Big Data определит благонадёжность бизнеса

Приятного мало, пресса беснуется, PR-служба оправдывается. Офис парализован, коллеги подавлены, руководство сникает и белеет лицами. Процессуальные действия, оправдательные вердикты, шторм миновал. Далее начинается странное: вы не виноваты, но осадочек остался.

Начинается внутренняя охота на ведьм: а вдруг был сговор, и крот засел в тёмной норе. Перетряхиваются регламенты, опрашиваются эксперты, правила ужесточаются. Ненадолго. Рыночный напор и конкуренция продавливают плотину осторожности и ручейки несмелых отклонений смачивают неприступную дамбу.

Коллегиальные органы ждёт неприятное открытие: мошенники не только подставляют кредитное учреждение, но и обкрадывают, ловко обходя преграды доверия. Следствием становятся минусовые счета, постановка на картотеку, потери времени на предоставление первичных документов для силовых структур.

Когда попросили «заняться вопросом», название проекта возникло моментально: для махинаций используют компании-однодневки. Кто живёт недолго? Мотыльки! Файл исследования тут же назвал «Farfalla», что означает «бабочка» на итальянском. Задался вопросом: «Как определить зловредность на стадии кокона?»

Цели сформулировал так:

• оптимизация процесса оценки юридических лиц для улучшения качества клиентской базы
• снижение расходов путём сокращения количества счетов неблагонадёжных клиентов
• уменьшение репутационных потерь, вследствие выявления мошеннических схем.

Разработал методику проведения исследования:

• проанализировать 109’873 юридических лиц, из которых 15’506 признаны неблагонадёжными за последний год
• выявить признаки, позволяющие детерминировать подозрительные компании на основе исторических данных
• в основу модели положить метод логистической регрессии, используемой для предсказания вероятности возникновения события
• исходную выборку случайным образом разделить на «обучающую» – 70% клиентов и «тестовую» 30% клиентов
• оценку точности и корректности производить на тестовой выборке, независимой от модели
• кроме тестовой выборки, оценить надёжности модели статистическими методами
• входные параметры перевести в бинарный формат, т.к. факторы представлены категориальными данными, которые нельзя напрямую использовать в модели.

Рассмотрим причины закрытия счетов организаций, выполненные в ретроспективном ручном режиме:

80% случаев возникновения репутационных рисков содержатся в двух секторах: обналичивание и решение Рабочей группы, специализирующейся на распознавании сомнительных видов деятельности (Рис.1). Значит, первоочередной шаг – оценить вероятность попадания компании в зону неблагонадёжности.

Рис. 1. Распределение репутационных рисков, %

Наиболее частая причина возникновения репутационного риска – переводы денежных средств из сторонних банков на счета физических лиц – клиентов банка с последующим обналичиванием. Почти половина от всего количества неблагонадёжных организаций (Рис. 2)

Рис. 2. Распределение неблагонадёжных клиентов по виду риска, тыс. шт.

В результате применения теоретической модели на всей выборке получилась эмпирическая модель:

Расшифровка факторов:

• x₁ – руководитель организации: женщина x₁=1, мужчина x₁=0
• x₂ – наличие ЦПР у клиента: x₂=1, при наличии, x₂=0, при отсутствии
• D – форма собственности:

D₁ – ООО: «да» D₁=1, «нет» D₁=0

D₂ – ИП: «да» D₂=1, «нет» D₂=0

D₃ – ЗАО или ОАО: «да» D₃=1, «нет» D₃=0

Другая форма собственности: D₁=D₂=D₃=0

• V – основной вид деятельности:

V₁ – ОКВЭД=51, оптовая торговля: «да» V₁=1, «нет» V₁=0;

V₂ – ОКВЭД=52, розничная торговля: «да» V₂=1, «нет» V₂=0;

V₃ – ОКВЭД=74, предоставление прочих видов услуг: «да» V₃=1, «нет» V₃=0;

V₄ – ОКВЭД=35, производство судов, летательных и космических аппаратов и прочих транспортных средств: «да» V₄=1, «нет» V₄=0;

V₅ – ОКВЭД=70, операции с недвижимым имуществом: «да» V₅=1, «нет» V₅=0;

Другой код ОКВЭД: V₁=V₂=V₃=V₄=V₅=0;

• R – Регион регистрации (первые две цифры кода ИНН):

R₁ – Москва (77) или Санкт-Петербург (78): «да» R₁=1, «нет» R₁=0;

R₂ – Сахалинская область (65): «да» R₂=1, «нет» R₂=0;

R₃ – Нижегородская область (52): «да» R₃=1, «нет» R₃=0;

R₄ – Челябинская область (74): «да» R₄=1, «нет» R₄=0;

Другой регион регистрации: R₁=R₂=R₃=R₄=0.

