Process Mining в «Росбанк Дом». Первые результаты

17 января 2022
0 комментариев

Как с помощью Process Mining отследить путь одобрения и выдачи ипотечного кредита, обнаружить узкие места и зацикливания? Как оценить банковские продукты и эффективность маркетинговых компаний? Практический кейс «Росбанк Дом».

«Росбанк Дом» — банк, специализирующийся на ипотечном кредитовании, филиал ПАО «Росбанк».

  1. ПАО «РОСБАНК» и «Росбанк Дом» входят в международную группу Societe Generale — одну из крупнейших финансовых групп мира.
  2. В 2020 году объем ипотечных кредитов, выданных «Росбанк Дом», составил более 110 млрд. рублей.
  3. В 2021 году «Росбанк Дом» занимает 6-е место на рынке ипотечного кредитования.

Ситуация до старта проекта

В процессе своей деятельности «Росбанк Дом» накопил большой объем данных о бизнес-процессах компании. Сформировалась потребность обрабатывать и анализировать эти данные. Так в банке пришли к необходимости внедрения Process Mining для анализа процессов ипотечного кредитования.

Присутствовало четкое понимание того, что существующий бизнес-процесс рассмотрения заявок далеко не оптимален, и имеется потенциал для его улучшения. В данном случае задача Process Mining состояла не только в анализе, но и в выявлении «узких мест» процесса, коррекция которых позволила бы значительно его улучшить.

Проблема

В условиях взрывного роста объемов жилищного строительства, банки уделяют повышенное внимание кредитованию на приобретение жилья. Рынок ипотечного кредитования становится все более высококонкурентным. Условия ипотечного кредитования в различных банках приблизительно одинаковы. Учитывая этот фактор, успешная конкуренция возможна в основном за счет улучшения качества клиентского сервиса.

Прежде всего под улучшением качества клиентского сервиса понимается сокращение времени рассмотрения заявок и минимизация пакета документов, предоставляемых заемщиком. Найти резерв для сокращения времени рассмотрения заявок и оптимизации документооборота, а также выявить другие «узкие места» в процессе получения ипотеки — задача Process Mining в «Росбанк Дом».

Решение

C помощью low-code платформы Loginom в «Росбанк Дом» реализовали пилотный проект по Process Mining процедуры ипотечного кредитования.

Process Mining начинается с выяснения пути процесса. Каждому этапу операции ипотечного кредитования присваивается уникальная буква. Например, клиент обратился — буква «А», заявка передана в процессинг — «В» и т.д. В результате прохождения всех этапов процесса формируется уникальное «слово процесса». Оно уникально потому, что в процессе рассмотрения заявок на ипотеку каждый клиент достигает определенных этапов. Например, у кого-то слово процесса может состоять из одной буквы А — это значит, что клиент отказался от услуг уже на этапе обращения в банк.

Пример уникальных слов процессов приведен в таблице:

Группа словКоличество процессовСредняя длина слова процессаВариация фактической длительности процесса
Grand Total223 187161.64
AD32 53822.02
BCED12 90752.48
BD8 855213.54
ABCED8 05362.23
ABCJK7 18361.18
ABCHF6 83662.30
BCJMK5 22361.08
BCF5 10841.14
BCJK3 98651.13
ACF3 81144.83

Справочник буквенных значений приведен в таблице:

БукваЗначение
AКлиент найден
BПередать в процессинг
СПроцессинг проверка
DОтказ клиента до принятия решения
EПриостановка: запрошена документация
FОтказ банка
GДоработка: возврат

В общем виде, алгоритм Process Mining в «Росбанк Дом» состоит из следующих этапов:

  1. Подготовка данных к анализу: включает фиксацию этапов кредитного дела, сбор и консолидацию данных.
  2. Разведочный анализ на основе первичной оценки.
  3. Выявление проблемных зон процессов.
  4. Интеграция и кастомизация: формирование дальнейших шагов.
  5. Анализ, выводы, прогнозы.

Результаты и выводы

В результате проведения Process Mining в «Росбанк Дом» были получены следующие результаты:

  1. Выявление 15 000 уникальных слов процесса на основе анализа базы из 170 000 кредитных дел. Вывод: уникальность слов процесса увеличивает время процесса и затраты на него. Уникальность не позволяет в полной мере оптимизировать процессы, упрощать или отказываться от каких-либо промежуточных этапов рассмотрения заявки.

  2. Медианная длительность отказов клиентов еще до вынесения решения в несколько раз меньше медианной длительности одобрения. Вывод: необходимо ускорять процедуру принятия решений и увеличивать поток клиентов на входе воронки продаж. Например, за счет предварительного одобрения ипотечных продуктов.

  3. Наличие или отсутствие в кредитном деле маркетинговых предложений существенным образом влияет на вероятность выдачи. Например, конверсия ипотечного продукта без маркетинговых акций сотавляет 5%. Этот же продукт, но с опцией BiWeekly — платежом раз в 2 недели — уже имеет конверсию 40%. Маркетинговая опция «Назначь свою ставку» увеличивает конверсию стандартного кредитного продукта до 34%. Вывод: для увеличения вероятности выдачи необходимо корректировать продуктовую линейку и формировать маркетинговые предложения для каждого клиента.

  4. Зацикленность паттернов процесса рассмотрения заявки на ипотечное кредитования значительна, порой достигает трети длины пути. Вывод: для того, чтобы предоставить клиентам наилучший сервис необходимо убрать повторы событий при формировании клиентского досье. Например, запрашивать ряд документов и данных не напрямую у заемщика, а собирать их с помощью автоматизированных сервисов и баз. По предварительным оценках, устранение повторов событий может ускорить процесс рассмотрения заявок в 2.3 раза при совокупном снижении трудозатрат в 2.2 раза.

  5. Увеличение числа одновременно обрабатываемых заявок приводит к такому же возрастанию длительности обработки. Вывод: количество персонала не имеет реактивного запаса мощности. Необходимо формировать резерв трудовых ресурсов в высокий сезон.

  6. Выявление влияния отдельных параметров ипотечного кредитования на вероятность выдачи: непосредственно сам продукт, регион выдачи, срочность сделки, сложность процедуры сделки, уровень риска, количество андеррайтингов. Вывод: никакой отдельно взятый параметр не влияет на вероятность успешного завершения процесса. Это значит, что необходимо улучшать процесс ипотечного кредитования комплексно, а не уделять внимание одному отдельно взятому параметру.

Подробнее о результатах Process Mining в «Росбанк Дом» в выступлении Владимира Гридчина и Ольги Дмитриевой:

Если вы тоже хотите применять low-code платформу Loginom для решения задач бизнеса, свяжитесь с нами.

Другие материалы по теме:

Loginom: первые впечатления Владимир Гридчина

Low-code съедает рынок разработки

 

#кейс#оптимизация#кредитование#process mining#кейс LPM

Смотрите также