Risikomanagement im Kreditgeschäft: Ein Interview mit Timur Bugaevskiy, Leiter des Data Science Lab

Wir freuen uns, Timur Bugaevskiy, den Leiter des Data Science Lab, einer Abteilung der Space Crew Finance Gruppe, heute als unseren besonderen Gast begrüßen zu dürfen. 

In diesem Interview werden wir erkunden, wie unsere Kreditgeber-Partner sorgfältig geeignete Kreditnehmer auswählen, welche innovativen Technologien sie einsetzen und warum Investitionen in das Kreditgeschäft selbst in Entwicklungsländern äußerst lukrativ sein können.

Hallo, Timur! Wir wissen Ihre Bereitschaft zu schätzen, Einblicke in das Risikomanagement zu geben. Könnten Sie bitte zu Beginn die wichtigsten Herausforderungen des Risikomanagements in der Kreditwirtschaft erläutern?

Hallo! Vielen Dank für das Gespräch. Ich bin immer gerne bereit, über meine Arbeit zu sprechen. Was unser Geschäft betrifft, so möchte ich die folgenden Herausforderungen skizzieren:

Erstens sind wir mit Betrug konfrontiert, der den unbefugten Zugriff auf Kundenkonten oder die Fälschung von Dokumenten beinhaltet. Auf die Maßnahmen, die wir ergriffen haben, um solche Vorfälle zu verhindern, werden wir im weiteren Verlauf unserer Diskussion eingehen.

Zweitens stehen wir vor der Herausforderung der Anpassung an Änderungen der Gesetzgebung und der Anwendungsanforderungen für Plattformen wie Play Market und App Store.

Eine weitere Herausforderung ergibt sich aus der begrenzten Verfügbarkeit von Daten für umfassende Kundenbonitätsprüfungen. Dazu gehört der eingeschränkte Zugang zu staatlichen Registern (z. B. Pässe, Einkommensdaten und Adressen) und zu Informationen von Kreditbüros für Finanzinstitute.

Außerdem schaffen negative Wahrnehmungen über Finanz- und Inkassounternehmen in der Öffentlichkeit die Illusion, dass Schulden nicht zurückgezahlt werden können.

Schließlich birgt das volatile Marktumfeld, das von Wettbewerbern, politischen Bedingungen und wirtschaftlichen Schwankungen beeinflusst wird, Risiken. Um diese Risiken effektiv zu managen, setzen wir auf stabile Produktbedingungen und wichtige Key Performance Indicators (KPIs), die die Grundlage für Scorecards bilden und uns erlauben, mit verschiedenen Ansätzen für Kreditentscheidungen zu experimentieren.

Die von Ihnen beschriebenen Punkte sind sehr beeindruckend! Könnten Sie bitte näher auf die Methoden und Instrumente eingehen, die Sie zur Bewertung und Verwaltung von Risiken in Ihren Unternehmen einsetzen?

Wir nutzen unsere umfassende Erfahrung auf verschiedenen Märkten wie der Ukraine, Vietnam, Sri Lanka und Polen, um Risiken schnell und effektiv zu bewerten. Auch wenn wir bei der Erschließung neuer Märkte auf Einschränkungen hinsichtlich quantitativer und statistischer Daten für die Analyse stoßen können, bauen wir unseren Kreditvergabeprozess auf den Erfahrungen anderer Länder auf. Darüber hinaus engagieren wir aktiv lokale Spezialisten, um länderspezifische Nuancen und Besonderheiten zu berücksichtigen.

Um unseren Fortschritt zu beschleunigen, suchen wir nach lokalen Outsourcing-Optionen für vorgefertigte und effiziente Modelle. Wir schließen Vereinbarungen mit Anbietern von Datenüberprüfungen ab, und zwar sowohl mit lokalen (z. B. Mobilfunkbetreibern und Zahlungsplattformen) als auch mit globalen (z. B. Überprüfung der Gültigkeit von E-Mails). Wir beginnen unsere Tätigkeit mit der Vergabe von Kleinkrediten mit manueller Prüfung. Durch kurze Kreditlaufzeiten sammeln wir schnell interne Statistiken, die es uns ermöglichen, unsere eigenen Scoring-Modelle für die Bewertung der Kreditnehmer zu entwickeln.

