VÚB banka zväčšila potenciál predschválených úverov

Spoločnosť SAS pomáha banke oslovovať s ponukami pôžičiek významne vyššie percento klientov a zároveň tieto ponuky optimalizovať.

Jednou zo zásadných zmien, ktorou slovenský trh s bankovými produktmi v ostatných rokoch prešiel, bol výrazný nárast poskytnutých úverov. S nižšími úrokmi a lepšími možnosťami presnejšie vyhodnotiť bonitu klientov prišiel boom hypoték, spotrebných úverov aj kreditných kariet či debetov na bežnom účte.

Na základe predschválenej ponuky dnes niektoré bankové domy predávajú aj viac ako polovicu úverov, ktoré nie sú zabezpečené nehnuteľnosťou. To znamená, že banka na základe historických klientských dát aktívne oslovuje vybraných klientov s predschválenými ponukami, napríklad spotrebného úveru alebo kreditnej karty.

Banky majú takýto spôsob predaja rady. Keďže oslovujú klientov, ktorých poznajú, nejde obrazne povedané o jazdu so zaviazanými očami a podiel nesplácaných úverov z tohto segmentu je veľmi nízky. Navyše, predaj predschválených produktov je vo veľkej miere automatizovaný, takže nevyžaduje veľkú administratívu zo strany pracovníkov na pobočke ani samotných záujemcov.

„Snažíme sa využiť všetky dostupné dáta, ktoré o klientovi máme, aby sme určili jeho príjem.“

Branislav Mišík
Riaditeľ odboru politika a metodika
Úsek riadenia rizík
VÚB

Zväčšenie potenciálu

Typicky sa predschválené úvery ponúkajú klientom, ktorí majú v banke primárny účet. Na základe transakcií sa dá totiž bonita vyhodnotiť najľahšie. Množina takýchto zákazníkov je však obmedzená. Navyše, trh sa v ostatných rokoch saturoval a nová legislatíva sprísnila podmienky pre poskytovanie spotrebných úverov, čo postupne zmenšovalo skupinu klientov, ktorých banky vedia oslovovať.

VÚB banka narážala na rovnaký problém, preto začali jej manažéri uvažovať, ako by mohli bez zvýšenia rizík ponúkať predschválené úvery aj ľuďom, ktorí u nich nemajú primárny osobný účet, na ktorý im chodí mzda. A ako by v ideálnom prípade mohli zároveň zvýšiť predajnosť takýchto produktov optimalizáciou výšky ponúkaných úverových limitov.

Pomocnú ruku podala manažérom banky softvérová a poradenská spoločnosť SAS. Prišla so softvérovými nástrojmi a metodikou založenou na štatistických a matematických modeloch, ktoré dokážu na základe socio-demografických dát a správania sa klienta predpovedať jeho príjem.

„Snažíme sa využiť všetky dostupné dáta, ktoré o klientovi máme, aby sme určili jeho príjem,“ vysvetľuje Branislav Mišík, riaditel odboru politika a metodika na úseku riadenia rizík vo VÚB banke.

Magická analytická guľa

Princíp je zdanlivo jednoduchý. Vychádza z analýzy historických dát tisícov klientov, ktorým banka v minulosti preverila ich deklarovaný príjem. Sofistikované  matematické  modely potom dokážu pri zohľadnení desiatok vstupných parametrov odhadnúť s vysokou presnosťou príjem aj u klientov, ktorí v nej majú napríklad termínovaný vklad a nie bežný účet, na ktorý im chodí výplata.

VÚB banka tak dnes dokáže ponúkať predschválené úvery aj klientom, ktorí u nej nemajú osobný účet, čo jej okrem iného umožnilo rozšíriť bázu potenciálnych zákazníkov takmer o pätinu. „Vzhľadom na to, že naša pôvodná základňa bola veľmi veľká, ide o dobrý výsledok,“ podotýka B. Mišík.

Prirodzene, schopnosť predschvaľovať úvery pre viac potenciálnych klientov vyúsťuje aj do lepších obchodných výsledkov, hoci B. Mišík pripúšťa, že podiel z novo oslovených zákazníkov, ktorí na ponuky reagujú, je o čosi nižší ako spomedzi tých, ktorí majú vo VÚB banke primárne osobné účty. „Dôvod môže spočívať práve v tom, že pre nich nie sme primárna banka,“ uvažuje.

Dôležitý však nie je iba prírastok v predaných úveroch, ale tiež skutočnosť, že odhady príjmov sú veľmi presné. „Banka sa tak nevystavuje vyšším rizikám a nemusí zvyšovať náklady na takzvané opravné položky,“ pripomína druhú stranu mince pri predschvaľovaní úverov Ján Žilka, špecialista pre skóring úverových rizík.

Personalizácia ponúk

Druhým očakávaným prínosom projektu nazvaného vo VÚB banke Client Income Verification (CIV) bola optimalizácia výšky úverových rámcov. Cieľom bolo dosiahnuť, aby klienti nedostávali predschválené ponuky vo výškach, ktoré pre nich nie sú zaujímavé. Čiže laicky povedané, aby človek, ktorý môže mať záujem o kreditku s limitom tisíc eur, nedostával ponuky na 10-tisícový úver. Optimálna výška ponuky by mala mať pozitívny vplyv na šancu, že klient na ponuku bude reflektovať. „Celkovo sme na oddelení vytvorili 12 prediktívnych modelov pre rôzne úverové produkty, a tak sa naša schopnosť vytvoriť adekvátnu ponuku oproti súčasne používaným modelom významne zvýšila. Prínosom bolo aj naučenie sa nových modelárskych techník, ktoré využijeme i v iných projektoch a taktiež automatizácia tvorby ABT (Analytical Base Table),“ hovorí Peter Kertys, dátový analytik z oddelenia analýzy správania sa klienta a tvorby štatistických modelov.

Model určovania príjmov na základe sociologických, demografických a iných klientskych dát funguje v súčasnosti vo VÚB banke s vysokou presnosťou, to však neznamená, že ho netreba neustále overovať a prípadne vylepšovať. Platí pritom jednoduchá rovnica. „Čím viac dát o klientovi máme a čím viac o ňom vieme, tým je model presnejší,“ uzatvára B. Mišík.

Biznis problém

VÚB banke sa pod vplyvom saturovaného trhu a legislatívnych zmien zmenšovala množina klientov, ktorých dokázala bez zvýšenia rizík oslovovať s predschválenými ponukami úverových produktov ako sú spotrebné pôžičky či kreditné karty.

Riešenie

V spolupráci so softvérovou a poradenskou spoločnosťou SAS začala banka analyzovať všetky dostupné zákaznícke dáta, aby vedela určiť príjem aj u klientov, ktorí v nej nemajú otvorený bežný účet, respektíve ho aktívne nevyužívajú, a aby tak rozšírila bázu kontaktov pre kampane.

Výsledok

VÚB banka dokázala rozšíriť skupinu klientov, ktorých vie oslovovať s ponukami predschválených úverov, takmer o 20 percent. Zväčšenie bázy potenciálnych klientov má pozitívny dopad na predaj bez toho, aby sa banka vystavovala vyšším rizikám. Okrem toho analytika pomáha banke optimalizovať výšku ponúkaných úverov.

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.

Back to Top