РС разработал, апробировал и общую схему погашения потребительского кредита, которую впоследствии использовали многие банки. После совершения покупки клиенту в автоматическом режиме открывается банковский счет, затем ему по почте на дом приходит график, в котором расписаны все предстоящие выплаты. И каждый месяц присылаются уведомления, напоминающие о том, что до такого-то числа клиент должен разместить на своем счете в банке денежные средства в определенной сумме (причем сделать это он мог несколькими способами – почтой, через кассы банка, Сбербанка или любого другого банка). В указанные даты банк списывает со счета деньги для очередного погашения кредита. Для реализации вышеописанной схемы заемщику открываются два счета – ссудный (для учета задолженности) и текущий (для расчетов). На текущий счет клиент перечисляет деньги для очередной выплаты по кредиту. В установленную графиком дату эти деньги списываются банком с текущего счета и зачисляются на ссудный.
В целом банкам стало очевидно, что массовая выдача розничных кредитов:
• с одной стороны – отлаженная технология сродни конвейеру, что предполагает унифицированный в плане технологии подход к получению, оформлению и погашению кредита;
• с другой стороны – необходим персонифицированный подход к каждому заемщику с целью снижения рисков невозврата кредитов (или, глобально, – удержания процента невозврата в допустимых рамках).
Как совместить, казалось бы, такие взаимоисключающие подходы? Решение, как всегда, находится не сразу, а в процессе работы. Например, один из важных моментов выдачи кредита – расчет лимита кредита на данного заемщика. На начальном этапе РС работал по технологии, которая предполагала градацию лимитов. Сотрудник банка принимал кредитное решение, относя клиента к той или иной категории. Данная технология была оправдана на начальном этапе, пока скоринговая модель банка была недостаточно апробирована в условиях реального рынка. Но потом, когда были накоплены обширные статистические данные и благодаря им уточнена скоринговая модель, РС перешел к другой методике. Каждый конкретный кредит стал выдаваться на покупку конкретного товара конкретному клиенту с определенной суммой, которую тот согласен внести как первоначальный взнос. Именно эти три фактора – клиент, товар и первоначальный взнос – стали определять возможность выдачи кредита. Рассмотрев все данные в совокупности, банк, например, мог дать клиенту рекомендацию увеличить первоначальный платеж до определенного банком уровня. И если клиент выполнял это условие, банк выдавал кредит на покупку данного конкретного товара. Если же у клиента не было возможности увеличить первоначальный взнос, сотрудник банка помогал подобрать товар подешевле.
Именно в этот период впервые в банковском сообществе заговорили о технологиях скоринга, используемых банком для принятия решения о выдаче кредитов. И поначалу, как все новое, это было слово, которым сведущие пугали несведущих. Суть нового термина впоследствии оказалась довольно проста, а вот практика его использования – достаточно сложной, поскольку предполагала наличие обширной наработанной клиентской базы и правильное ее использование для принятия корректного и взвешенного кредитного решения. Суть скоринга: для каждого клиента, обратившегося за получением кредита, рассчитывается на основе его анкетных данных некий расчетный балл, и если цифра, посчитанная для данного клиента, выше критичной – кредит выдается, ниже – не выдается. Но в реальности, как всегда, все оказалось сложнее. Простой пример: клиент – дворник, а в графе «автомобиль» пишет «Мерседес-600», из чего очевидно, что клиент не вызывает доверия: либо он на самом деле никакой не дворник, либо у него нет иномарки. Возможности современных технологий позволяют ловить намного более тонкие вещи. К тому же у каждой определенной социальной категории свой диапазон зарплат, из которого они не выходят, и это тоже возможно отслеживать, имея обширную базу по клиентам. Кассир банка, операционист, инкассатор, вице-президент, начальник автоколонны – по всем категориям есть общепринятые зарплаты. Главные преимущества скоринга проявляются тогда, когда банк обладает обширной базой данных клиентов. Когда в базе уже сотни тысяч клиентов, то компьютер делает многоуровневое сравнение, и банк знает о новом потенциальном клиенте вполне достаточно, чтобы вынести взвешенное решение.