— Сергей, необходимость знать своего клиента — это, с одной стороны, требование регулятора, а с другой, потребность самого бизнеса. Что здесь первично?

Сергей Говоров: Вопрос интересный. С одной стороны, банк стремится максимально снизить риски и для этого старается собрать всю доступную информацию о клиенте. Но самому банку доступна только информация о транзакциях клиента. А вот Банк России обладает более полной информацией, потому что он видит все транзакции этого клиента и в других банках тоже. «Светофор» ЦБ дает банку дополнительную информацию и повод задуматься, что, возможно, он не знает чего-то, что известно Банку России.

Образно говоря, ЦБ подстраховывает банк. Если ЦБ считает клиента высокорисковым, а у банка другое мнение, то это для него повод взглянуть на такого клиента более внимательно и пересмотреть связанные с ним риски. Если же, наоборот, банк уверен, что мнение ЦБ ошибочно, то нужна дополнительная информация, для того чтобы «обелить» клиента банка. В обоих случаях никакие дополнительные сведения лишними не будут.

Схемы сомнительных операций постоянно модифицируются и усложняются. Многие из них реализуются одновременно в нескольких финансовых учреждениях. Уровень технической и правовой подготовленности организаторов сомнительных схем сейчас очень высок. Все это увеличивает финансовые и трудовые затраты банков, необходимые для поддержания на приемлемом уровне работу IT-систем и аналитику комплаенс-подразделений.

Сергей Говоров, советник председателя правления по информационным технологиям банка «Агророс». Фото: ПрограмБанк

Банк России накопил значительный опыт в выявлении и квалификации подозрительных операций в разных звеньях платежных цепочек. Информационно-аналитические возможности Банка России несоизмеримо выше одного отдельно взятого финансового института. В этом смысле инструментарий Банка России обладает высокими релевантностью и оперативностью и позволяет осуществлять мониторинг всего банковского сектора, выставляя объективные экспертные оценки характеру экономической деятельности тех или иных субъектов. Эти оценки, к слову сказать, подтверждаются банками в 99% случаев.

— Насколько гибкой должна быть система оценки клиентов с точки зрения поддержки изменений потребностей банков в части ЗСК/AML? 

Сергей Говоров: Практика показывает, что в саму методику оценки клиента изменения вносятся не очень часто. Как правило, изменения касаются критериев подозрительности операций. Это ситуация, когда платежи останавливает система AML для ручной верификации — там правила постоянно корректируется. И в этой части интереснее вопрос не столько про гибкость изменения правил в автоматизированной системе, сколько про соотношение ручного и автоматизированного труда. Ведь если система слишком жесткая, она будет выдавать на ручной контроль слишком много документов. Компромисс между жесткостью правил и количеством документов — это всегда творческий процесс: нужно поймать все подозрительные документы, и при этом их не должно быть слишком много, чтобы они не застопорили процессы AML и комплаенс-подразделений. 

— Конкретные модели ЗСК, которые сегодня создают банки, носят узконишевый характер. Но ведь задач, связанных с теми или иными оценками клиентов, у банков много, и при этом хочется минимизировать используемые программные средства. Как этого добиться?

Виталий Занин: Использовать такой программный продукт, который позволяет решать много задач. Например, «ПрограмБанк.KYC» — модуль анализа и оценки клиентов и потенциальных клиентов банка на основании принятых в банке методик. В нашей системе можно настроить много разных моделей, у каждой из которых своя задача, и каждая модель будет давать оценки исходя из этой собственной задачи. 

Например, одна модель оценивает клиента с точки зрения финмониторинга: насколько большие репутационные и регуляторные риски он создает для банка. Другая модель оценивает его как потенциального заемщика. Третья модель анализирует клиента с точки зрения предоставления ему банковской гарантии по определенному продукту для госзакупок в рамках некоторой программы и т.д.

Виталий Занин, директор по работе с клиентами и маркетингу компании «ПрограмБанк». Фото: ПрограмБанк

Одни модели могут быть применены только для действующих клиентов, поскольку они используют накопленную в банке информацию о тех операциях, которые проводит клиент: кому и за что он платит, от кого и за что получает деньги и т.д. Другие модели могут работать с неизвестным для банка лицом, так как они опираются на информацию, получаемую из внешних источников, и могут применяться, например, для принятия решения о целесообразности установления договорных отношений с этим лицом. 

— Количество моделей может наращиваться по мере возникновения у банка новых потребностей? 

Виталий Занин: Безусловно! Появляется новая задача — появляется и новая модель. Общее количество моделей не ограничено. При этом очень важно, что всем моделям доступна вся полнота информации, имеющаяся в банке, как во внутренних, так и во внешних источниках. И каждая модель может воспользоваться теми данными, которые ей нужны и которые доступны в зависимости от типа клиента: физлицо или юрлицо, действующий клиент банка или новый.

— Риски клиентов зачастую связаны с поведением их контрагентов. Можно ли в модели ЗСК учесть эти риски второго уровня?

Виталий Занин: Да, конечно. Система «ПрограмБанк.KYC» эти параметры учитывает. Наши модели опираются в своих расчетах на метрики. Метрика представляет собой характеристику клиента или его контрагента или конкретной операции. Она может быть простой, как, например, дата регистрации юридического лица. А может быть вычисляемой характеристикой: количество платежей или общая сумма платежей с назначением платежа, которое соответствует заданному шаблону. Иными словами, метрики могут подразумевать сложные вычисления. И эти метрики связываются с теми или иными свойствами контрагента. Например, мы получаем данные о том, что контрагент входит в какой-то черный список, и тогда включаются разнообразные метрики, которые оценивают клиента, например, с точки зрения того, какова доля операций с таким контрагентом.

Еще один пример — учет аффилированности. Мы можем точно узнать об аффилированности тех или иных лиц на основании данных, получаемых из внешних источников. Тогда негативную информацию о контрагенте из черного списка можно учесть при оценке нашего клиента. Но может быть и так: мы видим, что наш клиент «А» и наш клиент «Б» работают с примерно одинаковым кругом контрагентов, соответственно можно сделать предположение об их аффилированности. Вариантов учета связей клиентов и контрагентов много. 

— Для бизнес-оценок имеют значение не только текущие параметры, но и динамика их изменений во времени. Можно ли учесть в модели ЗСК эту динамику?

Виталий Занин: Да, можно. Это очень важный фактор для оценки клиентов. Нужно рассматривать этот вопрос с двух точек зрения. 

Во-первых, многие наши метрики стремятся обнаружить появление изменений в поведении клиента — например, резко выросла сумма операций определенного типа. То есть многие метрики выявляют изменение количества или общей суммы операций или количества контрагентов, по которым совершаются те или иные виды операций, в сравнении, например, с тем, что наблюдалось ранее.

Во-вторых, есть специальные возможности настраивать диаграммы в отчетах, направленных на анализ деятельности клиентов: можно включить произвольное количество диаграмм, а на каждой диаграмме произвольное количество графиков разных показателей. Это дает возможность увидеть, как менялся тот или иной показатель клиента во времени, и сравнить его с изменениями других показателей. Например, посмотреть, как менялись налоговая нагрузка, объем операций с физическими лицами и объемы некоторых специфических операций, например покупка продуктов питания.

Первый вариант анализа динамики характеристик клиентов предназначен для задач автоматического контроля, а второй ориентирован на задачи информационной поддержки ручного анализа клиента сотрудниками банка. И все это разноплановые задачи, которые решаются в рамках одной программной системы.