Технологии Microsoft для прогнозирования одобрения кредитов

3 минуты
Единственный независимый кредитный брокер в России, не аффилированный ни с одним банком, компания MoneyCare совместо с экспертами Columbus создала модель прогнозирования вероятности положительного ответа банка на запрос кредита на базе облачного сервиса Microsoft Azure Machine Learning.

Использование современных технологий позволит компании повысить конверсию кредитных заявок за счет сокращения количества анкетных данных до минимально необходимых и инструментов прогнозной аналитики.

Точное прогнозирование – ключевая ступень к успеху на финансовом рынке. Microsoft Azure Machine Learning предоставляет интерактивное визуальное рабочее пространство, упрощая создание, тестирование и, самое главное, развертывание для последующего использования моделей прогнозной аналитики,

— отмечает Татьяна Делягина, менеджер по продвижению Data Insight компании Microsoft.

На первом этап для MoneyCare экспертами практики информационно-аналитических систем консалтинговой компании Columbus был создан прототип классификатора в Azure Machine Learning. Используя такие методы машинного обучения, как дискриминантный анализ, регрессионный анализ, кластеризация, классификация на основе разделимости (SVM, ANN), а также алгоритмы сокращения размерности (PCA), прототип позволяет отобрать более 60% заявок на кредит с вероятностью одобрения более 80%.

Использование облачных решений позволяет быстро развернуть желаемую инфраструктуру с минимальными инвестициями. Облачные технологии открывают широкое поле для экспериментов и позволяют подбирать наиболее эффективные варианты самых инновационных решений. Например, использовать машинное обучение для прогнозирования, не вкладываясь в развитие вычислительных мощностей или аналитических инструментов,

— комментирует Евгений Лебедев, руководитель направления по развитию бизнеса облачных решений компании Columbus.

Второй частью проекта стало обучение сотрудников MoneyCare принципам работы и совместный воркшоп по совершенствованию прототипа. В этот этап вошло консультирование по настройке моделей в Azure Machine Learning, типовым задачам машинного обучения, а также определение следующих шагов по улучшению прототипа.

Несмотря на популярность темы, реализованных проектов по машинному обучению не так много. Во-первых, сказывается плохое качество исходных данных – информации, которая может быть использована для прогнозирования, зачастую просто нет. Вторая проблема – дефицит кадров. Можно спроектировать любой прототип, вопрос в том, кто его будет потом использовать. Нашей задачей было не просто создание модели прогнозирования при помощи средств машинного обучения - необходимо было обучить внутри заказчика специалиста Data Science, способного развивать модель, тестировать на ней новые гипотезы и адаптировать параметры к изменяющимся условиям внешней среды. Я думаю, у нас получилось,

— отмечает Роман Михайлов, директор практики информационно-аналитических систем компании Columbus.

Кредитный брокер MoneyCare был создан в 2013 году как проект торговой сети бытовой техники и электроники «Эксперт» для самостоятельного управления финансированием покупок клиентов, после того как выявилось, что ритейлер теряет до 25% всех клиентов, обратившихся за потребительским кредитом. Сейчас с платформой MoneyCare работают более 2000 партнеров, а текущий пул банков – это 90% рынка в целевых сегментах.

Успех компании напрямую связан с тем, какую выгоду мы приносим нашим партнерам. Выгоду по всем показателям – временным и финансовым. Использование инновационных технологий является основой для получения этой выгоды. Columbus помогли нам получить еще одно конкурентное преимущество на рынке. Спасибо!

— подводит итоги проекта Дмитрий Давыдов, директор по ИТ компании MoneyCare.