Гарантирование доходности при борьбе с розничным мошенничеством

Олег Брагинский, директор «Бюро Брагинского»

10 лет назад я вывел формулу антимошенничества при потребительском кредитовании, пришел с докладом на Правление банка и заявил, что значительно сокращу потери, сопряженные с выдачей банковских займов на площадках магазинов. Воцарилась мертвая тишина – коллеги привыкли к моим новациям, но это было уже слишком.

Меня деликатно попросили придерживаться фактов и изложить суть предложения. Вернемся в раннюю осень 2005 года. Техническое образование и кандидатская диссертация по искусственному интеллекту позволяли полагать, что я смогу запрограммировать процессы потребительского кредитования, юридическое – давало понимание проблемы хищения денежных средств путем обмана или злоупотребления доверием. Предстояло бороться с сознательным искажением истины и скрытным умолчанием фактов; предсказывать, предотвращать и минимизировать негативные последствия.

Признаком состоявшегося мошенничества предложил считать F2PD0B (First Two Payments Default Zero Balance – пропуск заемщиком двух первых платежей и нулевое состояние счета возврата займа). В тот момент времени F2PD0B равнялся ужасающим 21,6%. Справедливости ради следует отметить, что андеррайтинг, который я возглавлял, являлся причиной серьезных потерь, которые нес банк от галопирующих темпов потребительского кредитования. Разработанная мною технология позволяла принимать кредитные решения со скоростью 1/6 доля секунды.

Социальные связи и характеристики объектов реального мира лучше предсказывают платежную дисциплину, чем регрессии и корреляции

Я исходил из того, что, значительно сократив размеры кредитного конвейера – сотен специалистов, вручную исследующих анкеты и документы аппликантов, выдержу неизбежные потери от просачивающихся мошенников. Так и случилось, но спустя некоторое время коллеги решили, что следует сдерживать невозвраты в пределах 10% от кредитного портфеля. Применив методы анализа Big Data, моей команде удалось найти сотни закономерностей, которые мы не могли использовать в реальной жизни.

Безусловно, кое-что полезное мы нашли: оказалось, что хорошие заемщики берут потребительские кредиты в зоне, ограниченной трехкилометровым радиусом от мест проживания или работы, а беспросветное мошенничество начинается за пределами 12 километров. Но совокупность правил, подобных приведенному, опустила планку потерь лишь до 14,4%. К сожалению, отработка дальнейших гипотез, экспериментов, усложнения лишь ухудшили F2PD0B до 16%. Понятно, что с учетом масштабов бизнеса требовались кардинальные меры.

Мы запустили самообновляющиеся справочники, чтобы отслеживать неестественные завышения цен и появление нетипичных товаров; ввели показатели рисковости для регионов и городов, торговых сетей и отдельных магазинов, директоров торговых точек и агентов продаж кредитов, товарных брендов и моделей изделий. Через шесть месяцев борьбы F2PD0B составил 3,5%, но мы уже не могли остановиться.

Введя веб-фотографирование, стали измерять 11 показателей физиогномики, сопоставляя их с платежной дисциплиной. Были задействованы:

• расстояние между зрачками;
• соотношения высоты уровней прически надо лбом, бровей, ушей, глаз, кончика носа, рта;
• расстояние от междуглазья до экстремумов припухлостей на щеках и впадины подбородка.

Через 14 месяцев F2PD0B равнялся 1,8%, и счастью не было предела. Вдруг позвонил акционер, сказал «ты слишком консервативен, это мешает зарабатывать» и положил трубку. Я серьезно задумался: получается, увлекшись операционной деятельностью и совершенствованием математических алгоритмов, абсолютно забыл о прибыли, гарантирующей зарплату и бонусы. Решил проверить доходность портфеля при заказанных 10% дефолтности вместо достигнутых амбициозных 1,8%.

