В начале 2000-х в РФ появилось потребительское кредитование в его современном виде и стало развиваться фантастическими темпами. Вместе с его ростом не заставило себя ждать и повышение доли проблемной задолженности по ссудам. Банки стали разрабатывать или заимствовать у западных коллег методы по работе с ненадежными кредиторами и по предотвращению таких сделок. В связи с этим большое распространение получают системы скоринга (от англ. score - "счет"). По сути это анализ экономического поведения потенциального клиента (юридического или физического лица).
Первоначально инструментом скоринга являлось только анкетирование, благодаря которому можно было с небольшой долей уверенности судить, кредитоспособен ли клиент на данный момент. Однако, этот метод не учитывал психологических особенностей личности заемщика, что сильно усложняло прогнозирование его поведения в будущем, а значит и не давала точного ответа - вернет ли он заем. Методика скоринга быстро совершенствовалась, в первую очередь благодаря бурному развитию IT-технологий, которые сейчас позволяют автоматически анализировать огромные объемы данных. Также применение автоматических систем для анализа больших объемов информации сильно удешевляет процесс утверждения кандидата на получение денег от банка. ("Направление эволюции оценки розничных рисков", Черникова Л.И, Новичков Н.В., Фаизова Г.Р., текст научной статьи по специальности "Экономика и экономические науки", 2014). Пример анкеты, на основе которой пишется самообучающаяся программа с базой данных есть тут: https://cyberleninka.ru/article/v/razrabotka-avtomati.. .
Скоринг применяется также и для оценки платежеспособности предприятий. Например, широко используется анализ "градуса" публикаций о компании в СМИ и сети. Определенный бренд, чаще употребляемый в положительном контексте, будет иметь бОльшие шансы на получение ссуды. В совокупности с показателями отчетности компании это может сыграть существенную роль не только в принятии положительного решения о предоставлении кредита, но и повлиять на его размер и даже процентную ставку. Безусловно, что оценка риска банкротства и платежеспособности организации более трудоемка и сложна, чем таковая для частных лиц, поскольку зачастую использует методы математической статистики и анализа: https://cyberleninka.ru/article/v/sovremennye-metody-.. .
Для кредитных учреждений введение системы скоринга несет в себе лишь плюсы, но только если учреждение достаточно крупное. Более подробно об этом и о видах скоринга можно прочитать здесь: https://cyberleninka.ru/article/v/kreditnyy-skoring-k.. .
Однако, и у этих прекрасных и современных аналитических систем есть минусы (в первую очередь для клиентов). Например, существует опасность раскрытия тайны частной жизни - хотя банки и утверждают, что это не так. Нельзя полностью поручиться за каждого сотрудника, среди них вполне могут обнаружиться нечистоплотные, которые легко могут воспользоваться конфиденциальными данными и начать злоупотреблять доверием.
Вместе с этим, в последнее время скоринг из простой оценки предположительной кредитоспособности постепенно превращается в гибкий инструмент нейроэкономики, который позволяет понимать потенциальные возможности и прогнозировать финансовое поведение клиента. Такая задача стоит у так называемого "транзакционного скоринга". Предполагается создание психологического портрета клиента на основе анализа транзакций по его карте: https://rg.ru/2017/10/10/banki-budut-ocenivat-platezh.. .
Изучая вашу жизнь в соцсетях и других источниках, банки формируют своеобразный профайл, из которого можно сделать выводы о вашем привычном экономическом поведении. Определив ваши слабости, банк может использовать их в целях подбора индивидуального пакета услуг, заработав на этом (а вы, возможно, даже получите удовольствие, хотя и в кредит). Поэтому рекомендуем быть осторожным и не совершать необдуманных сделок, поддавшись на манипуляции маркетологов. Ведь по данным ВЦИОМ около 60% россиян имеют непогашенные кредиты (https://www.gazeta.ru/business/2017/11/20/10994738.sh..).
Весьма подробная (и довольно интересная) статья с примерами анализа Big Data и перспектив его внедрения в РФ: https://cyberleninka.ru/article/v/primenenie-innovats.. .
Ну и о мерах безопасности по работе в соцсетях мы уже писали здесь: https://vk.com/wall-119563192_649