Unser Ziel ist es, ein Portfolio von zuverlässigen Kreditnehmern aufzubauen, wobei wir mit zinslosen Förderkrediten in geringer Höhe beginnen. Im Laufe der Zeit erhöhen wir schrittweise die Kreditsumme für Kunden mit einer positiven Zahlungshistorie. Gleichzeitig stärken wir die Kundenbindung, indem wir Boni und bequeme Umschuldungsmöglichkeiten anbieten.

Außerdem entwickeln und optimieren wir unsere Inkassostrategie durch das Know-how kompetenter Mitarbeiter kontinuierlich weiter.

Angenommen, ein potenzieller Kreditnehmer hat sich an Sie gewandt. Könnten Sie uns bitte den Prozess der Antragsprüfung im Detail erläutern?

Natürlich! Wenn es um die Prüfung des Antrags eines Kreditnehmers geht, haben wir ein umfassendes Verfahren eingerichtet, um eine gründliche Bewertung zu gewährleisten und Risiken zu mindern.

Hier ein Überblick über die einzelnen Schritte:

Wir beginnen mit der Online-Identifizierung, die eine Videoüberprüfung der Identität und der Dokumente des Kunden beinhaltet. Dieser Schritt stellt sicher, dass der Antrag vom Kunden persönlich ausgefüllt wird, wodurch das Risiko von Betrug durch gefälschte Dokumente oder gestohlene Identitäten verringert wird.

Als Nächstes prüfen wir den Antrag auf Übereinstimmung mit den öffentlichen Risikoanforderungen. Dazu gehören Faktoren wie das Alter des Kunden, sein Beschäftigungsstatus, das Fehlen von aktiven Krediten bei unserem Unternehmen und eine positive Kredithistorie für frühere Kredite.

Außerdem prüfen wir interne und externe Datenbanken, um negative Informationen oder Unstimmigkeiten zu ermitteln. Diese Prüfungen helfen uns, unzuverlässige Kreditnehmer auszuschließen und das Risiko betrügerischer Aktivitäten zu minimieren.

Um den Antrag weiter zu validieren,sammeln wir externe Daten aus verschiedenen Quellen, wie Kreditbüros, Mobilfunkbetreibern, Zahlungspartnern und Banken. Diese Daten liefern wertvolle Erkenntnisse über die Kreditwürdigkeit des Antragstellers und helfen uns, fundierte Entscheidungen zu treffen.

Wir verwenden ein Scoring-Verfahren, das auf einem mathematischen Modell basiert, um die Kreditwürdigkeit des Kunden zu bewerten und die Ausfallwahrscheinlichkeit des Kredits zu berechnen. Dies ermöglicht uns eine genaue Risikobewertung und die Festlegung geeigneter Kreditkonditionen.

Um Betrug zu verhindern, haben wir robuste Maßnahmen zur Betrugsbekämpfung eingeführt. Diese Maßnahmen umfassen Regeln und Kontrollen, um Betrugsversuche zu erkennen und zu verhindern, wie etwa die Verwendung echter Daten von kreditwürdigen Kunden in gefälschten Anträgen.

Außerdem haben wir Richtlinien für die Berechnung des Kundenbudgets und die Ermittlung des optimalen Kreditbetrags aufgestellt. Diese Richtlinien berücksichtigen verschiedene Faktoren, um eine verantwortungsvolle Kreditvergabe zu gewährleisten und Gegenangebote zu unterbreiten, die auf die finanzielle Situation des Kunden abgestimmt sind.

In bestimmten Fällen können wir auch ein manuelles Underwriting durchführen, das einen persönlichen Kontakt mit dem Kunden und relevanten Dritten beinhaltet (soweit gesetzlich zulässig). Auf diese Weise können wir zusätzliche Informationen einholen, die Beschäftigungsdaten überprüfen und die Richtigkeit der Antragsdaten sicherstellen.

Schließlich überprüfen wir die Inhaberschaft des Kontos, auf das der Kredit ausgezahlt wird. Dies kann durch automatisierte Tools oder eine manuelle Überprüfung durch unsere Underwriter erfolgen, um sicherzustellen, dass die Mittel an den vorgesehenen Empfänger weitergeleitet werden.

