SAS Credit Scoring for Banking

Продукт
Разработчики: SAS Institute Inc. (САС Институт)
Отрасли: Финансовые услуги, инвестиции и аудит
Технологии: BI,  СУБД,  Учетные системы

SAS Credit Scoring for Banking – решение задачи кредитного скоринга для банков, включающее функционал по поддержанию всех необходимых процессов. В решение входят средства обработки и хранения информации, формированию витрин данных, широкий набор аналитических инструментов для построения и анализа моделей кредитного скоринга и обширная система отчетности для решения задач оценки работоспособности скоринговых моделей и состояния кредитного портфеля.

Описание

Инструментарий SAS Credit Scoring for Banking позволяет специалисту в области интеллектуального анализа данных создавать модели кредитного скоринга для потребительских кредитов, кредитных карт, овердрафтов, автомобильных, ипотечных и других кредитных продуктов. Скоринг направлен на решение различных задач от оценки вероятности дефолта клиента до определения стратегии работы коллекторского подразделения и создания рейтинговой системы в соответствии с рекомендациями Базельского комитета.

Основные общепринятые модели делятся на следующие типы, каждый из которых может быть реализован средствами SAS Credit Scoring for Banking:

  • Анкетный (заявочный) скоринг
  • Поведенческий скоринг
  • Коллекторский скоринг
  • Антимошеннический скоринг

Модели PD, LGD, CCF/EAD в соответствии с Advanced-IRB подходом Базельского комитета В основе любой прогнозирующей модели лежат данные, а от их качества напрямую зависит точность получаемых прогнозов. Это простое правило зачастую является ключом к построению стабильной и надежной модели. Чтобы решить возможные проблемы качества данных, а также максимально сократить затраты на их сбор и консолидацию, SAS Credit Scoring for Banking предлагает своим пользователям логическую структуру данных – DDS. Вся необходимая информация для DDS поступает из операционных систем, заявочных систем и прочих баз клиента через специальные процедуры ETL сбора, обработки и загрузки.

DDS представляет собой единый источник консолидированной информации, организованный в виде логической структуры данных. Такая организация позволяет использовать DDS в качестве надежной основы для построения решений SAS. В частности, это относится к формированию витрин данных для решения SAS Credit Scoring for Banking. Благодаря заранее определенным процедурам ETL , пользователю доступен удобный графический интерфейс создания выборки для моделирования, генерации переменных для исследования с заранее подготовленным списком наиболее часто используемых из них.

Для анализа данных и разработки моделей SAS Credit Scoring for Banking предлагает своим пользователям простой в использовании, но одновременно весьма гибкий и многофункциональный инструмент - SAS Enterprise Miner. SAS Enterprise Miner обладает интуитивно понятным графическим интерфейсом для создания проектов по data mining и моделированию.

При работе с SAS Enterprise Miner аналитик создает диаграммы, состоящие из источников данных, узлов обработки и указаний направления движения потока данных. Узлы обработки представляют собой готовые решения отдельных подзадач аналитика с возможностью настройки параметров и выбора алгоритмов. Все узлы разбиты на группы, составляющие логическую последовательность этапов разработки модели – SEMMA:

Помимо стандартных узлов SEMMA, в SAS Credit Scoring for Banking включены специальные узлы для разработки скоринговых карт:

Узел Interactive Grouping

Отбор переменных на основании расчета статистик Information Value или Gini на выбор аналитика Разбиение переменных на равные группы (Fine Classing) Оптимальное объединение групп и формирование конечных классов (Coarse Classing) при помощи деревьев решений Рассчет Information Value и Weight Of Evidence для групп переменных Возможность интерактивного изменения Fine Classing и Coarse Classing, ручной правки разбиения с мгновенным перерасчетом всех статистик


Узел Scorecard

Построение скоринговой карты с использованием логистической регрессии Возможность параметризованного шкалирования (калибровки) полученной скоринговой карты Подробная статистика и графики с оценками качества модели (Gini, AUROC, KS и др.), возможность выбора балла отсечения


Узел Reject Inference

Возможность проведения Reject Inference одним из 3-х методов на выбор аналитика Пользователям SAS Credit Scoring for Banking доступен широкий набор предустановленных отчетов валидации, автоматически обновляемых на регулярной основе. Для упрощения работы с отчетами, все ключевые показатели имеют настраиваемые цветовые индикаторы, показывающие насколько хорошо пройден тот или иной тест. Несмотря на то, что предустановленные отчеты уже содержат полноценную информацию о состоянии модели, пользователь имеет возможность добавления отчетов и расчета собственных статистик.

SAS Credit Scoring for Banking позволяет использовать методику чемпион-претендент для сравнения моделей на любую отчетную дату. Сравнение проводится как с использованием общей оценки работы модели, так и отдельно по каждому показателю на выбранную дату.

Каждый отчет содержит значения соответствующих статистик, цветовые индикаторы и настраиваемый набор графиков, отображая как статические значения параметров, так и динамику их изменения. Кроме того, SAS Credit Scoring for Banking позволяет проводить валидацию не только на всем портфеле, но и на любом его подсегменте при помощи задания бизнес-фильтров. Тем самым аналитик имеет возможность не только выявлять сильные и слабые стороны модели, но и изучать те сегменты клиентов, для которых она нуждается в корректировке.





Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2016 год
2017 год
2018 год
Текущий год

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2016 год
2017 год
2018 год
Текущий год

  Qlik (QlikTech) (65, 445)
  SAP SE (94, 309)
  Прогноз (36, 303)
  IBM (69, 290)
  Loginom Company (ранее BaseGroup Labs Аналитические технологии) (2, 226)
  Другие (826, 1126)

  БизнесАвтоматика НПЦ (1, 38)
  Qlik (QlikTech) (3, 29)
  SAP SE (9, 24)
  Oracle (5, 8)
  IBM (5, 7)
  Другие (44, 60)

  Объединенное кредитное бюро (ОКБ) (4, 13)
  Qlik (QlikTech) (4, 13)
  SAP SE (6, 12)
  IBM (7, 9)
  Novo BI (Ново Би Ай) (3, 8)
  Другие (34, 58)

  SAS Institute Inc. (САС Институт) (9, 13)
  SAP SE (6, 8)
  Qlik (QlikTech) (3, 4)
  Oracle (2, 4)
  БизнесАвтоматика НПЦ (1, 4)
  Другие (29, 32)

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2016 год
2017 год
2018 год
Текущий год

  QlikView - 394 (354, 40)
  Prognoz Platform - 294 (283, 11)
  Deductor - 225 (225, 0)
  IBM Cognos - 154 (58, 96)
  SAP BusinessObjects - 95 (46, 49)
  Другие 1176

  Visary (Визари АИС) - 38 (38, 0)
  QlikView - 21 (18, 3)
  Qlik Sense - 8 (8, 0)
  SAP BusinessObjects - 8 (2, 6)
  SAP NetWeaver Business Warehouse (SAP BW/4HANA) - 4 (4, 0)
  Другие 71

  Visary (Визари АИС) - 8 (8, 0)
  ОКБ: Скоринг Бюро - 8 (6, 2)
  QlikView - 7 (3, 4)
  Qlik Sense - 6 (6, 0)
  SAP Business Intelligence (SAP BI) - 4 (2, 2)
  Другие 71