Всего новостей: 2318530, выбрано 1 за 0.004 с.

Новости. Обзор СМИ  Рубрикатор поиска + личные списки

?
?
?  
главное   даты  № 

Добавлено за Сортировать по дате публикации  | источнику  | номеру 

отмечено 0 новостей:
Избранное
Списков нет
Бессонов Сергей в отраслях: Финансы, банкивсе
Бессонов Сергей в отраслях: Финансы, банкивсе
Россия > Финансы, банки > gazeta.ru, 17 ноября 2016 > № 1975221 Сергей Бессонов

«Личность бизнесмена влияет на то, как обслуживаются кредитные обязательства»

Интервью с директором департамента кредитных продуктов и процессов Cбербанка Сергеем Бессоновым

Карина Романова

О том, как можно спрогнозировать банкротство или успешность малого предприятия, как оценивать заемщика при помощи автоматизированной системы и зачем изучать информацию из соцсетей для выдачи кредита малому предприятию, «Газете.Ru» рассказал директор департамента кредитных продуктов и процессов Сбербанка Сергей Бессонов.

— Недавно Сбербанк объявил о снижении ставок по кредитам для малого бизнеса. Какую долю на текущий момент занимают малые и средние предприятия (МСП) в общем объеме выданных Сбербанком кредитов?

— Общий объем кредитования МСП на 1 октября составлял 934 млрд руб. Если говорить о доле, то, учитывая, что корпоративный портфель Сбербанка оценивается примерно 11,5 трлн руб., она составляет порядка 8%.

— Как вы планируете изменять эту долю?

— У нас есть KPI для отдельных показателей по увеличению доли и абсолютного объема бизнеса, который был установлен в сентябре на наблюдательном совете банка. Там была поставлена цель прирасти в сегменте кредитования МСП за второе полугодие, то есть к портфелю на 1 июля 2016 года, на 50 млрд руб.

— Для чего вообще Сбербанку наращивать долю МСП? Это же далеко не самый популярный и прибыльный сегмент для банков.

— Мы видим здесь перспективы с точки зрения доли рынка. В среднем у Сбербанка доля рынка по кредитованию корпоративных клиентов составляет около 32,3%, но внутри, по сегментам, она очень неравномерная. Есть крупнейшие клиенты — это более 41% рынка, есть крупные и средние — около 22%, и есть малые — менее 12%.

Получается, что доля Сбербанка по малому и среднему бизнесу ниже средней доли банка в сегменте корпоративного кредитования в целом.

Поэтому мы, имея возможности, недостаточно работаем, недостаточно зарабатываем на этих клиентах. Но мы как раз и хотим увеличить объем бизнеса, долю присутствия на рынке малого бизнеса и тем самым получить дополнительный доход.

— Зарабатывать на сегменте МСП?..

— Это действительно наша цель, у нас есть расчеты и есть предыдущий опыт, которые показывают, что это делать можно.

— То есть это пока больше теория?

— Это теория и практика — и они подкреплены цифрами. Это не субъективное мнение. Для того чтобы увеличить долю рынка и попытаться на ней заработать, осенью мы предприняли ряд ключевых активностей, чтобы в ноябре-декабре обеспечить резкий прирост выдачи кредитов по сегменту МСП и получить ожидаемый экономический эффект.

— О каких активностях идет речь?

— Мы запустили новый проект, который мы называем смарт-кредит, основанный на интеллектуальной модели обработки данных, так называемых BigData. Порядка 50% малых предприятий имеют счета в Сбербанке, поэтому у нас накопился большой объем информации, какие они операции совершают, как проходят транзакции и так далее.

Мы посмотрели на ключевые факторы и сделали математическую модель, показывающую, при каком условии или сочетании факторов компании — потенциальные заемщики могли бы взять и с высокой степенью вероятности вернуть кредит с учетом процентов.

