В портфеле минского разработчика «прорывных» решений для финансового сектора HiEnd Systems (HES) — ПО для автоматизации процесса кредитования, обработке платежей, антифрод-системы. Новый продукт компании — платформа GiniMachine, оценивающая кредитоспособность заёмщика на базе алгоритмов машинного обучения. Основатели проекта Дмитрий Долгоруков, Иван Коваленко и Юрий Зеленский расказали dev.by о применении технологических трендов в автоматизации бизнес-процессов в мире финансов.
Оценка кредитоспособности: от традиционных методов к ИИ
Проект GiniMachine зародился в декабре прошлого года и пока существует в рамках компании HES. На рынке он представлен чуть больше трёх месяцев и уже работает у первых клиентов за рубежом.
Опыт Ивана и Дмитрия в сфере финтеха и Юрия в машинном обучении трансформировался в продукт, лежащий на стыке этих направлений.
GiniMachine — это платформа оценки кредитоспособности заёмщика, построенная на базе алгоритмов машинного обучения. Система позволяет «бороться» с «плохими» кредитами и повышает доходность портфеля кредитора.
«За время работы в финтехе мы обнаружили ряд задач, с которыми сталкиваются как банки, так и небанковские кредитные организации. Одна из них — оценка кредитоспособности заёмщиков, — рассказывает Иван Коваленко. — Нередко для оценки кредитного рейтинга используются универсальные модели, а они заведомо уступают специализированным. Кроме того, для создания скоринговых моделей требуются квалифицированные специалисты и дорогостоящее ПО. А объём и разнообразие данных постоянно растут, как и скорость принятия кредитных решений. Использование машинного обучения и элементов ИИ позволяет решить эти проблемы».
По словам основателей проекта, необходимость классификации «плохих» и «хороших» заёмщиков существует с тех пор, как появились финансовые взаимоотношения между кредиторами и заемщиками.
«В силу того, что понятие скоринга появилось ещё в середине прошлого века, на рынке доминируют традиционные подходы вычисления кредитоспособности заёмщиков. А искусственный интеллект и машинное обучение использует узкий круг «продвинутых» мировых банков. Наша цель в том, чтобы небольшие кредитные организации, так же как и крупные банки, имели доступ к новейшим разработкам в финансовом секторе», — объясняет Дмитрий Долгоруков.
Будущее скоринга — большие данные и искусственный интеллект
Основатели GiniMachine говорят, что количество информации о клиентах, которую собирают банки и кредитные организации перед тем, как выдать кредит, растёт экспоненциально.
«Раньше информацию о клиенте получали из пары десятков вопросов анкеты, а сейчас — это сотни параметров, которые собирают из множества источников, таких как данные кредитных бюро, социальные сети. Фиксируются даже особенности поведения пользователя на сайте», — утверждают авторы проекта.
На принятие банком решения о выдаче кредита влияют не только социодемографические данные или место работы заёмщика, но и данные о его мобильных устройствах, времени заполнения анкеты и т.д.
«Сбор и обработка всех этих параметров стоят немалых денег. Но далеко не все они нужны при составлении успешной модели оценки кредитоспособности заёмщика. Одна из задач GiniMachine — определять, какие из параметров действительно важны, — рассказывает Иван Коваленко. — Важная особенность нашей платформы в том, что она умеет работать с «сырыми» данными. Как результат — полученная на выходе модель является уникальной для каждого клиента».
По словам собеседников, реакция рынка на продукт оказалась «на удивление благоприятной».
«Потенциальные заказчики с интересом восприняли разработку. Мы провели успешные пилотные проекты в нескольких странах, часть из которых уже конвертировалась в клиентов. Секрет успеха GiniMachine в том, что финансовые выгоды для клиента очевидны уже на этапе пилота», — добавляет Иван Коваленко.
Машинное обучение «с секретным соусом»
Решение GiniMachine основано на актуальных методах машинного обучения, дополненных набором эвристик и методологических находок. Оно позволяет строить скоринговые модели автономно, без привлечения экспертизы в области математической статистики и машинного обучения со стороны заказчика.
«На создание модели требуется всего несколько минут. Поэтому её можно перестраивать по мере накопления или устаревания исторических данных, при этом получая уникальные модели, адаптированные к определённой экономической ситуации и целевой аудитории», — поясняют авторы проекта.
Для построения скоринговых моделей применяется градиентный бустинг над решающими деревьями — аналог известного метода машинного обучения Random Forests.
«Архитектура решения позволяет работать практически с любым методом машинного обучения. Мы экспериментировали и с логистической, и с линейной регрессиями, методом опорных векторов. Изучаем возможность построения моделей на основе нейронных сетей. Каждый из этих методов имеет свои преимущества, но нам ещё предстоит подобрать для них секретный соус», — говорит Юрий Зеленский, экс-CTO Itransition.
Часть GiniMachine, связанная с ИИ, реализована на Python, а CRUD-модуль — на проверенной связке Java Spring, Hibernate, React.
«В рамках экосистемы Python созданы библиотеки, реализующие большинство современных методов машинного обучения. Они предоставляют удобные и удачно спроектированные инструменты для работы с данными: Scikit-learn, NumPy, Pandas, — рассказывает Юрий. — Интерактивные среды, как Jupyter (IPython), очень удобны для проведения исследовательских работ и обсуждения результатов исследований внутри команды. Зрелые библиотеки для визуализации данных — Matplotlib и ggplot (пришедший из экосистемы языка R) — дополняют боевой набор практика Data Science».
Место белорусских финтех-стартапов в мире
По мнению Дмитрия Долгорукова, белорусские стартапы в области финтеха пока не достаточно заметны на мировом рынке.
«Многие стартапы в области финтеха занимаются либо платежами, либо управлением персональными финансами, либо программами лояльности. Эти темы существуют уже не первый год, в них представлены очень сильные игроки. Поэтому проекты с такими идеями могут рассчитывать на весьма небольшой кусочек в этом огромном пироге. А действительно прорывных идей пока совсем немного», — говорит Долгоруков.
Собеседники считают, что особый интерес для отечественных финтех-стартапов могут представлять блокчейн-технологии и искусственный интеллект для алгоритмической торговли и управления активами, решения в области страхования.
Также они верят в то, что расцвет белорусского финтеха ещё впереди.
«Есть ли рынок для GiniMachine в Беларуси? Конечно, есть. Более того, некоторые банки уже проявили интерес и сейчас проходит пилотный проект для одной организации. Уверен, после конференции желающих станет больше», — сказал Дмитрий Долгоруков.
GiniMachine — на «Цифровом банкинге-2017»
На конференции «Цифровой банкинг-2017», организованной Нацбанком Беларуси и Ассоциацией «Инфопарк», основатели GiniMachine подрообно расскажут о современных подходах, предсказывающих риск дефолта заёмщика.
Фото: Андрей Давыдчик, dev.by
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.