Ежегодный межотраслевой слет по скорингу прошел в Москве 13 июля. В событии участвовали представители банков, IT-компаний и мобильных операторов. Наш человек на конференции – Павел Олифер, руководитель группы анализа данных в Eastwind, рассказал, какие тренды скоринга он почерпнул из докладов и как новые знания можно будет адаптировать для наших продуктов.
 
- Паша, какое общее впечатление от события?
 
- Мне понравилась организация мероприятия, качество аудитории и докладов. За один день осветили сорок тем. Это большой объем информации: обсуждали как технические, так и законодательные вещи. Были представители правительства, но, в основном, бизнес-аудитория. Я, конечно, с большим интересом слушал технические доклады: что другие компании делают в сфере машинного обучения.
 
-  Почерпнул что-то новое для себя?
 
-  В первую очередь, было приятно узнать, что мы в тренде. Я сравнивал технологии докладчиков с тем, как работает наш продукт Social Analytics – мы делаем то же самое. А где-то даже шагнули чуть вперед. Например, директор департамента моделирования рисков в Сбербанке Максим Еременко рассказывал, как у них устроена система проведения аналитических кейсов – мы работаем также. Тоже используем Hadoop кластер, язык программирования Python, движок вычислений Spark для процессинга данных. Еще говорили о важности регулярной оценки качества скоринговой модели – и мы уделяем этому большое внимание в работе. Даже отраслевым гигантам приходится втолковывать своим аналитикам: то, что работало сегодня, завтра может не работать. В общем, задачи и сложности у всех одни. Eastwind в этом потоке движется в правильном направлении.
 
- Кто еще из докладчиков запомнился?
 
- Евгений Виноградов из Яндекс.Деньги рассказывал про антифрод-скоринг. Было много банков и финансовых организаций, которые делились своим опытом. Мало кто, как Сбербанк, содержит штат аналитиков, многие используют для скоринга сторонние решения ИТ-компаний.
 
- Вроде Eastwind Social Analytics?
 
- Не совсем. Есть отдельный софт для скоринга. У нас же – это небольшой кусочек от большой платформы. Social Analytics дает более широкие возможности, чем просто скоринговую оценку. Продукт Eastwind можно использовать еще и для сбора и глубокого анализа больших объемов данных, проведения исследований клиентской базы, создания выборок и интеграции в маркетинговые процессы. При этом, у нас уже был опыт построения скоринговых моделей на базе платформы для телеком-операторов, банков и ритейла. И есть еще запросы от клиентов. Поэтому, в развитии Social Analytics мы рассматриваем возможность создания отдельного модуля для скоринга, который сможем поставлять как самостоятельный продукт.
 
- Побывав на конференции, какие технологии ты бы сделал обязательными для скорингового продукта Eastwind?     
 
- Конечно, можно сказать о точности анализа, разнообразии источников и технических инновациях. Но это и так должно быть, и в работе Social Analytics мы это реализуем. Поэтому, опираясь на впечатления от докладов, я отмечу обязательным условием скорингового продукта его удобство и простоту для пользователя. Внутри может быть зашита сложная аналитика, над который работают десятки человек. Но для того, кто запускает программу, должно быть интуитивно понятно, как это работает. Самый частый вопрос людей при скоринге: а почему мне отказали? Или почему кредит дали, но мало? Организации, предоставляющие займы, должны это объяснять и давать рекомендации: что нужно изменить для положительного результата.  Это основная проблема финансовой отрасли. Ведь, зачастую, даже сотрудники не понимают причину результатов оценки. Готовые платить кредит клиенты не довольны, а компания теряет прибыль. Скоринговые продукты нового поколения должны это исправить.