Při práci v zákaznických segmentech retailu a SME je již běžná vysoká míra automatizace rozhodování, která se standardně realizuje použitím specifického druhu softwaru, obvykle nazývaného decision engine nebo business rules management system. Tato komponenta obdrží od spolupracujících informačních subsystémů soubor dat relevantních pro dané obchodní rozhodnutí, tato data podle nastavených a otestovaných pravidel vyhodnotí a provede rozhodnutí, která jsou pak propagována k dalšímu zpracování, typicky následným workflow systémem. I když se jedná o typický backend systém, nároky na něj jsou ovlivňovány současnými bankovními trendy definujícími vztahy mezi finanční institucí a jejím zákazníkem, včetně oblasti půjček.

Jednotné a transparentní rozhodování

V současné době se finanční instituce v oblasti úvěrů spíše než na akvizici nových zákazníků zaměřují mnohem výrazněji na vytěžování stávajícího zákaznického portfolia, kde pro predikci budoucího chování zákazníků mají obvykle k dispozici mnoho statisticky významných informací, jako jsou historie splácení předchozích úvěrů, průběh transakcí na běžných účtech, případně vazby mezi soukromým a firemním účtem nebo mezi členy rodiny. Toto ne zcela úplně platí pro nové hráče na úvěrovém trhu, kteří nedostatek interních portfoliových informací nahrazují vyšší mírou využití externích informačních zdrojů, zejména úvěrových registrů a jejich nadstavbových produktů, jako například statistický model predikující míru pravděpodobnosti nesplácení stávajících závazků v budoucím období.

Pro efektivní správu kreditního portfolia se decision engine využívá pro hromadné, obvykle dávkové kalkulace předschválených produktů, úvěrových limitů a nabídek příslušných k marketingovým kampaním. Decision engine musí umožnit business uživatelům what-if modelování kampaní a jejich vlivu na kvalitu portfolia, včetně možnosti trasování rozhodnutí přes jednotlivé kroky rozhodovací strategie (skórovací karty, vylučovací pravidla a podobně). Na základě monitoringu portfolia se také rozhoduje, zda je potřeba vůči příslušnému zákazníku učinit kroky snižující možnou budoucí ztrátu plynoucí z varovných signálů kalkulovaných nad produkčními daty (opožděné splátky úvěrů, pokusy o nadměrné zvýšení úvěrové angažovanosti, předluženost u ostatních finančních institucí a podobně). Z pohledu konzistence rozhodování je důležité, aby rozhodování nad portfoliem využívalo stejné objekty obchodní logiky jako rozhodování při procesech schvalování úvěrových žádostí, jako jsou například konzistentní kalkulace RPSN, rizikových tříd a podobně. V minulosti jsem se setkal s případem, kdy dva systémy v téže instituci vyhodnocovaly rizikovost totožného klienta nad stejnými daty různě jen proto, že použité vývojové frameworky implementovaly zaokrouhlování částečně odlišným způsobem.

Jednotnost rozhodování je klíčová také při holistickém přístupu ke klientovi, kde jsou úvěry a půjčky jen jednou součástí nabídky produktů a služeb nabízených finanční institucí klientovi – konstrukce produktů a kalkulace profitability modelu je zde výrazně komplexnější a komplikovanější. Všechna rozhodnutí pak musejí odpovídat standardům z oblastí účetnictví a auditu, kapitálové přiměřenosti, likvidity, zodpovědného zadlužování, informovanosti klienta a ochrany osobních údajů. Tyto regulatorní požadavky vyžadují zejména funkcionality automatické tvorby dokumentace, dohledatelnosti rozhodnutí a řízení přístupu k rozhodovacím algoritmům.

