В статье 159 Уголовного Кодекса РФ мошенничество определяется как «хищение чужого имущества или приобретение права на чужое имущество путем обмана или злоупотребления доверием». Казалось бы, вполне понятное определение, однако в банковской сфере мошенничество с целью получения кредита может быть как опасным, так и вполне приемлемым. К примеру, если клиент несколько «приукрасил» свои данные, чтобы получить нужную сумму, но вполне платежеспособен, банк на этом даже заработает.

Как говорит Виталий Угольков, руководитель направления по противодействию мошенничеству в SAS Россия и СНГ, в некотором общепринятом понимании к рискам кредитного мошенничества можно отнести кредиты с просроченной задолженностью свыше 90 дней, по которым отсутствуют платежи и контакты с заемщиком. В качестве примеров разнообразных финансовых преступлений в российских банках, которые привел Виталий Угольков, можно назвать не только аппликационное мошенничество (подача недостоверных данных при подаче заявки на кредит), но и незаконное обналичивание средств, мошенничество со вкладами, подмена активов, организованное мошенничество по схеме «крот», мошенничество в ДБО, карточное мошенничество.

Одна из основных задач банка — выявить мошенника как можно раньше, в идеале — еще на этапе подачи заявки на кредит. Тем не менее, если кредит уже выдан, то риски потенциального мошенничества могут быть обнаружены и на ранних стадиях в процессе постмониторинга.

По мнению экспертов, уровень потенциального мошенничества в банках может изменяться в зависимости от типа кредитного портфеля, то есть составляющих его продуктов. Кроме этого, важную роль играет готовность руководства организации вкладывать силы и средства в инструменты и технологии проактивного предотвращения рисков мошенничества. В зависимости от этих факторов уровень мошенничества может колебаться в пределах от 0,5–1%, что относительно приемлемо, до 2–3%, что требует повышенного внимания. А если этот уровень достигает 4% и выше, то требуются радикальные меры для снижения мошенничества.

В первую очередь необходима четкая стратегия, продуманная технология и корректные бизнес-процессы на всем предприятии. Затем нужна информационная система, которая позволит проводить расследования, исходя из фактических данных — это ключевой метод борьбы с мошенничеством на уровне организации.

Ключевой момент — обеспечение сбора данных в масштабах всего банка, их интеграции и очистки для обеспечения высокого качества данных

Какие технологические требования предъявляются к IT-решениям в данной сфере? Прежде всего, для построения любой прогнозной модели необходимы исторические данные. Как говорят в SAS, желательно, чтобы глубина данных достигала трех лет — это позволит построить достаточно точные модели для борьбы с мошенничеством. Следующий важный момент — возможность управлять уведомлениями, то есть обрабатывать уведомления о подозрительных операциях в реальном времени или в пакетном режиме по окончании операционного дня. Ключевой момент — обеспечение сбора данных в масштабах всего банка, их интеграции и очистки для обеспечения высокого качества данных. Немаловажным является также доступность создания и изменения моделей для бизнес-пользователей, а не только узкопрофильных IT-специалистов.

Среди технологических новинок последнего времени в области борьбы с аппликационным мошенничеством можно выделить, пожалуй, две — анализ социальных связей и применение биометрии. При этом анализ социальных связей не означает, что банк должен анализировать социальные сети вроде Facebook и Twitter. Речь идет о связях заемщика в реальном мире — кто его родственники и знакомые, не были ли они ранее замечены в мошенничестве и т.д. Прения о том, насколько этично использовать такие технологии, продолжаются, однако их уже тестируют некоторые кредитные бюро.

Самые очевидные данные клиентов, которые можно использовать для биометрического анализа, — фотографии. Банки уже и так фотографируют клиента при оформлении заявки на кредит, поэтому определенная база для анализа уже есть. Однако стоит оговориться, что системы для поиска мошенников по фото обладают специфическими требованиями к качеству фото, поэтому имеющиеся изображения не всегда подходят. Как объясняют эксперты, имеет значение не только разрешение фотографии, но и угол поворота головы. Анализ проводится по многим параметрам, начиная от расстояния между глазами. Между компаниями, разрабатывающими технологические решения для распознавания лиц, проводятся целые соревнования. Конечно, 100%-ная точность невозможна, но лучшие системы могут подойти к ней довольно близко.

Решения для распознавания лиц для борьбы с кредитным мошенничество пока нельзя назвать популярными, но их уже использует, например, Сбербанк в своей «кредитной фабрике». В других банках проводятся «пилоты». Чтобы показать их эффективность, представитель одной из технологических компаний рассказал «Б.О», что в результате в банке-партнере было уволено более 20 человек, связанных с мошенниками.