Эффективность процесса выдачи кредитов напрямую зависит от качества и точности математических моделей, используемых для обеспечения работы кредитного конвейера. На вход соответствующей модели поступает обширный список параметров, характеризующих конкретного заемщика. Она оценивает, стоит выдавать кредит или нет: ее уверенность транслирует показатель на выходе — он может быть от 0 до 1. Результативность вывода во многом зависит от настройки самого алгоритма (структуры весов в признаках модели): она может подходить к оценке чересчур жестко, что снизит потенциальный доход банка. Или наоборот — будет излишне лояльной к негативным признакам, что может привести к росту объемов кредитных дефолтов. Платформа Polymatica ML может автоматизировать эти процессы. Она может отрегулировать веса параметров, провести дообучение модели на новых данных и дать оценку качеству ее работы. Также система позволяет упростить понимание математических моделей и с помощью графического интерфейса работать над качеством принятия решений.

На создание кредитного конвейера с нуля и «под ключ» на основе платформы Polymatica ML уходит несколько рабочих недель. Через внешний API система может подключаться к бюро кредитных историй, которое в свою очередь также осуществляет специфическую валидацию клиента. Также это позволяет поддерживать любой кастомный скрипт на языке Python или SQL, который требует дополнительной предобработки, агрегации пользователей и т. п. Выходные данные в этом случае будут отображены на дашбордах корпоративной системы бизнес-аналитики.

В ближайших планах — обеспечить интеграцию входов системы с любым ПО банка, ETL-системой, витриной данных или даже привычной таблицей Excel.

Источник: SL Soft