Революция в скоринге уже произошла — ее движущей силой стали не традиционные финансовые показатели, а цифровые поведенческие паттерны. Банки, МФО и финтех-компании активно интегрируют в анализ платежеспособности данные, которые заемщик добровольно или неосознанно генерирует в цифровой среде.
Этот процесс формирует принципиально новую парадигму оценки рисков, вызывающую острые дискуссии среди IT-специалистов, кредитных аналитиков и правозащитников. Как нововведение в скоринге отразится на банковской сфере и гражданах, рассказали эксперты финансового сектора специально для Bankiros.ru.
Что такое «цифровые следы заемщика»?
Эксперт департамента «Банки и финансы» компании Рексофт Елена Голяева пояснила, что с точки зрения банков, цифровые следы заемщика - это совокупность поведенческих и технических данных, которые формируются как внутри банковских каналов и экосистем, так и за их пределами за счет внешних источников.
Базовый слой – это операционная и поведенческая история клиента в финансовом контуре, сообщила Голяева:
- движения по картам и счетам;
- регулярность и структура поступлений и платежей;
- активность в мобильном приложении и интернет-банке;
- устойчивость цифрового профиля (т.е. насколько предсказуемо клиент пользуется одним и тем же устройством, номером, каналами входа).
Поверх этого все чаще добавляется обогащение за счет смежных сервисов, подчеркнула Голяева:
- укрупненной геолокацией (регион, город, типичные зоны активности);
- телеком-метриками (дисциплина оплаты связи, тип тарифа и длительность его использования, история владения номером и прочее);
- данными из экосистемных сервисов и маркетплейсов.
Для банковского бизнеса это означает более точное разделение надежных и более рискованных заемщиков, снижение доли необоснованных отказов и возможность принимать более взвешенные решения по клиентам с фрагментарной кредитной историей, отметила Голяева.
Какие непрофильные данные уже в работе?
Кандидат экономических наук, доцент кафедры экономики Мелитопольского государственного университета Mупегну Нзусси Кевин Грас выделил следующие данные.
Анализ браузинга и истории поиска
Не сами запросы, а их категории:
- (финансовые затруднения, азартные игры, дорогие покупки);
- время активности (ночные сессии как маркер нестабильности);
- частота посещения сайтов микрофинансовых организаций;
Специальные SDK (программные модули) в мобильных приложениях банков могут собирать данные о времени, проведенном в других приложениях.
Геолокация в динамике
Не просто адрес регистрации, а анализ маршрутов, регулярное и предсказуемое перемещение «дом–работа–школа» повышает скоринговый балл.
Частое посещение офисов конкурентов, букмекерских контор, ночных клубов или неблагополучных районов может снижать оценку.
Стабильность геолокации во времени — косвенный признак стабильности жизни.
«Социальный граф» по данным смартфона
Анализ телефонной книги и журналов вызовов (с разрешения), банки ищут корреляции между надежностью заемщика и надежностью его круга общения.
Если в контактах много номеров, принадлежащих МФО или имеющих плохую кредитную историю, это красный флаг – частота и длительность звонков определенным шаблонам контактов также анализируется.
Данные из публичных и коммерческих источников
Покупки по банковской карте (даже не в кредитном банке): категории трат — базовые продукты vs роскошь, регулярность оплаты ЖКХ, подписок, наличие трат на образование и саморазвитие.
Неожиданное прекращение привычных трат может сигнализировать о потере дохода.
Данные с маркетплейсов и сервисов
При связке аккаунтов (например, для доставки) анализируется средний чек, категории товаров, частота возвратов, соблюдение сроков оплаты заказов.
Анализ профилей в социальных сетях (при наличии согласия)
Не контент, а метаданные: количество друзей/подписчиков, активность, сетевой статус, членство в профессиональных сообществах.
Редкие и старые аккаунты считаются более надежными, чем новые.
Что говорят эксперты?
Mупегну Нзусси собрал и предоставил мнения специалистов различных секторов рынка.
Взгляд IT-специалиста и кредитного аналитика: «Больше данных — меньше рисков»
Суть:для машинного обучения любая поведенческая data point — это еще один признак, повышающий точность модели.
Традиционный скоринг, основанный на данных БКИ и справках, отражает прошлое.
Цифровые следы в реальном времени позволяют оценить текущее поведение и устойчивость образа жизни.