Акционер оказался прав: с водой оказался выплеснут ребенок. Уж не знаю, кто придумал уровень дефолтности в 10%, но он точно был неглуп – прибыльность колебалась в районе 31%, несмотря на потери. Внутренне сопротивляясь комплексу отличника, протестировал срабатывание разработанных правил противодействия мошенничеству. Рассматривал методы как сито, произвел полный перебор их очередности, но теперь не для принятия аргументированного решения, а для создания управляемого уровня отказов с прогнозируемым дефолтом.

Оказалось, злостных неплательщиков лучше отсекают «нелогичные» правила, в странных сочетаниях нетрактуемых последовательностей. Пытаясь добавить здравый смысл в рассуждения, мы с командой построили алгоритмы связывания аппликантов и поручителей в домохозяйства по месту проживания, родство по отчествам и предыдущим адресам, соседства по улицам и домам, рабочие коллективы по прежнему или текущему месту работы.

Выяснилось, что социальные связи и характеристики объектов реального мира лучше предсказывают платежную дисциплину, чем регрессии и корреляции. Мы стали рассчитывать депрессивность территорий, учитывая количество жителей, вузов, задолженность региона по зарплате, индекс потребительской активности, и вместо единого скоринга «на страну» перешли к уравнениям, покрывающим квадраты 50 на 50 километров.

Чем дальше мы уходили от математики, тем лучше становились результаты. Пришло время вспомнить азы юриспруденции. Мошенничество возможно, если человек воспользовался займом, не вносит в банк ежемесячные платежи, скрывается от службы напоминания о просрочке и стремится избежать ответственности за нанесенный ущерб. Только в таком случае мошенник может получить ограничивающий приговор суда.

Противодействие должно состоять из недопущения выдачи займа, контроля за платежами в банк и операциями по платежным картам, поиска альтернативных контактов или знающих негодяя лиц, привлечения преступника к ответственности в соответствии с законом. Предположил, что направлениями рассмотрения могут быть: аппликант, внутренний фрод, партнерская непорядочность и документы. В качестве мер противодействия мы выбрали верификацию, мониторинг, идентификацию, публичность, накопление информации и связывание данных.

Этапами предотвращения считали:
• оформление кредита в магазине;
• перевод денег торговой точке за товар;
• восстановление контактов скрывающихся личностей;
• манипуляции, наблюдаемые при противодействии коллекторам;
• сила доказательной базы при претензионной работе в судах.

Построили таблицы вероятности и доказуемости мошенничества при участии действующих лиц, имеющих отношение к тем или иным этапам соответствующих процессов (табл. 1).

Применив метод диаграмм Вейча (табл. 2), как нас учили на курсе «Прикладная теория цифровых автоматов», удалось вывести формулу мошенничества:
Fraud = (G) + (A x I + H) + (D) + (B x C + B x x K + B x J + C x J x K) + (M) + (N x A + N x D).

Также были разработаны таблица случаев доказуемого мошенничества (табл. 3) и таблица невозможного мошенничества (табл. 4). Во время демонстрации слайда теоретического обоснования формулы мошенничества на собрании правления в банке коллеги шептались и переглядывались, вероятно, рассуждая, что это очередная из моих причуд. Второй слайд изменил ситуацию: я показал решение суда о признании POS-агента виновным в совершении преступления и назначении наказания в виде:

• лишения свободы сроком на пять лет шесть месяцев с конфискацией лично принадлежавшего ему имущества, плюс
• лишения свободы сроком на два года, плюс
• арест сроком на четыре месяца.

В течение трех месяцев работы удалось получить 102 обвинительных приговора суда из 144 поданных на рассмотрение. Спросите любого юриста, и он подтвердит, как сложно доказать мошенничество в суде. Мы создали горячую линию поддержки и консультации судей, а также макросы, формирующие проекты приговора и разъяснения, с указанием на статьи и пункты законодательства.

В результате применения формулы антимошенничества мы научились управлять уровнем отказов и гарантировать его партнерам, стали банком первого выбора для потребителей и примером технологичности. Формула отлично работала до кризиса 2008 года, когда резко изменилось поведение потребителей, но это уже совсем другая история.