Нестабильная экономическая ситуация негативно сказывается на платежеспособности организаций и граждан, а накопленные долги становятся просроченными. Но официальная статистика этого не подтверждает. Разбираемся, как современные технологии помогают российским банкам сдерживать рост просроченной задолженности.

imageПроблемные клиенты. Несмотря на увеличение темпов роста общего портфеля потребительского кредитования свыше 20% в год, наблюдается сокращение уровня просроченной задолженности ниже 5%. Однако банки должны внимательно следить за ситуацией, в том числе при помощи новых технологий управления кредитным портфелем. Чем больше информации о клиентах кредитная организация может собрать и проанализировать, тем проще уведомлять клиентов об их выходе на просроченную задолженность, а также заранее регулировать вопросы по ее погашению. Поэтому банки стремятся своевременно наладить контакт с проблемными клиентами. Но из-за того, что персональная информация довольно часто обновляется, данные, хранящиеся в базах этих банков, быстро устаревают и требуют актуализации.

Сейчас реляционные базы уже не могут обрабатывать большие объемы данных, поэтому на IT-рынке набирает популярность ряд технологий, которые дают возможность работать с Big Data. К ним можно отнести Hadoop, MapReduce и NoSQL. В основе этих продуктов лежит следующий принцип: база данных, получающая запрос на вывод определенной информации, пересылает его на другие базы данных, а потом сводит полученную информацию в более структурированный вид.

«Большой брат» рядом. Этот принцип получил название «шеринг». Очевидным плюсом работы шеринга является ускорение обработки запросов в процессе анализа больших объемов данных. Применение Big Data позволяет не только искать контактную информацию клиентов, но и находить зависимости между размером кредитной задолженности и различными факторами, которые на эту задолженность влияют.

Построение таких моделей позволяет прогнозировать величину просроченной задолженности перед банком, что, в свою очередь, помогает банку более объективно оценивать сложившуюся ситуацию. Важно отметить, что банк не ограничен сухой статистической информацией, которую заемщики оставляют в заявочных анкетах. Информация, хранящаяся в социальных сетях, на форумах и других ресурсах также может быть полезна при проведении различных исследований.

Применение программных ботов дает возможность узнать больше конкретной информации о клиентах банков, что впоследствии положительно сказывается на управлении проблемной задолженностью.

Алла Волкова, эксперт лаборатории «Исследования денежно-кредитной системы и анализа финансовых рынков» РЭУ имени Г. В. Плеханова, специально для сетевой газеты Янтарный край (Калининград).

В Telegram: @kaliningradfirst

Во ВКонтакте: @kaliningradfirst

В Twitter: @kaliningradline

В Facebook: @kaliningradline

В ОК.ру
Янтарный край

Яндекс.Zen: @kaliningradfirst