Durch dieses sorgfältige Prüfungsverfahren wollen wir fundierte und verantwortungsvolle Kreditentscheidungen treffen und gleichzeitig die mit Betrug und Zahlungsausfall verbundenen Risiken minimieren.

Welche Faktoren verwenden Sie, um das Risiko einer Kreditgenehmigung zu bestimmen?

Wir verwenden so viele Merkmale wie möglich, die die Zahlungsfähigkeit des Kunden beschreiben können. Eine entscheidende Rolle spielen dabei persönliche Informationen, einschließlich des Gehalts, sowie die Kreditgeschichte. Im Ergebnis verwenden wir Hunderte von Merkmalen, die mit Hilfe von maschinellem Lernen eine Vorhersage der Ertragswahrscheinlichkeit jedes Kredits erstellen.

Wie legen Sie die Kriterien für die Bewilligung eines Kredits fest?

Der Kreditgenehmigungsprozess besteht aus 2 Hauptkomponenten: Kundenüberprüfung und Bewertung der Kreditrückzahlung.

Die Kundenverifizierung umfasst eine Kombination aus automatisierten und manuellen Prüfungen, die von unserem Underwriting-Team durchgeführt werden. Der Grad der Automatisierung hängt von der Verfügbarkeit der offiziellen Daten ab. Je umfassender die Daten sind, desto höher ist der Automatisierungsgrad, den wir erreichen können.

Die Bewertung der Kreditrückzahlung hingegen ist vollständig automatisiert und stützt sich auf maschinelle Lernmodelle. Ziel ist es, ein Gleichgewicht zwischen der Maximierung des Kreditportfoliovolumens und der Minimierung von Zahlungsausfällen zu finden. Unsere maschinellen Lernmodelle spielen bei diesem Bewertungsprozess eine entscheidende Rolle.

Setzen Sie KI für die Bewertung und Kontrolle von Kreditrisiken ein? Wenn ja, können Sie uns konkrete Angaben machen?

Im Bereich des Verbraucherkreditrisikomanagements haben wir Techniken des maschinellen Lernens effektiv eingesetzt, um unsere Kreditentscheidungsprozesse zu verbessern. Dazu gehört die Entwicklung verschiedener Scoring-Modelle mit Python.

Außerdem nutzen wir die Möglichkeiten der Computer Vision für die Erkennung und Validierung von Dokumenten. Dazu gehört der automatische Vergleich von Gesichtsmerkmalen auf offiziellen Dokumenten mit entsprechenden Selfies.

Welche Methoden werden eingesetzt, um die Kreditwürdigkeit von Kreditnehmern zu bewerten?

Die Bonität von Kreditnehmern wird mit mehreren Methoden bewertet, u.a.:

• Default-Score-Modell: Wir verwenden ein Ausfallbewertungsmodell, das die Wahrscheinlichkeit bewertet, dass ein Kreditnehmer mit seinem Kredit in Verzug gerät.

• Kreditwürdigkeitsprüfungen: Wir führen Kreditwürdigkeitsprüfungen durch, sowohl innerhalb unserer Organisation als auch mit unseren Partnern, wann immer Credit Bureau Information (CBI) verfügbar ist.

• Berechnung der Kreditbelastung: Wir berechnen die Kreditbelastung des Kunden, indem wir Faktoren wie das Verhältnis von Zahlungen zu Einkommen (PTI) und Schulden zu Einkommen (DTI) berücksichtigen.

• Unterwriting: Unser Underwriting-Prozess beinhaltet eine gründliche Überprüfung der vom Kreditnehmer gemachten Angaben durch Gutachter.

Können Sie uns weitere Einblicke in das Underwriting und seine Rolle innerhalb Ihrer Prozesse geben?

Das Underwriting spielt eine wichtige Rolle in unserem Betrieb. Wir verwenden lokale Betriebseinheiten zur Überprüfung von Anträgen, insbesondere in Fällen, in denen die Entwicklung eines vollautomatischen Kreditentscheidungsprozesses nicht möglich ist oder manuelle Überprüfungen erforderlich sind, um Betrug zu verhindern und Anträge in der Grauzone zu behandeln. In solchen Fällen übernimmt das System die Berechnung des Kreditbetrags und die Bonitätsprüfung des Kunden.

