«Агентство судебного взыскания» будет определять платежеспособность должника с помощью искусственного интеллекта
«Агентство судебного взыскания» разработало и внедрило в работу новую скоринговую модель. Мультиклассовый скоринг, основанный на машинном обучении, позволяет сегментировать портфели задолженности и выбрать оптимальный подход к работе с каждым долгом.
Машинное обучение — это класс методов искусственного интеллекта, особенностью которого является обучение за счёт применения решений множества сходных задач, а не прямое решение задачи. В данном случае аналитики Агентства применили систему машинного обучения «с учителем», которая обрабатывает исторические данные о результатах взыскания задолженности и выдает на их основе рекомендации.
Мультиклассовый скоринг позволяет оценить, какие долги и в какой срок будут возвращены. Это помогает компании определить оптимальную стратегию работы с задолженностью.
До этого Агентство использовалась статистическая скоринговая модель. Она основана на проверке должников по ряду стоп-факторов, таких как банкротство, общий объем задолженности гражданина перед другими кредиторами и т.д. Если скоринг выявлял стоп-факторы, то такой долг считался не перспективным.
Новый мультиклассовый скоринг оценивает большее количество параметров и работает с ними принципиально иначе. Вместо того, чтобы рассматривать каждый факт отдельно, модель оценивает, насколько успешно ранее выплачивали задолженность заемщики с похожими характеристиками.
Скоринг учитывает 27 различных показателей для каждого долга, что позволяет оценивать их перспективность максимально полно. В число показателей для оценки входят такие параметры, как сумма задолженности, возраст должника, DPD (количество дней просрочки), наличие контактных данных, а также иные сведения.
На сегодняшний день мультиклассовый скоринг запущен в работу и уже помогает оценивать «Агентству судебного взыскания» реестры долгов, полученные от банков и МФО.
В дальнейших планах развитие модели мультиклассового скоринга: регулярное дообучение скоринговой модели на новых реестрах, а также расширение линейки используемых параметров.