Mobilní přístup k úvěrům, klientská samoobsluha

Na rozdíl od komplexní, a tím také nákladné péče o dlouhodobé klienty se u obsluhy nových klientů, zejména u poskytování jednoduchých úvěrových produktů, jako jsou například kreditní karty, projevuje snaha o co nejnižší operační náklady vedoucí až ke snaze eliminovat účast bankovní pobočky a nabídnout produkty samoobslužně prostřednictvím elektronických obchodních kanálů, přes internetové bankovnictví nebo na mobilním telefonu. I když uživatelský komfort těchto platforem je spíše záležitostí frontendu, decision engine se využívá pro vyhodnocení specifických parametrů spojených s jednotlivými prodejními kanály. Typická úloha pro elektronické kanály je kvantifikace rizika podvodného (fraudového) chování při vzdálené transakci a zahrnutí vlastností prodejního kanálu do kalkulace kreditního rizika. Míru úvěrového rizika ovlivňují také prodejní kanály zapojující třetí strany, jako jsou dealeři automobilů prodávající leasingové produkty, prodejci bílé techniky poskytující spotřebitelské úvěry, případně agentské a brokerské organizace zprostředkovávající prodej finančních produktů mimo pobočky úvěrující organizace. Ohodnocení rizikovosti prodejního kanálu pak zahrne výpočetní model implementovaný v decision enginu do rozhodnutí o poskytnutí úvěru, případně o variabilních parametrech produktu, jako je například úroková míra (tzv. risk-based pricing).

Další požadavky na decision engine

Stávající trh hromadného úvěrování je velmi dynamický – do stávajícího silně konkurenčního prostředí vstupují noví tržní hráči, jako poskytovatelé krátkodobých půjček přes internet, telekomunikační firmy úvěrující mobilní telefony ve vlastní režii, případně služby cooperative lendingu. Manažeři úvěrových produktů a řízení kreditního rizika musí mít možnost okamžitě měnit parametry rozhodovacích modelů tak, aby dosahovali stanovených parametrů prodeje, profitability a nákladů na kreditní riziko. Nasazení úprav v obchodní logice musí být velmi rychlé, nelze čekat na obvyklé okno v release kalendáři ostatních IT systémů. Pro nasazení nové verze rozhodovací strategie do produkčního prostředí by neměla být nutná přímá součinnost IT administrace, business uživatel s příslušnými právy má možnost přímo měnit rozhodování i několikrát za den. Pro tuto flexibilitu musí být decision engine vybaven systémem řízení přístupových oprávnění a správou logů a reportů o změnách a nasazování nových strategií. V rozsáhlých společnostech holdingového typu by pak systém oprávnění měl umožňovat hierarchické sdílení objektů a řízení jejich užití. Například skóringová karta vyvinutá centrálním statistickým týmem musí být využívána všemi podřízenými finančními společnostmi a chová se jako blackbox – rozčlenění portfolia jednotlivých společností do rizikových skupin pak řídí logika specifická pro každou z nich, která respektuje akceptovatelnou míru rizika pro jednotlivé společnosti nezávisle.

Obvyklým požadavkem na decision engine je i možnosti ověřování hypotéz v praxi pomoci tzv. champion-challenger přístupu, kdy se v živém provozu předem definovaná část portfolia, obvykle definovaná podílem na celku v rozsahu jednotek procent, podrobuje alternativním rozhodovacím pravidlům (challenger). Po určité době se porovnají hodnoty klíčových výkonnostních indikátorů této skupiny s výsledky většiny zpracované stávající logikou (champion). V případě úspěchu hypotézy se pak challenger stává rozhodovací logikou pro většinu porfolia – novým šampionem. V případě rozsáhlých zákaznických portfolií by mělo být možno tímto způsobem testovat i několik rozhodovacích pravidel zároveň. Klíčovou potřebou pro management takového přístupu je pak výkonná reportovací a business intelligence platforma, která umožní jednotlivé KPI definovat a porovnávat.

Příklad uživatelského rozhraní pro definici obchodní logiky v decision enginu, včetně dynamické simulace chování portfolia

Správně nasazený a používaný nástroj pro řízení rozhodování – decision engine – umožní organizaci efektivně automatizovat rozhodnutí, získat kalkulace vedoucí ke konzistentnímu řízení úvěrového rizika a flexibilně reagovat na turbulence a nové požadavky trhu.

Pavel Ramert