Аргумент: клиент, ведущий размеренный цифровой образ жизни, с высокой вероятностью так же дисциплинирован в финансах. Это позволяет находить «скрытых» хороших заёмщиков среди тех, у кого нет длинной кредитной истории (молодёжь, фрилансеры), и справедливо оценивать риски по тем, у кого формальные показатели в норме, но поведение указывает на импульсивность или финансовую нестабильность.
Технологический тренд: развитие Explainable AI (XAI) — объяснимого искусственного интеллекта, который должен не только выносить решение, но и показывать, какие именно факторы (например, «нерегулярная геолокация в рабочие часы») повлияли на отказ.
Взгляд эксперта по защите персональных данных: «Цифровая тотальная слежка и дискриминация»
Суть: происходит размывание границ персональных данных, собирается информация, напрямую не относящаяся к платежной дисциплине, но формирующая интимный психологический портрет человека.
Главные риски:
- неявное и несознательное согласие: пользователь, нажимая «Разрешить» в pop-up окне приложения для доступа к контактам или геолокации «для улучшения сервиса», редко понимает, что эти данные пойдут на оценку его кредитоспособности;
- непрозрачность решений: если заемщику отказывают из-за «неудовлетворительного профиля», он физически не может оспорить решение, основанное на сотнях непроверяемых поведенческих факторов – это создает почву для скрытой дискриминации по образу жизни, социальным связям, привычкам;
- угроза утечек: концентрация сверхчувствительных поведенческих данных делает их идеальной мишенью для хакеров и черного рынка.
Взгляд юриста-практика: «Правовой вакуум и регуляторные ножницы»
Суть:закон «О персональных данных» (152-ФЗ) и кредитное законодательство не поспевают за технологиями, формально банк обязан получать согласие субъекта на обработку ПД.
Однако на практике это согласие «зашито» в многостраничный договор присоединения.
Регулятор (ЦБ и Роскомнадзор) пока занимает выжидательную позицию, больше концентрируясь на кибербезопасности, чем на этике использования данных.
Ключевая коллизия:банки утверждают, что анализируют не сами персональные данные (например, имена в телефонной книге), а их обезличенные мета-характеристики (статистику звонков, структуру социального графа).
Это позволяет им работать в «серой» зоне, не нарушая букву закона, но игнорируя его дух.
Какие последствия для заемщиков и банков?
Использование цифровых следов перешло из стадии тестирования в стадию промышленного внедрения для сегментирования клиентов и оценки рискованных заявок, это создает системные последствия, отметил Mупегну Нзусси.
Для заемщиков
Цифровая гигиена и осознанность становятся финансовыми категориями – репутация в интернете начинает напрямую влиять на доступ к кредитным ресурсам, отметил Mупегну Нзусси:
«На первый план выходит право на человеческое участие в принятии кредитного решения и возможность его объяснения».
Для рынка
Возникает «цифровое неравенство»: лояльность и прозрачность цифровой жизни становятся активом, а стиль жизни, отклоняющийся от «цифрового мейнстрима» (частые переезды, минимальное присутствие в соцсетях, отказ от тотального шеринга данных) — пассивом, даже если человек финансово состоятелен, подчеркнул Mупегну Нзусси.
Для регулятора
Назрела необходимость в создании новых правил игры — «этического кодекса использования альтернативных данных»:
«Требуется четко определить, какие данные допустимы для скоринга, как обеспечивать прозрачность алгоритмов (концепция “открытого бокса” вместо “черного ящика”) и как защищать граждан от дискриминации по непроверяемым цифровым признакам».
Цифровой след перестал быть просто отпечатком — он превратился в пожизненную кредитную историю, которую человек пишет каждым своим кликом, отметил Mупегну Нзусси.
- цифровые следы заемщика - это совокупность поведенческих и технических данных, которые формируются как внутри банковских каналов и экосистем, так и за их пределами за счет внешних источников;
- за пользователями следят через геолокацию, запросы в браузере и социальные сети;
- цифровые следы в реальном времени позволяют оценить текущее поведение и устойчивость образа жизни;
- использование цифровых следов перешло из стадии тестирования в стадию промышленного внедрения;
- цифровая гигиена и осознанность становятся финансовыми категориями – репутация в интернете начинает напрямую влиять на доступ к кредитным ресурсам;
- оформить кредит на выгодных условиях можно на нашем сайте;
- полезные обновления публикуются в нашем телеграм-канале и мессенджере МАХ.
Отзыв о сайте