Бинбанк внедрил искусственный интеллект для работы с просроченной задолженностью

В ходе проекта специалисты Бинбанка используют принципиально новый подход —  построение uplift-моделей, которые основываются на прогнозе реакции каждого клиента на конкретные действия в рамках взыскания. Это предоставляет беспрецедентные возможности для оптимизации процесса и позволяет определить лучший вариант взаимодействия с каждым заемщиком. Для разработки моделей и анализа данных используется язык программирования Python.

«Uplift позволяет в большинстве случаев не беспокоить клиентов без необходимости. На основе статистики программа определяет, какие клиенты внесут очередной платеж по кредиту без дополнительных напоминаний. Также выявляются заемщики, звонить которым в принципе бесполезно. Звонки будут поступать только тем клиентам, которым действительно необходимы напоминания и консультации», – прокомментировал заместитель руководителя блока рисков и комплаенса Бинбанка Вадим Ковалев.

Для оценки качества прогноза моделей применяется универсальная скоринговая метрика — коэффициент Gini. Первые результаты проекта показали существенный прирост качества в сравнении с используемыми ранее моделями на основе логистической регрессии: произошел прирост коэффициента Gini с 65% до 88%.

«Банк высвобождает ресурсы, направляет их на действительно нужные коммуникации с клиентами, значительно повышая эффективность работы с просроченной задолженностью. Повышается эффективность самого процесса, снижаются издержки, улучшается платежная дисциплина заемщиков. Все это, по нашим оценкам, принесет банку в 2018 году дополнительно 1 млрд рублей», — добавил Вадим Ковалев.

По материалам Бинбанка