Pontos ügyfelek

Amikor a CIB Bank elindította a lakossági hitelezési rendszert, az ügyfelek hitelképességének a megállapítására egyszerű, "házilag", ám nem minden tapasztalat nélkül összeállított pontozási technikát alkalmazott. Ebben a szűrőrendszerben az összes olyan paramétereket állítottak be, amilyeneket a scoring rendszerekben általában felhasználnak - mutatott rá Csikós Csaba, a CIB lakossági hitelezési főosztályának vezetője a nem is olyan régmúlt banki egyenvilágára. A szakember szerint e paraméterek - például családi állapot, életkor, jövedelem - a legszignifikánsabban jelölik, hogy valakiből jó adós lesz-e vagy rossz. E szempontokat akkoriban még nem súlyozták, hanem ha bizonyos számú paraméter nem felelt meg, elutasították, vagy egyedi eljárással hagyták jóvá a hitelkérelmet.

E pontozási rendszer kiválóan működött, csak egyetlen baja volt, nem lehetett vele eléggé differenciálni az ügyfélkört. Egyrészt kevés paraméterrel lehetett csak megállapítani, hogy valaki jó vagy nem jó adós, másrészt az adott hiteltermékekkel megcélzott, speciális ügyfélkörre kalibrált modellre lett volna szükség. Ez akkor derült ki, amikor a házon belüli elemzések során bizonyos paramétereknél a rossz adósok magas pontszámot kaptak. Érezhető volt tehát, hogy az egyenlő súlyokra osztott paraméterek vizsgálata nem teljesen megfelelő. Ez persze még távol állt attól, hogy a bank az egész rendszert rossznak minősítette volna; arról volt csak szó, hogy e pontozási szisztéma nem elég hatékony, mivel számos olyan kérelmezőt is elutasítottak, aki finomabb vizsgálattal jó adósnak bizonyult volna. Ugyanakkor bizonyos rosszabbodás is megfigyelhető volt a portfolióban.

Amikor felmerült az igény egy rugalmasabb scoring rendszer iránt, a SAS már "bent volt" a bankban, ugyanis nem sokkal korábban a CIB a SAS rendszert kezdte használni monitoring és vezetői információs (MIS) célokra. Kézenfekvőnek bizonyult, hogy a hitelpontozásra is a szoftverház megoldását használják fel. Először a bank próbát tett egy korábbi folyószámlahiteles portfolión - ez a statisztikai modul bevezetése volt -, s miután ez megfelelt a várakozásoknak, 2001 júliusában megszületett a döntés a modell elkészítéséről a személyikölcsön-állományra is. A bevezetés eredményeként sikerült emelni a jóváhagyási állományt, s a bank kockázati alapú árazást is be tudott vezetni. Ez tavaly novemberben történt, idén januárban pedig elkészült a modell utánigazítása is. A modell fiatal portfolióban, kevés adatból épült a paraméterek átsúlyozásával, de már akkor kirajzolódtak a tendenciák - hangsúlyozta Csikós Csaba.

A SAS-modell jóvoltából a hitelbírálatból a jövedelemfaktort akár ki is lehet kapcsolni, ennek szerepét a többi paraméter veszi át; ekkor lényegében azt figyelik, ezekben milyen mértékben dúsul fel a rosszak aránya. E módszerrel a hitelkártya-igényléskor csak megbecsülik az ügyfél kereseti viszonyait, a hitelképesség kiderülhet a demográfiai paraméterekből is. A paraméterekből felépülő scorecardok egyébként egy adott társadalmi rétegre készülnek; ha a bankban e rétegtől lefelé vagy felfelé eltérő, nagy számú ügyfélkör jelenik meg, a modell már nem szűr pontosan. E jelenség kiküszöbölése érdekében folyamatosan figyelni kell az adott populáció stabilitását, s minden hónapban hozzámérni ahhoz a mintához, amelyen a pontozási rendszert kifejlesztették. A pontsávonkénti eltéréseket populációs stabilitási indexben fejezik ki, s ha ez eltér a bank által megállapított benchmarktól, meg kell nézni, melyek azok a paraméterek, amelyek alapján az ügyfelek az átlagnál magasabb vagy alacsonyabb pontszámot kapnak. Egyhavi eltérés esetén még nincs különösebb ok az aggodalomra, de ha már három hónapon keresztül tér el jelentősen a populáció, kezelni kell a problémát. Ez vagy marketinggel történik, vagy az előminősítő paramétereken változtatnak - például minimum életkor, minimálisan elvárt jövedelem, stb. Ha ezek sem működnek, meg kell vizsgálni, hogy a scorecardon lehet-e változtatni valamit - ismertet meg a következő lépéssel Csikós Csaba.

Ha például a megcélzott rétegnél magasabb átlagjövedelmű ügyfelek áramlanak be, még önmagában véve nem rossz, hiszen ezek az emberek átlagban jobban fizetnek; problémát okozhat viszont a fizetési hajlandóság. Ha ezeket az embereket olyan scoring modellel mérik, amely alacsonyabb jövedelmű rétegre van kalibrálva, előfordulhat, hogy közülük túl sok hitelkérelmét utasítják vissza. Ha egy banknak stabil az ügyfélköre, általában nem következik be olyan elmozdulás, amely stratégiaváltásra késztetné a pénzintézetet, például olyan helyeken kell fiókokat nyitni, amely addig meg sem fordult a vezetők fejében.

A SAS hitelpontozási megoldásával kapcsolatos konzultációt a KFKI ISYS végezte a SAS Enterprise Miner adatbányászati szoftvere segítségével, lehetővé téve ezzel a csoportképzést (interactive grouping node). A kezelőfelült felhasználóbarát, tehát a használónak nincs szüksége programozói ismeretekre. A hitelpontozási rendszer jóvoltából lényegében néhány ember rövid idő alatt központosítottan elbírálja az egész fiókhálózat hiteligényét. A tudományos alapokra helyezett pontozás és a centralizáció révén továbbá könnyebben ki lehet deríteni a problémákat - ecseteli a SAS-megoldás előnyeit Csikós Csaba.