Mój kolejny artykuł chcę poświęcić roli analityki w całym procesie oceny ryzyka kredytowego klienta firmy telekomunikacyjnej – od momentu złożenia aplikacji aż do windykacji. Postaram się przedstawić, jakie wsparcie zapewnia analityka w każdym z etapów tego procesu, czego można od niej oczekiwać, aby zmaksymalizować efekty biznesowe.
Schemat prezentujący poszczególne etapy oceny ryzyka kredytowego można rozpisać w następujący sposób:
Weryfikacja tożsamości klienta
Pierwszym etapem jest aplikacja, czyli ocena nowego, potencjalnego (albo już istniejącego) klienta, który zgłasza chęć zakupu nowej (lub przedłużenia istniejącej) usługi lub sprzętu od operatora. Ocena powinna odbyć się pod kątem ryzyka potencjalnych nadużyć, po potwierdzeniu tożsamości i zdolności kredytowej aplikanta. Weryfikacja pod kątem potencjalnych nadużyć jak podawanie nieprawdziwej tożsamości w dużej mierze zależy od kanału sprzedaży. Innego rodzaju nadużyć operator może doświadczać w kanale fizycznym, takim jak POS, a innego w kanałach zdalnych. I właśnie kanały zdalne a w szczególności cyfrowe, stawiają poważne wyzwania przed operatorami. Udział podejrzanych zapytań w tym kanale znacznie przewyższa odsetek takich aplikacji w kanałach fizycznych. Operator powinien umieć weryfikować czy zapytanie jest przesłane przez bota, który ma na celu wyłudzenie drogiego sprzętu, czy przez człowieka. Dziś pomagają w tym specjalne aplikacje analityczne, które np. po ruchach myszki, tempie wypełniania pól w formularzu są w stanie ocenić z dużym prawdopodobieństwem, czy zgłoszenia dokonuje sprytny algorytm czy osoba fizyczna.
Skoring kredytowy
Następnym etapem jest ocena kredytowa osoby zgłaszającej się do operatora. W tym procesie pomocne są reguły analityczne oraz modele uczenia maszynowego, które na podstawie danych wewnętrznych operatora i z zewnętrznych baz są w stanie oszacować zdolność kredytową aplikanta np. w formie konkretnego skoringu punktowego. Modele mają tę przewagę nad prostymi regułami, że są w stanie „czuwać” i wykryć nowe zjawiska i zmienne, które różnicują zdolność kredytową oraz automatycznie zaimplementować tę informację do oceny ryzyka. Jeśli chodzi o źródła danych, z których korzysta operator, to zazwyczaj są to źródła wewnętrzne, jak historia regulacji zobowiązań danego klienta, oraz zewnętrzne bazy danych instytucji kredytowych, które gromadzą informacje o zobowiązaniach finansowych osób fizycznych i firm. Ciekawym i stosunkowo nowym źródłem danych dla operatorów są informacje pozyskiwane od banków na podstawie regulacji PSD2 - w formie „pre-skoringu” agregującego informacje bankowe albo też bezpośrednio w formie danych „surowych”.
Systemy wczesnego ostrzegania
Po pomyślnym zweryfikowaniu zgłoszenia, kolejnym etapem w procesie oceny ryzyka kredytowego jest stworzenie predykcyjnego systemu wczesnego ostrzegania wraz z ewentualną indywidualną oceną ryzyka dokonywaną przez analityka śledczego. Niektórzy operatorzy nie mają takiego etapu w swoim procesie i reagują dopiero w momencie pojawienia się problemów z płatnością, kierując klienta na ścieżkę ponagleniową. Główną ideą przyświecającą dodaniu takiego etapu w procesie oceny ryzyka jest zmiana z podejścia polegającego na alertowaniu problemów ex-post na predykcyjne podejście ex-ante i podjęcie działań na jak najwcześniejszym etapie całego procesu sprzedaży. Zadaniem predykcyjnego systemu wczesnego ostrzegania jest utworzenie reguł wspieranych przez modele AI/ML, które wskażą klientów, którzy mogą mieć wkrótce problemy z regulowaniem płatności w celu umożliwienia wcześniejszej interwencji operatora, zanim skieruje się klienta na ścieżkę ponagleniową, co powinno zaowocować większym prawdopodobieństwem spłaty albo zminimalizowaniem strat (np. ograniczenie możliwości podpisania aneksu z drogim telefonem). Bazując na dostępnych danych zewnętrznych (np. ratingi instytucji kredytowych, analiza sprawozdań finansowych, analiza sieci powiązań pomiędzy podmiotami) tworzy się reguły i modele cyklicznie monitorujące ryzyko kredytowe klientów i generuje odpowiednie alerty, jeżeli prawdopodobieństwo braku spłaty rośnie. Następnie wygenerowane alerty przesyła się do specjalnego narzędzia, w którym analityk kredytowy bada dany przypadek (np. poprzez analizę sieci powiązań z innymi podmiotami) i podejmuje decyzję, co do dalszego postępowania – propozycja działań restrukturyzacyjnych, ograniczenie/blokada możliwości kredytowych danego klienta, itd.
Ścieżka ponagleniowa
W przypadku, gdy klient nie reguluje swoich zobowiązań, kierowany jest na odpowiednią ścieżkę ponagleniową. Tutaj też możemy wspierać się analityką i dla każdego klienta dobrać optymalną ścieżkę ponagleniową zarówno pod kątem zwiększenia prawdopodobieństwa odzyskania należności, jak i kosztów operacyjnych związanych z ponaglaniem klienta. Jeżeli mówimy o optymalnej ścieżce ponagleniowej dla każdego pojedynczego klienta, oznacza to oczywiście istnienie wielu różnych ścieżek, którymi trzeba umieć zarządzać. Po pierwsze trzeba je stworzyć oraz nieustannie monitorować ich skuteczność i koszty z nimi związane – a jeżeli jest taka potrzeba, to skorygować. Po wtóre zarządzanie wielością ścieżek i śledzenie wędrówki klientów każdą z nich wymaga zastosowania algorytmów, które będą to monitorować zamiast „ręcznego sterowania”.
Windykacja
Ostatnim etapem jest windykacja i ewentualna sprzedaż długu wyspecjalizowanym podmiotom. Tutaj podobnie jak w przypadku etapu ponagleniowego istotnym zagadnieniem jest stworzenie i wybór odpowiedniej ścieżki windykacyjnej dla każdego z klientów. Kryteriami wyboru znowu będą przede wszystkim skuteczność danej ścieżki oraz koszty windykacji i znalezienie punktu maksymalizującego zysk operatora na podstawie tych dwóch głównych kryteriów. Kolejnym zastosowaniem analityki będzie odpowiednia wycena portfela złych wierzytelności, który jest sprzedawany firmom windykacyjnym.
W świetle obecnych wyzwań, przed którymi stają operatorzy komórkowi, takich jak przesuwanie wolumenu transakcji do kanałów cyfrowych, rozwijanie i udoskonalanie metod analitycznych wydaje się właściwym kierunkiem działań. Nawet niewielki ułamek lepiej rozpoznanych i zaklasyfikowanych klientów na etapie aplikacyjnym oznacza znacznie większą sprzedaż i większe przychody. Z kolei sprawniejsze wychwytywanie sygnałów świadczących o nadchodzących kłopotach finansowych klientów a także właściwe dopasowanie ścieżek ponagleniowych i windykacyjnych pozwoli na znaczną poprawę wskaźników złego długu.