Die Prüfer arbeiten auf der Grundlage der von unserem Risikosystem generierten Warnmeldungen. Ihr Fachwissen und ihre menschliche Logik sind von unschätzbarem Wert bei der Überprüfung der Kreditnehmerinformationen. Ihre Hauptaufgabe besteht darin, Kunden und relevante Dritte anzurufen, wobei sie die Datenschutzrichtlinien und -vorschriften für die Speicherung und Weitergabe von Kontaktdaten beachten. Ziel dieser Anrufe ist es, persönliche Daten wie Beschäftigungsdaten, Einkommensniveau und den Zweck des Kredits zu überprüfen.

In bestimmten Fällen sind die Underwriter aufgrund spezifischer lokaler Beschränkungen verpflichtet, den Underwriting-Prozess abzuschließen. So kann beispielsweise die Überprüfung eines handgeschriebenen srilankischen Ausweises in Sinaloa ein menschliches Eingreifen erfordern, da solche Dokumente nicht ohne weiteres mit automatischer Zeichenerkennung (OCR) verarbeitet werden können.

Diese Länder haben zwar keine spezifischen Anforderungen an das Risikomanagement, aber das Kreditrisiko wird indirekt durch gesetzliche Beschränkungen beeinflusst, wie z.B.:

• Lizenzierung: Bestimmte Zulassungsvorschriften wirken sich auf das Kreditrisikomanagement aus. Dazu gehören Zulassungsbeschränkungen für bestimmte Unternehmen wie Pfandhäuser und IT-Unternehmen, die ihren Zugang zu bestimmten Ressourcen einschränken.

• Zugang zu Kreditbüros: In diesen Ländern ist der Zugang zu Informationen von Kreditbüros in der Regel auf zugelassene Unternehmen und Banken beschränkt. Leihhäuser und IT-Unternehmen haben möglicherweise keinen Zugang zu diesen Informationen.

• Verbot von Anrufen durch Dritte: Rechtliche Beschränkungen können Anrufe bei Dritten zu Überprüfungszwecken verbieten, was sich auf die Wirksamkeit der Kreditrisikobewertung auswirken kann.

• Rate Cap: Es kann eine Zinsbegrenzung oder Zinsobergrenze bestehen, die sich auf das Gesamtkreditrisiko und die Kreditbedingungen auswirkt.

Wie gehen Sie mit Betrug um, und welche Arten von Betrug gibt es?

Betrug kann in interne und externe Betrugsfälle unterteilt werden, und wir setzen ein umfassendes Paket von Maßnahmen ein, um alle Formen von Betrug zu erkennen, zu bewerten und zu verhindern.

Bei internem Betrug geht es vor allem um den Verlust von Kundendatenbanken oder die Manipulation von Zahlungsdaten für finanzierte Kredite. Um internen Betrug zu verhindern, setzen wir folgende Maßnahmen ein:

• Nachkontrolle der Anträge durch eine unabhängige Einheit, die mit der Aufdeckung von internem Betrug bei den Prüfern beauftragt ist, mit spezifischen Key Performance Indicators (KPIs).

• Überwachung der KPIs der Prüfer, wobei extreme Werte wie übermäßig hohe Bewilligungsquoten, hohe Ausfallquoten, verpasste Anrufe bei Anträgen oder Ablehnungen kreditwürdiger Kunden genau verfolgt werden.

• Einsatz von Lügendetektortests während des Einstellungsverfahrens und in regelmäßigen Abständen während der Beschäftigung.

• Einschränkung des Herunterladens von Daten aus dem System und Einführung eines kontrollierten Zugangssystems für Berichte und Kundeninformationen.

• Verbot der Möglichkeit, Felder in Kreditanträgen zu bearbeiten, um sicherzustellen, dass nur Kunden ihre Zahlungsdaten ändern können.

Durch die Verteilung der Anträge an die Prüfer auf der Grundlage eines im System konfigurierten Algorithmus minimieren wir das Risiko von Absprachen zwischen Prüfern und Kunden zur Finanzierung betrügerischer Anträge.

Der externe Betrug ist vielfältiger, einfallsreicher und entwickelt sich ständig weiter. Zu den wichtigsten Arten des externen Betrugs gehören:

• Dokumentenfälschung und Kreditregistrierung auf der Grundlage gestohlener Dokumente.

