально щадящими методами. Полдень, двадцать второй век На текущий момент в экономически развитых странах наблюдается настоящий бум инновационных технологий для кредитного менеджмента. У рядового неискушенного читателя, читающего описания новинок и «продвинутых» технологических решений, может сложиться впечатление, что перед ним фантастический роман о далеком будущем. Используемая терминология только усиливает это впечатление – например, «комбинирование разных типов интеллекта», «нейронная система» и т.д. Тем не менее, речь идет об абслютно реальных вещах, которые уже сегодня активно применяются на практике. Так, в случае с нейронными системами, речь идет о новейших технологиях, которые позволяют в общем потоке данных вычленить так называемые скрытые нетипичные явления. Кредитор в этом случае имеет возможность с опережением обнаружить новые тревожные симптомы в поведении клиента и принять меры для защиты от неплатежей. В частности, новейшие системы мониторинга способны проводить анализ покупок, которые осуществляются при помощи кредитных карт, и предупреждать банк или другого кредитора о нетипичном, настораживающем поведении клиента. Еще один вариант – система анализирует текстовые сообщения в электронной переписке между кредитором и дебитором, и вычисляет в этом тексте слова, формы и обороты, которые сигнализируют о том, что готовится мошенничество. Несомненно, наш бизнес становится более интеллектуальным и менее примитивным. С каждым годом эта тенденция все отчетливее прослеживается и на нашем местном рынке. В связи с чем руководство компаний задает себе вполне законный вопрос – насколько быстро и в каком объеме необходимы им инновации. Что выгоднее – быть первопроходцем, лидером в области внедрения новых технологий, или имеет смысл занять более консервативную позицию? Рекомендуем в процессе принятия решения учесть следующие соображения: 1. Кредитный менеджмент, в частности, вопросы своевременной оплаты счетов и платежной дисциплины, для большинства латвийских компаний все еще является головной болью номер один. Это та сфера, в которой вне сомнения необходимо повышать эффективность операций, и новые инновационные технологии способны сыграть в этом процессе не последнюю роль. 2. Принимая решение о внедрении той или иной технологической новинки, необходимо подумать, сможет ли фирма успешно интегрировать эту новинку в свою среду? С этой точки зрения лучше использовать готовые решения от местных компаний кредитного менеджмента, которые лучше адаптированы к локальным условиям и потребностям наших менеджеров. 3. Еще один аспект – используют ли подобные технологии в своей деятельности конкуренты. Возможны две ситуации. Первая: технология, которую планируется внедрить, уже широко используется конкурентами, к ней достаточно просто получить доступ и осуществить последующую реализацию. Наш мотив - «Мы не можем быть хуже». Во втором случае, если речь идет об инновации, которую достаточно трудно скопировать и Версия 0.1 6(7) внедрить, нашей задачей является создание мощного высокого барьера между нами и нашими конкурентами. В заключение хотелось бы сказать, что если изложенные выше соображения заставили читателя хотя бы немного задуматься о дальнейшем развитии и совершенствовании, то поставленная в рамках настоящей статьи задача выполнена, так как самое главное в нашей жизни – движение вперед. Версия 0.1 7(7)
