Эффективное принятие решений в кредитном процессе. Кейс «Кубань Кредит»

1 февраля 2024
0 комментариев

Основные проблемы при рассмотрении кредитных заявок и способы их устранения с помощью Loginom. Как малыми ресурсами за три этапа внедрить полноценную систему поддержки принятия решений (СППР) в банке. И почему важно помнить, что за каждой приставкой no/low прячется именно code.

«Кубань Кредит» — один из крупнейших банков юга России, офисы которого есть в Москве, в Краснодарском и Ставропольском крае, Ростовской области, Республике Адыгея. Входит в ТОП-10 банков страны по объемам кредитования предприятий МСБ.

По состоянию на конец 2023 года «Кубань Кредит» в цифрах это:

  • 380 000 розничных и 38 000 корпоративных клиентов;
  • 527 банкоматов и терминалов, 112 дополнительных офисов;
  • 30 лет в сфере финансовых услуг.

Ситуация до старта проекта

До старта проекта в банке «Кубань Кредит» была следующая ситуация:

  • Высокая конкуренция, так как клиентам важна не только надежность банка, но и скорость одобрения кредита.
  • Низкая степень автоматизации: поверки выполнялись фронт-системой в момент ввода заявки.
  • Длительные сроки рассмотрения заявок.

Проблема

Ручное рассмотрение заявок в интерфейсе фронт-системы затягивало этот процесс, провоцировало его зацикленность, порождало ошибки, вызванные человеческим фактором. Срок рассмотрения заявки мог достигать нескольких часов, а то и дней.

Процесс выдачи кредита делится на 3 основных блока:

Процесс выдачи кредита

Требовалось автоматизировать блок принятия решений, т.к. на него приходилась самая большая часть ручных проверок и потеря времени.

Решение

Ресурсы на старте проекта:

  • 5 представителей бизнес-подразделений, связанных с процессом кредитования и рассмотрения проверок, заявок;
  • 2 разработчика фронтовой системы;
  • 1 системный + 1 бизнес-аналитик;
  • 5 консультантов от Loginom Company.

В процессе внедрения Loginom было пройдено 3 этапа:

ЭтапРезультатСроки
0 — запуск проектаРазвертывание Loginom, интеграция в инфраструктуру3 месяца
1 — линейная логикаПростая логика с ручным разбором отказов5 месяцев
2 — матричная логикаСложные проверки, вариативность прохождения заявки6 месяцев

Этап «Линейная логика» — последовательные проверки. При срабатывании любого правила отправка заявки на ручной разбор и далее по маршруту. Быстрый первый результат с простой логикой.

Сценарий линейной логики

Этап «Матричный подход» — множество проверок, гибкая настройка правил, вариативность в маршрутизации.

Сценарий матричного подхода

Сложности при реализации проекта и их решение

Cложности: попытка создания единой матрицы для всех проверок. Механизм получился сложный и «неповоротливый». При 60 проверках и 4-х условиях выполнения — более 16 000 строк в матрице правил с экспоненциальным ростом размеров при добавлении параметров.

Решение: разделение проверок по типу (благонадежность, верификация данных, трудоустройство и финансовое положение) с отдельной логикой. Бонус — возможность внесения изменений в правила по отдельности, не ломая логику системы принятия решений (СПР).

Неожиданные проблемы, возникшие при реализации проекта

Проблемы:

  • В некоторых параметрах расчеты вручную перестали совпадать с автоматическими расчетами СПР.
  • Наименование организации, полученное из Контур.Фокуса, не всегда совпадает с данными выписки.

Решение: автоматизация расчетов путем публикации на стороне АСПР API с вызовом расчета по выписке и сравнение данных по идентификатору налоговой.

Результаты

Была разработана система, которая обращается к 9 различным источникам и выполняет 74 отдельные проверки. Время обработки одной заявки сократилось с нескольких часов (дней) до 1-5 минут, т.е. минимум в 40 раз.

Помимо этого, собран единый отчет по итогам отработки правил, т.к. часть заявок требует «ручного разбора». Благодаря отчету даже заявка, которая уходит на «ручной разбор», обрабатывается гораздо быстрее.

В итоге получилась система, в котором можно гибко и быстро менять правила, добавлять новые условия выполнения проверок, интегрироваться с различными системами как через API, так и запросами в БД.

Выводы по кейсу:

  1. Главным фактором, который замедлил проект, стало неумение применять теоретические знания на практике.
  2. При реализации проекта с такими стартовыми данными залог успеха — заключается в гибкости и достаточной простоте системы.
  3. Логика Loginom сложнее, чем BPM/CRM системы, но он узконаправленный. Для ввода заявок, операционного маркетинга и прочего требуются системы, реализующие другие функции кредитного конвейера.

Подробнее об использовании Loginom в крупнейшем банке юга России в выступлении Александра Кудренко, заместителя начальника Управления Сопровождения ИС Департамента ИТ в Кубань Кредит Банке.

pdfЭффективное принятие решений в кредитном процессе: ручной подход vs автоматизация.pdf

Другие материалы по теме:

Система поддержки принятия решений в процессах кредитования. Кейс компании «Ваш инвестор»

Разработка системы поддержки принятия решений в банке. Кейс «Росбанк Дом»

Эффективное принятие решений в кредитном процессе: ручной подход vs автоматизация

#loginom day 2023#банки#loginom day#loginom decision maker

Смотрите также