Оказалось, что рост неблагонадёжности вероятнее, если:

• руководитель – женщина
• форма собственности – ООО, ЗАО, ОАО или ИП
• фирма зарегистрирована в Москве, Санкт-Петербурге, Нижегородской или Челябинской области.

Снижают неблагонадёжность такие факторы:

• есть головная компания, центральный офис, иной центр принятия решений
• код ОКВЭД – 35, 51, 52, 70, 74 (производство транспортных средств, оптовая, розничная торговля, операции с недвижимым имуществом, прочие виды услуг)
• фирма зарегистрирована в Сахалинской области.

Остальные доступные показатели оказались фрагментированными либо не приращивали точность. Самое время поинтересоваться: «А причём тут Big Data?»

Вопрошающим отвечу: данные банка обогатил информацией из базы «СПАРК-Интерфакс», которую аналитики считают непригодной для использования. Предположил следующее: даже если данные и не точны, то уровень погрешности можно считать равномерным по всей выборке предприятий России.

Благодаря Big Data удалось посчитать деньги в собственном кармане – произвести анализ текущей клиентской базы и предположить финансовое положение всего рынка. Теперь при заходе в банк нового клиента, по пяти параметрам сотрудник сможет отсечь три из четырёх неблагополучных организаций.

Без сложностей не обошлось:

• многие интересные для анализа данные имели низкую наполненность и оказались сильно фрагментированными
• некоторые показатели явно описаны с ошибкой или в базах банка, или в базе СПАРК. Например, 2’120 организаций (1,9%) открыли счёт в банке раньше, чем официально зарегистрировались.
• часть показателей имели достаточную наполненность, но снижали точность модели.

Оказалось, что наиболее значимые факторы определения неблагонадёжности: основной вид деятельности по коду ОКВЭД (Рис. 3) и форма собственности (Рис.4).

Если в анализ включить внутренние факторы:

• время с момента регистрации организации до открытия счета в банке
• канал продаж, тип продукта, сегмент выручки или продуктовую группу,

то вероятность определения неблагонадёжных клиентов растёт, а вероятность идентификации благонадёжных резко падает.

Рис. 3. Основной вид деятельности (код ОКВЭД).

Рис. 4. Форма собственности

После завершения расчётов, как и предполагалось методикой, случайным слепым образом из выборки отобрали 70% данных, на которых построили обучающую модель. Полученную формулу оттестировали на оставшихся 30% данных. Модель наиболее точно показала себя в факторах:

• пол руководителя – Рис. 5
• наличие ЦПР – Рис. 6
• место регистрации (код ИНН) – Рис. 7.

Рис. 5. Пол руководителя.

Рис. 6. Наличие ЦПР

Рис. 7. Место регистрации (код ИНН)

Результаты исследования:

• модель скоринга, определяющая уровень неблагонадёжности клиентов на этапе открытия счетов
• точность определения неблагонадёжных клиентов – 73,5%: из четырёх неблагонадёжных клиентов модель выявит троих
• полученную модель решили использовать как дополнительный инструмент проверки клиента.

Подведём итоги.

Факторы, определяющие уровень благонадёжности клиента на этапе открытия счёта в банке:

• основной вид деятельности по коду ОКВЭД
• наличие ЦПР – Центра Принятия Решений
• регион регистрации по коду ИНН
• пол руководителя организации
• форма собственности.

Послесловие. В ходе исследования информация банка была обогащена недостоверными данными, которые многие полагают мусорными. Но Big Data и тут могут сослужить добрую службу. Не ленитесь проводить многочисленные эксперименты и не стесняйтесь использовать метод перебора. Не лучший, но работающий.