По автокредитам  По вкладам  По драг.металлам  По ипотеке  По картам  По кредитам МСБ  По переводам  По потреб.кредитам  По сейфингу
main pagee-mailsearch
Finnews.ru
Новости банков 1Новости банков 2Акции банковПубликацииКурсы ЦБ РФУслуги банковСправочнаяО FinNews.ru
Новости банков 1
 По автокредитам
 По вкладам
 По драг.металлам
 По ипотеке
 По картам
 По кредитам МСБ
 По переводам
 По потреб.кредитам
 По сейфингу
Новости банков 2
 По офисам
 По итогам
 По назначениям
 По рейтингам
 По фальши
 Пресс-релизы
 Все новости
 Поиск новости
Акции банков
 По автокредитам
 По банк.картам
 По депозитам
 По ипотеке
 По кредитам МСБ
 По потреб.кредитам
Публикации
 Макроэкономика
 Общество
 Степан Демура
 Интервью
 Банки
 Инвестиции
 Кредиты
 Личный опыт
 Рейтинг PR
Курсы ЦБ РФ
 Курсы валют сегодня
 Архив курсов валют
 Конвертер валют
Услуги банков
 Автокредиты
 Депозиты
 Драг.металлы
 Ипотека
 Курсы валют в банках
 Кредиты МСБ
 Потреб. кредиты
Справочная
 Банки
 Обменные пункты
 Поиск на PDA
 Небанковские кред.орг-и
О FinNews.ru
 Сервисы
 Реклама
 Вакансии
 Фотобанк
 Индекс настроений
 Индекс депозитов
 Форум
4.11.17/15:09
"Бинбанк" минимизирует звонки клиентам с "ранней" просрочкой благодаря искусственному интеллекту
ПАО "Бинбанк" (Москва) одним из первых на рынке внедрил технологии машинного обучения (метод искусственного интеллекта) в работе с просроченной задолженностью в розничном бизнесе, сообщила пресс-служба банка.

Перевод всего цикла разработки и внедрения моделей на машинное обучение позволит в 70% случаев избежать звонков клиентам на ранних стадиях просрочки без потери эффективности.

В ходе проекта специалисты "Бинбанка" используют принципиально новый подход – построение uplift-моделей, которые основываются на прогнозе реакции каждого клиента на конкретные действия в рамках взыскания. Это предоставляет беспрецедентные возможности для оптимизации процесса и позволяет определить лучший вариант взаимодействия с каждым заёмщиком. Для разработки моделей и анализа данных используется язык программирования Python.

"Uplift позволяет в большинстве случаев не беспокоить клиентов без необходимости. На основе статистики программа определяет, какие клиенты внесут очередной платёж по кредиту без дополнительных напоминаний. Также выявляются заёмщики, звонить которым в принципе бесполезно. Звонки будут поступать только тем клиентам, которым действительно необходимы напоминания и консультации", – рассказал заместитель руководителя блока рисков и комплаенса "Бинбанка" Вадим Ковалев.

Для оценки качества прогноза моделей применяется универсальная скоринговая метрика – коэффициент Gini. Первые результаты проекта показали существенный прирост качества в сравнении с используемыми ранее моделями на основе логистической регрессии: произошёл прирост коэффициента Gini с 65% до 88%.

"Банк высвобождает ресурсы, направляет их на действительно нужные коммуникации с клиентами, значительно повышая эффективность работы с просроченной задолженностью. Повышается эффективность самого процесса, снижаются издержки, улучшается платёжная дисциплина заёмщиков. Все это, по нашим оценкам, принесёт банку в 2018 году дополнительно 1 млрд рублей", – добавил Вадим Ковалев.

ПАО "Бинбанк" создано в 1993 году (лицензия № 2562). Уставный капитал банка составляет 12 229 701 400 рублей.

Источник:  Соб.инф.

Перейти на страницу:
Бинбанк (Калининград) 
Бинбанк (Санкт-Петербург) 
 Еще по теме:

© FinNews.ru    
О правилах использования материалов сайта www.finnews.ru смотрите на странице "Информация об авторских правах"

Информационное агентство "Шефа"
Свидетельство о регистрации СМИ: ИА №2-6119 от 4 сентября 2002 года. Выдано Северо-Западным окружным межрегиональным территориальным управлением министерства РФ по делам печати, телерадиовещания средств массовых коммуникаций

ипотека, ипотечный кредит, квартира в кредит, кредит под залог квартиры, кредит под недвижимость, кредит на покупку квартиры, вклады и депозиты, автокредит, автокредитование, автомобили Петербург, автомобиль в кредит, машина в кредит, потребительский кредит, кредиты малый и средний бизнес,

   Ссылки
   
   
Rambler's Top100 Яндекс.Метрика