ООО "МДЦ - консалтинг"

Телефоны: +7 (495) 984 02 59

121165 г. Москва, Кутузовский проспект дом 26, стр.3

 
Функции
Спецификация

Главная » Продукты » Collect Advantage

Функции


 Обнаружение признаков мошеннических схем Обнаружение признаков мошеннических схем
Прогноз взыскания и оценка портфеля Прогноз взыскания и оценка портфеля

 
В отличие от традиционных систем анализа данных Collect Advantage не требует наличия математических навыков у пользователя. SAS, SPSS и другие популярные аналитические пакеты включают в себя множество инструментов глубокого анализа данных для ученых. В этом наш подход отличается: мы предоставляем лаконичное, легкое в освоении решение для вертикального рынка для ежедневного практического использования.


Нечеткие поисковые алгоритмы широко используются в Collect Advantage для поиска скрытых взаимосвязей между должниками. Эти взяимосвязи графически отображаются в дружественном пользователю интерфейсе.



Нечеткие правила широко используются для оценки рисков. Они естественно вписываются в систему анализа нечетких данных и эффективно использовать данные, полученные из алгоритмов поиска нечеткого текста.

Обнаружение признаков мошеннических схем

Легкие в использовании и эффективные средства для анализа рисков оптимизированы под работу с потребительскими кредитами и могут обнаруживать:
  • Признаки мошенничества
  • Признаки проблемного клиента
  • Операционные риски для погашения долга

Легкость в использовании:
  • В продукт включены сценарии анализа и ноу-хау, которые не требуют наличия у пользователя специальных навыков или глубоких знаний математики
  • Генерация понятных всеобъемлющих отчетов и выгрузка данных в плоскую таблицы
  • Правила обнаружения факторов риска основаны на понятной логике "ЕСЛИ ... ТО ..."
  • Использование единого файла для ввода данных: плоская таблица в текстовом (CSV) файле
  • Требуется минимальный набор данных для анализа и обучения, не требует дополнительных затрат на интеграцию
  • Может работать в пакетном режиме, например для планового мониторинга кредитного портфеля или для интеграции в процесс авторизации выдачи кредитов.

Одна из полезных функций модуля оценки факторов риска - формирование графиков взаимосвязей между должниками. Например, на следующем графике выявлены взаимосвязи между Кушнаревым Олегом Юрьевичем и Кушнаревым Сергеем Юрьевичем через фамилию и отчество (возможно, они братья), а также между несколькими другими заемщиками через домашний адрес и/или номера телефонов.

(Все ФИО вымышленные!)

 Эффективность
  • Механизм обнаружения признаков мошеннических схем и база знаний факторов рисков неплатежеспособности используют нечеткую логику, адаптирующуюся под входные данные
  • Для анализа используется поведенческая статистика
  • Анализ производится с точки зрения Коллектора (в отличии от традиционного подхода к анализу рисков, основанном в большинстве на демографической статистике)
  • Доступные информативные отчеты дают возможность досконального мониторинга рисков в различных аспектах

Результат
  • Легкие в понимании подробные отчеты: объективный и точный инструмент для принятия решений
  • Таблица должников для интеграции в IT инфраструктуру содержит детальные определения факторов риска и количественных показателей
  • Экономия рабочего времени на ежедневный анализ данных (более 100 человеко-часов на портфель из 1000 должников в сравнении с ручным анализом)
 

Прогноз взыскания


Легкий в использовании инструмент для точных прогнозов погашения задолженности и оценки малоперспективных кредитов:
  • Прогноз денежного потока по погашению кредитов
  • Сегментирование клиентов
  • Оценка долгового портфеля

Удобство использования
  • Запуск "одной кнопкой" не требует высокой квалификации от пользователя
  • Методика прогнозирования включена в состав продукта
  • Генерирует понятный всеобъемлющий отчет и плоскую таблицу выходных данных
  • Включает возможность настройки параметров прогнозирования и оценки потрфелей
  • Использует один файл на входе: плоскую таблицу в текстовом формате
  • Использует минимум данных для анализа и обучения, не предъявляя излишних требований к выгрузке данных

Нейронные сети работают эффективнее, когда входные данные являются не физическими величинами, а степенями принадлежности какому-либо классу. Это делает нечеткие множества идеальным методом предобработки данных.
Эффективность
  • В качестве механизма прогнозирования используется нейронная сеть
  • Входными данными для нейронной сети являются степени принадлежности к нечетким множествам
  • Применена инновационная математическая модель календарных денежных потоков от взыскания
  • Ошибки классификации в пределах 15%, ошибки в точности прогнозирования денежных потоков в пределах 10% для портфеля из 1000 должников

Результат
  • Информативный подробный отчет: наглядное представление информации для принятия решений
  • Таблица должников для интеграции в IT инфраструктуру содержит детальные определения факторов риска и количественных показателей
  • Календарный прогноз взыскания по каждому должнику, а также для всего кредитного портфеля
  • Выделение малоперспективных долгов из общего портфеля для продажи или передачи на аутсорсинг
  • Снижение затрат банка на управление портфелем потребительских кредитов
  • Дает возможность избавляться от малоперспективных долгов на ранней стадии
  • Позволяет сконцентрироваться на работе по взысканию перспективных долгов
 

 

 


 

 

 

ФИНАНСОВЫЙ МОНИТОРИНГ!
Закажите презентацию нашего нового программного продукта
AML ADVANTAGE
в Вашем Банке
по телефону
Представляем новый продукт
"Portfolio Advantage":
хранилище данных,
OLAP-отчеты,
скоринг, антифрод
для мониторинга портфеля
потребительских кредитов

География посетителей сайта

Locations of visitors to this page