• Identitätsdiebstahl, unbefugter Zugang zum Telefon oder Bankkonto eines Kunden und Bearbeitung von Krediten in dessen Namen.

• Falsche Vermittler, die Daten sammeln und Kredite gegen Provisionen vergeben, betrügerische Aktivitäten von Kreditnehmern und Veruntreuung von Kreditmitteln.

• Erstellung von Kreditanträgen durch Bots unter Verwendung gefälschter Dokumente.

• Um Betrug zu erkennen und zu verhindern, setzen wir die folgenden Strategien ein:

• Nutzung eines Systems von Risikoindikatoren, um die Ursachen für einen Anstieg oder einen starken Rückgang zu ermitteln.

• Aufmerksamkeit für Kundenbeschwerden über fiktive Kreditbearbeitung auf der Grundlage gestohlener oder verlorener Dokumente.

• Überwachung der Anzahl der Inkassoanrufe, da ein deutlicher Rückgang auf betrügerische Aktivitäten hinweisen kann, die eine gründliche Untersuchung erfordern.

• Austausch von Informationen über aufgedeckte Betrugsfälle mit Wettbewerbern und Aufbau wertvoller Partnerschaften in diesem Bereich.

Um Betrug zu verhindern, setzen wir folgende Maßnahmen ein:

• Einsatz von Gesichtsvergleichstechnologien zur Überprüfung der Echtheit von Dokumenten und zum Vergleich von Selfies, die den Anträgen beigefügt sind.

• Identifizierung identischer Gesichter mit unterschiedlichen Profilparametern.

• Erhalten von Negativinformationen über Kunden und Führen von Blacklists.

• Abgleich von Antragsdaten mit externen Quellen, einschließlich Kreditbüros, Datenbanken von Mobilfunkbetreibern und staatlichen Registern.

• Bereitstellung von Anweisungen, Schulungen und Workshops für Prüfer, um gefälschte Dokumente zu erkennen.

• Einbindung externer Spezialwerkzeuge zur Verbesserung der Betrugsprävention.

Was ist ein Risikomodell, und welche Einstellungen verwendet es?

Ein Risikomodell ist ein maschinelles Lernmodell, das die Wahrscheinlichkeit des Eintretens eines bestimmten Ereignisses berechnet. Im Zusammenhang mit der Bewertung des Kreditrisikos ist das gängigste Risikomodell das Kreditrisikomodell, das die Wahrscheinlichkeit des Ausfalls oder des Verzugs bei der Rückzahlung von Krediten durch Kunden vorhersagt. Diese Modelle stützen sich auf persönliche Daten und Informationen über das Kundenverhalten, um genaue Risikobewertungen vorzunehmen.

Klassische Eingabeparameter, die in Risikomodellen verwendet werden, sind:

• Personenbezogene Daten (wie Geschlecht, Alter, Beruf usw.)

• Details zum Antrag (z. B. Zeitpunkt des Antrags, beantragte Beträge, Darlehenslaufzeiten usw.)

• Kredithistorie (sowohl innerhalb unseres Dienstes als auch Informationen aus externen Quellen)

• Informationen aus Kunden-/Mobilsitzungen (Sprache, Bildschirmauflösung, Gerätetyp usw.)

• Zahlungsinformationen (Bankkontodaten, Informationen über elektronische Geldbörsen usw.)

• Informationen über verbundene Kunden

• Externe Dienstleistungen (externe Scores, Geräteinformationen, Versicherungsdaten, Präsenz in anderen Kreditunternehmen usw.)

Außerdem können Modelle auch zur Vorhersage anderer Kundenverhaltensweisen entwickelt werden. So lässt sich beispielsweise ermitteln, wie wahrscheinlich es ist, dass ein Kunde ohne Mahnung oder erst nach einem Inkassoanruf zahlt, oder ob es effektiver ist, den Kunden zu kontaktieren, bevor er sich entscheidet. Diese Modelle helfen bei der Optimierung der betrieblichen Abläufe im Unternehmen.

Im Allgemeinen hängt der Erfolg eines Risikomodellierungsprojekts von der Verfügbarkeit ausreichender, hochwertiger Daten und der Stabilität der Bedingungen ab, unter denen die Daten erhoben wurden. Dies umfasst die Stabilität des Marktumfelds, die gleichbleibenden Merkmale des Kreditprodukts und die Qualität des eingehenden Antragsstroms (einschließlich der Kanäle, die zur Kundengewinnung genutzt werden).

