Как визуализировать кредитную историю заёмщика. Кейс для одного из ведущих банков

В этой статье я хочу показать способ графического отображения кредитной истории заёмщика. Эта задача была успешно решена в рамках работы над интерфейсом системы обработки кредитных заявок для одного из крупнейших российских банков. Этот метод может пригодится и в других приложениях. Например, если пользователь сам оценивает свою кредитную историю.

Задача была поставлена в ходе проектирования интерфейса кредитного конвейера - большого внутри-банковского приложения для обработки кредитных заявок и принятия решений о выделении кредитов. По итогам проведения интервью с пользователями и изучения опыта использования существующих интерфейсов было выявлено одно из узких мест. Выяснилось что кредитные аналитики тратят много времени на анализ кредитной истории заявителя, представленной в виде большой таблицы и делают ошибки, что увеличивает затраты банка на рассмотрение кредитных заявок, и приводит к ухудшению анализа, (нежелательному отклонению качественных кредитных заявок и одобрению некачественных)

Я предложил добавить графическую визуализацию кредитной истории, чтобы сократить эти потери, сделать анализ кредитной истории удобнее и быстрее. Также это должно было улучшить автоматическую обработку заявок, потому что при уменьшении ошибок первичной обработки улучшаются показатели обучения автоматических алгоритмов (machine learning).

В процессе сбора первичной информации было выяснено, что пользователю важно быстро оценить следующие параметры кредитной истории:
1. Количество и характер просрочек. Были ли они, и если да то когда и какого характера. Например, говорят ли они о том что заемщик не пунктуальный (не критично) или же что он был не платежеспособным (критично).
2. Оценить размер текущей задолженности и отношение ее к общей сумме выплаченных до этого кредитов. Это дает понимание вероятности возврата кредита.
3. Оценить какую часть текущих кредитов заемщик уже погасил и какая осталась.
4. Оценить под какие проценты заемщик получал кредиты в прошлом. Что косвенно говорит о том, как оценивали риски при выдаче кредитов другие кредитные организации. Чем выше были проценты - тем меньше надежность заемщика.
5. Увидеть были ли досрочные погашения и в каком обьеме. Если были и слишком много - это повышает риски потерь прибыли для банка.
6. Оценить отношение кредитной нагрузки к текущему доходу

7. Быстро оценить тип кредитов которые брал заемщик в прошлом и имеет сейчас (с обеспечением/без обеспечения)

Я не нашел никаких похожих кейсов в открытом доступе. Никаких референсов и статей на тему подобной визуализации, нужно было изобрести все с нуля. В процессе проектирования я рассмотрел несколько подходов, и опробовал разные прототипы графического отображения информации до того как был найден оптимальный способ визуализации, решающий основные поставленные задачи.

Каждый кредит на графике отображается как совокупность ежемесячных платежей. Ярким синим цветом показаны предстоящие платежи, серым - погашенные. Если были просрочки - платеж подсвечивается красным, оранжевым и желтым цветом (в зависимости от длительности просрочки в днях). Площадь графика (сумма всех столбцов) показывает общий размер кредита - эта аналогия взята из математического анализа, где геометрический смысл интеграла - это площадь под графиком. Для стандартного кредита с аннуитетными платежами график выглядит как прямоугольник.

В первую очередь кредитному аналитику важно увидеть не сумму задолженности, а полную стоимость кредита, которую должен будет выплатить заемщик или уже выплатил. Так же очень важно быстро понять какую часть кредита заемщик уже погасил, что легко понятно по графику. Разбивка на проценты/основной долг в первом приближении не так важна, но важно под какой процент был взят каждый кредит - это видно по наклону линии, которая делит столбцы на основной долг/проценты.

На таком графике также хорошо видны суммы досрочных погашений. Дата платежа не очень важна, поэтому она не слишком акцентированна, но всегда видно насколько уменьшилась площадь фигуры.

В случае с кредитными картами график меняется. Платежи по ним, как правило, меняются каждый месяц, но их совокупный размер тоже можно визуально оценить. Будущие платежи по текущей задолженности по кредитным картам обычно выглядят как гипербола - платеж равномерно уменьшается и уходит в бесконечность.

Теперь остается просто поместить все кредиты пользователя на один график, выстроив по времени. Получившаяся картина полностью раскрывает основные параметры и в большинстве случаев позволяет понять самое главное за пару секунд.

Поначалу это смотрится непривычно, но при небольшом обучении все становится понятно. Как показал опыт внедрения, на освоение визуальной системы уходит не больше получаса и дальше кредитный аналитик уже понимает все с первого взгляда.

Для безопасного тестирования новой функции мы оставили в качестве базовой версии отображение данных в табличном виде, и добавили возможность переключиться на графики. Такой подход позволил протестировать новую функцию, получить обратную связь и улучшить интерфейс по результатам, но при этом не мешать традиционному процессу анализа, основанному на просмотре таблиц.

Большинство участников оценили интерфейс положительно, многие предложили сделать графический вид основным. Но также после нескольких тестов и вопросов от пользователей я получил важный инсайт и понял как можно улучшить интерфейс. Я предложил добавить на график линию общего платежа и линию дохода заемщика. Технически это было возможно сделать, потому что в другой части заявки уже была информация о доходе. У нас уже была шкала сумм и мы просто наложили эти линии поверх графиков.

Теперь стало видно соотношение совокупного платежа (красная линия) и дохода заемщика (зеленая линия), в том числе то, каким оно станет в случае одобрения заявки и выдачи нового кредита (фиолетовая линия)

Эту версию мы внедрили и протестировали несколько позже и получили еще более хороший фидбэк. Аналитик еще быстрее понимал основные параметры истории и во многих случаях видел причины поведения заемщика.

Внедрение данного графического отображения кредитной истории оказалось очень успешным. После ряда небольших доработок, сделанных по итогам тестовой эксплуатации, было внедрено для всех пользователей.

Конкретные показатели:

1. На 20-30% сократилось время, затраченное кредитным аналитиком, на одну заявку.

2. Уменьшилось количество ошибок. Аналитики перестали делать некоторые виды распространенных ошибок, на 15-20% сократилось число заявок, отправленных на пересмотр.

3. Как отдельный бонус, пользователи отметили что им стало проще отличить анкету одного заемщика от анкеты другого. Дело в том, что обычно аналитик открывает несколько кредитных заявок в разных окнах и потом вынужден прилагать усилия, чтобы отличать их друг от друга однотипные таблицы. С визуализацией это стало гораздо легче благодаря уникальному рисунку кредитной истории у каждого клиента.

После успешного запуска было решено внедрить инструмент в пользовательское приложение. Дать возможность клиенту банка оценить свою кредитную историю не только с помощью таблицы, но и в виде такого же графика. Это должно было не только улучшить пользовательский опыт, но и добавить уникальный для рынка инструмент в клиентское приложение, что будет полезно для выделения банка на рынке.

Спасибо за внимание