За счет этой модели, основанной на анализе транзакций, мы четко понимаем, что у нас есть запас по марже, который может покрыть теоретически возможные дефолты по кредитам.

Она же позволит снизить издержки на кредитование — по моим ожиданиям, снижение расходов банка в рамках технологии смарт-кредитов составит не меньше 30% от стандартной ситуации.

— Что вы имеете в виду под запасом по марже? Все-таки Центробанк не снижал ставки настолько ощутимо, чтобы подобное снижение ставок не шло за счет собственной прибыли банка.

— Все дело в стратегии банка. Есть высокомаржинальная, например, мы делаем маржу в два раза выше, но продаем кредитов в два раза меньше. Таким образом, абсолютная прибыль у нас получается, к примеру, 100 единиц. А есть другая стратегия: мы снижаем маржу, но продаем в два раза больше, за счет чего прибыль получается выше. В данном случае мы выбрали второй вариант — привлечь больший объем клиентов и существенно нарастить свой портфель по МСП.

Прогнозирование по транзакциям и не только

— Вы запустили смарт-кредиты в середине сентября, то есть ваш пилотный проект идет уже два месяца. Можете подвести какие-нибудь предварительные результаты? Теория заработала?

— У нас на начало ноября более 1000 кредитов, выданных по технологии смарт-кредитования, общим объемом более 2,5 млрд руб.

— 1000 — из какого числа сформированных предложений?

— Накопленным итогом у нас отправлено клиентам 28,7 тыс. предодобренных предложений, и мы продолжаем отправлять по 5–10 тыс. новых предложений еженедельно. Мы разбили общий «пул» рассчитанных предложений, которых около 100 тыс., по нескольким партиям, которые постепенно доводим до клиентов различными каналами (по SMS, через клиентских менеджеров), чтобы не получилось «бутылочного горлышка», когда клиенты придут за кредитами, а мы не сможем обработать все заявки.

Во второй этап пилотного проекта мы рассчитаем еще 100 тыс., доведя их общее количество до 200 тыс.

— Аналитические модели, правда для физических лиц, действуют уже несколько лет у немалого количества крупных игроков. Почему потребовалось столько времени на запуск пилотного проекта? Как отличается смарт-кредитование физических лиц от юридических?

— Я расскажу в общих чертах. Как работает модель? Мы взяли все обороты по расчетным счетам и разложили их на группы, на типы операций. Получилось, условно, 100 типов взаиморасчетов, которые может совершать владелец счета. Дальше мы уже посмотрели, какие взаиморасчеты делают те клиенты и как зависит финансовое состояние клиента от данных типов взаиморасчетов.

Наш риск-менеджмент определил статистически несколько десятков факторов, наличие которых позволяет с достаточно высокой точностью оценить вероятность невозврата кредита, связанного с финансовыми проблемами у заемщика.

Все то время, что мы вели подготовку к запуску проекта, мы накапливали информацию для того, чтобы выделить эти факторы. Потому что если говорить о предсказательной силе модели, то в качестве одного из факторов часто упоминается такой термин, как показатель Gini. Он показывает, насколько предсказательная сила модели выше, чем простое подбрасывание монетки, то есть фактически означает работу случайной модели. Вы же теоретически можете выдавать деньги просто подбрасывая монетку, по принципу дать или не дать. Показатель Gini подсказывает, насколько ваша модель прогнозирует будущее лучше, чем случайная модель.

Значения данного показателя для эффективных скоринговых моделей начинаются с 50–60%. То есть это не модель, которая на 50–60% права, это модель, которая на 50–60% лучше работает, чем просто случайный датчик.

— В случае с вашей моделью смарт-кредитования МСП хороший показатель — это как раз 50–60%?

Россия > Финансы, банки > gazeta.ru, 17 ноября 2016 > № 1975221 Сергей Бессонов


Нашли ошибку? Выделите фрагмент и нажмите Ctrl+Enter