Wie oft wird das Risikomodell aktualisiert, basierend auf welchen Merkmalen?

Risikomodelle werden in der Regel regelmäßig aktualisiert, wobei die Intervalle zwischen 3-4 Monaten und 2 Jahren liegen. Die Entscheidung, ein Risikomodell zu aktualisieren, wird von mehreren Faktoren bestimmt.

Erstens berücksichtigen wir eine Verbesserung der Leistung. Aktualisierungen zielen darauf ab, die Leistung des Modells durch die Einbeziehung neuer Techniken, die Verfeinerung bestehender Algorithmen oder die Einführung fortgeschrittener Methoden zu verbessern, die die Genauigkeit und Vorhersagekraft erhöhen.

Zweitens wird die Relevanz für das Portfolio berücksichtigt. Wenn sich das Portfolio im Laufe der Zeit erheblich verändert hat, z. B. durch Veränderungen im Kundenverhalten oder in den Kreditmerkmalen, kann eine Aktualisierung erforderlich sein, um sicherzustellen, dass das Modell weiterhin an die sich entwickelnde Dynamik des Geschäfts angepasst ist.

Außerdem können Aktualisierungen durch Änderungen der eingehenden Daten ausgelöst werden. Das können Störungen bei externen Diensten sein, die Daten liefern, Änderungen bei der Kundenregistrierung oder die Verfügbarkeit neuer und wertvoller Kundendatenquellen, die bisher ungenutzt waren.

Außerdem können Aktualisierungen durch veränderte Geschäftsanforderungen veranlasst werden. Wenn das aktuelle Risikomodell nicht mehr den neuen Bedürfnissen oder Zielen des Unternehmens entspricht, ist eine Aktualisierung unumgänglich, um den sich entwickelnden Anforderungen gerecht zu werden und ein optimales Risikomanagement zu gewährleisten.

Indem wir diese Merkmale berücksichtigen und unsere Risikomodelle regelmäßig aktualisieren, sind wir bestrebt, ein Höchstmaß an Genauigkeit, Anpassungsfähigkeit und Effektivität in unseren Risikomanagementpraktiken zu gewährleisten.

Was sind die wichtigsten Risikomanagement-Kennzahlen im Kreditgeschäft?

Im Kreditgeschäft verwenden wir verschiedene Kennzahlen, um ein effektives Risikomanagement und eine verantwortungsvolle Kreditvergabe zu gewährleisten. Über unser automatisiertes Berichtssystem verfolgen wir mehrere wichtige Risikomanagement-Kennzahlen. Hier sind einige der wichtigsten Kennzahlen, die wir überwachen:

• Überführung vom Antrag zum Kredit: Diese Kennzahl misst die Rate, mit der Kreditanträge erfolgreich in genehmigte Kredite umgewandelt werden. Sie gibt Aufschluss über unsere Fähigkeit, potenzielle Kreditnehmer anzuziehen und umzuwandeln.

• Antragsschwellenwert: Wir verfolgen den Grad der Ablehnung von Anträgen in den verschiedenen Phasen der Überprüfung. Durch die Kategorisierung der Ablehnungsgründe erhalten wir wertvolle Informationen über die Qualität und Eignung der Bewerber.

• Genehmigungsgrad der manuellen Überprüfung: Diese Kennzahl berechnet den Prozentsatz der Anträge, die während des manuellen Überprüfungsprozesses genehmigt werden. Sie hilft uns, die Effektivität unserer manuellen Underwriting-Verfahren zu bewerten.

• Anteil der automatischen Entscheidungen: Wir untersuchen den Anteil der Entscheidungen, die von unserem System automatisch und ohne manuellen Eingriff getroffen werden. Diese Kennzahl spiegelt die Effizienz und Genauigkeit unseres automatisierten Entscheidungsprozesses wider.

• Durchschnittliche Prüfung von Krediten: Wir ermitteln die durchschnittliche Anzahl der Überprüfungen, die bei Krediten durchgeführt werden, einschließlich der Überprüfung von Daten, der Bonitätsprüfung und anderer relevanter Bewertungen. Diese Kennzahl gibt Aufschluss über den Grad der Sorgfaltspflicht, der bei Kreditanträgen angewandt wird.

