Ранее в скоринговых моделях Scorista использовала данные Бюро Кредитных историй, сайта судебных приставов и других открытых источников информации. Однако требования к точности кредитного скоринга растут вместе с учащением случаев мошенничества, кредитования по подложным документам и другим видам недобросовестного поведения клиента. В новой предиктивной модели, помимо всех этих данных, теперь используется огромный массив аудиторных данных, которыми обладает компания DCA. Это позволит существенно обогатить профиль потенциальных заемщиков, и как следствие, повысить качество и эффективность оценки, а главное – сократить число займов, взятых профессиональными кибер-мошенниками по подложным документам. Решение поможет МФО и банкам не только быстрее и качественнее вычислять мошенников и снижать свои риски, но и, в среднесрочной перспективе, может привести к снижению процентных ставок для благонадежных заемщиков.
Скоринг заемщика принимается на самом раннем этапе менее чем за минуту на основе анализа истории его поведения в Сети и большого количества фактов, накопленных на протяжении нескольких месяцев. Первый опыт показывает, что при использовании оценки, построенной на данных DCA, число займов, взятых по подложным документам, сокращается на 80%, а число заемщиков, которые заплатили менее суммы займа – на 20-30%. Помимо сокращения издержек и снижения рисков, новая модель является и инструментом повышения доходности: алгоритм выявляет не только заведомо неблагонадежных клиентов, но и увеличивает на 10-15% количество качественных заемщиков, которые ранее получали отказ.