• Rückstandsquote: Wir überwachen die Rückstandsquote in bestimmten Abständen nach dem geplanten Rückzahlungstermin, z. B. 1-30-60 Tage. Diese Kennzahl hilft uns, die Wirksamkeit unserer Inkasso- und Risikominderungsstrategien zu bewerten.

• Wiedereinziehungsgrad: Diese Kennzahl misst den Erfolg unserer Bemühungen bei der Einziehung ausstehender Kreditbeträge. Sie ermöglicht es uns, die Wirksamkeit unserer Inkassopraktiken und die Gesamteinziehungsquote zu bewerten.

• Rücklagenhöhe: Wir verfolgen die Höhe der für potenzielle Verluste gebildeten Rückstellungen. Diese Kennzahl stellt sicher, dass wir angemessene Rückstellungen bilden, um Risiken zu mindern und potenzielle Verluste aufzufangen.

• Betrugsbedingte Verluste: Wir quantifizieren die Höhe der durch betrügerische Aktivitäten entstandenen Verluste. Die Verfolgung dieser Kennzahl hilft uns, potenzielle Schwachstellen zu erkennen und Maßnahmen zur Betrugsprävention zu ergreifen.

• Höhe des verhinderten Betrugs: Wir berechnen den Wert der potenziellen Verluste, die durch die wirksame Verhinderung von Betrugsversuchen abgewendet wurden. Diese Kennzahl verdeutlicht die Bedeutung unserer Betrugsbekämpfungsmaßnahmen und ihre Auswirkungen auf den Schutz unserer Unternehmen und Kunden.

Diese Kennzahlen werden anhand verschiedener Ansätze analysiert, wobei Faktoren wie Kundentyp (Neu- oder Wiederholungskunden), Art des Kreditprodukts, Anzahl der abgeschlossenen Kredite pro Kreditnehmer sowie ursprünglicher und aktueller Kreditrückzahlungsplan berücksichtigt werden. Durch die Überwachung und Analyse dieser Risikomanagement-Kennzahlen können wir fundierte Entscheidungen treffen, unsere Prozesse optimieren und die Integrität und Stabilität unseres Kreditgeschäfts sicherstellen.

Welche Folgen hat die Nichteinhaltung von Risikovorschriften, und wie kann man ihnen begegnen?

Wenn die Risikoregeln nicht befolgt werden, kann dies schwerwiegende negative Folgen für das Unternehmen haben. Diese Folgen können verschiedene Szenarien auslösen, die sich auf unterschiedliche Aspekte auswirken:

• Betriebsrisiko: Fehler in den Prozessen, erhöhte Antragswarteschlangen, längere Entscheidungszeiten, die zu einer geringeren Umwandlung von Anträgen in Kredite führen, Verlust potenzieller Kunden, höhere Marketingkosten, falsche Kreditentscheidungen und die Herausgabe an Betrüger, um nur einige zu nennen.

• Kreditrisiko: Erhöhte Ausfallquoten, die eine potenzielle Bedrohung für die finanzielle Stabilität des Unternehmens darstellen.

• Finanzielles Risiko: Zusätzliche Vorbehalte und direkte Verluste für das Unternehmen.

• Reputationsrisiko: Kundenbeschwerden, einschließlich solcher, die bei Aufsichtsbehörden eingereicht werden, negative Pressestimmen und Imageschäden für das Unternehmen.

Um den Folgen der Nichteinhaltung von Risikoregeln zu begegnen, sollten folgende Schritte unternommen werden:

• Die Arbeit an Fehlerbehebungen und die zeitnahe Behebung von Problemen.

• Fehlerhafte Entscheidungen rigoros stoppen und die Finanzierung von Darlehen mit fehlerhaften Entscheidungen aussetzen.

• Nachbearbeitung von fehlerhaften Anträgen und spezielle Kommunikation mit Kunden (z.B. Promotionen, Schuldenerlass oder Umschuldung).

• Dokumentation und Beschreibung aller Änderungen, Führung eines Risikoprotokolls.

• Vorhersage der Auswirkungen von Änderungen durch Vergleich der tatsächlichen Risikowerte mit den prognostizierten Werten und Berücksichtigung ähnlicher Änderungen.

• Überwachung der Qualität und Stabilität von Risikobewertungsmodellen.

• Überwachung der Leistung externer Dienste, die Daten für die Überprüfung und Bewertung liefern, und Behebung etwaiger Fehlfunktionen.

• Suche nach und Verhandlung mit alternativen externen Datenanbietern, Einrichtung von Backup-Integrationen mit minimalem Anrufvolumen und der Fähigkeit zur Aufstockung für den Fall, dass die Dienste des Hauptanbieters nicht mehr verfügbar sind.

• Verkauf von Problemportfolios und Outsourcing von Inkassos.

• Durchsetzung von Sanktionen (Prämien, Entlassungen) für operative Mitarbeiter mit schlechter Leistung.

• Einbindung der Polizei in den Kampf gegen Betrüger.

• Einbindung von PR-Unternehmen zur Verbesserung der Kundenbindung.

Welche technologischen Innovationen können zur Verbesserung des Risikomanagements in Unternehmen beitragen?

Es gibt mehrere technologische Innovationen, die das Risikomanagement in unserem Unternehmen verbessern können. Dazu gehören:

• Fortgeschrittene Technologien zur Identifizierung von Kreditnehmern: Technologien wie Liveness Detection, Gesichtserkennung und Gesichtsabgleich werden bereits eingesetzt und weiter entwickelt. Diese Instrumente helfen bei der Überprüfung der Identität von Kreditnehmern und bei der Aufdeckung betrügerischer Aktivitäten wie Dokumentenfälschung. Es besteht jedoch ein Bedarf an kontinuierlicher Verbesserung und Kostenoptimierung, um die Prozesse bei der Aufnahme von Kunden zu rationalisieren.

• Big-Data-Analytik: Die Nutzung von Big Data zur Erstellung alternativer Scoring-Modelle kann bei der Bewertung der Kreditwürdigkeit von Kreditnehmern von Vorteil sein, insbesondere in Fällen, in denen der Zugang zu traditionellen Kredithistorien begrenzt ist. Die Analyse verschiedener Datenpunkte und -muster kann wertvolle Einblicke in das Finanzverhalten eines Kreditnehmers liefern und zu einer genaueren Risikobewertung beitragen.

• Transaktionsdatenanalyse: Die Entwicklung von Technologien im Rahmen von PSD 2 (Payment Services Directive) und PSD 3 hat Möglichkeiten zur Analyse von Transaktionsdaten auf Kundenkonten eröffnet. Diese Daten können wertvolle Informationen für das Risikomanagement liefern, indem sie die Identifizierung verdächtiger Aktivitäten, Frühwarnzeichen für potenzielle Zahlungsausfälle und eine verbesserte Betrugserkennung ermöglichen.

• Kollaborative Plattformen und Verbände: IIn Anbetracht des eingeschränkten Zugangs von Finanzunternehmen zu Kreditbüros hat sich die Einrichtung von Verbänden oder Kooperationsplattformen zwischen Partnerunternehmen auf dem Verbraucherkreditmarkt als vielversprechend erwiesen. Solche Initiativen erleichtern den Austausch von Informationen über negative Kreditgeschichten und betrügerische Daten und tragen so zur Risikominderung und zur Verbesserung der Risikomanagementpraktiken in der gesamten Branche bei.

Zusammenfassend lässt sich sagen, dass das Risikomanagement ein grundlegender Aspekt des Kreditgeschäfts ist. Vom Umgang mit Betrugsrisiken bis hin zur Anpassung an sich ändernde Vorschriften - unser Interview mit Timur Bugaevsky, Leiter des Data Science Lab, beleuchtet die verschiedenen Herausforderungen und Strategien.

Durch den Einsatz fortschrittlicher Technologien wie maschinelle Lernmodelle und Datenanalyse wollen wir genaue Kreditentscheidungen treffen, unsere Kunden schützen und den Gesamterfolg und die Nachhaltigkeit unseres Kreditgeschäfts sicherstellen. Mit einem starken Fokus auf das Risikomanagement sind wir bestrebt, eine sichere und vertrauenswürdige Plattform für Kreditnehmer und Investoren gleichermaßen anzubieten.