Скоринговые карты: Скоринговая карта · Loginom Wiki

Содержание

Скоринговая карта · Loginom Wiki

Разделы: Бизнес-задачи, Алгоритмы

Loginom: Логистическая регрессия (обработчик)

Решения: Loginom Scorecard Modeler

В области потребительского кредитования скоринговой картой называют набор характеристик (возраст, доход, профессия, стаж работы, наличие имущества и т.д.) потенциального заемщика и присваиваемых им весовых коэффициентов, выраженных в некоторой балльной шкале. Данные о заёмщике собираются из анкеты, в которой он сообщает о себе необходимые сведения, из бюро кредитных историй, с места работы и других источников. В результате обработки собранных сведений ему начисляется определенное количество скоринговых баллов.

В зависимости от числа набранных баллов рассчитывается максимальная сумма кредита, которую банк может предоставить заемщику с учётом рисков, связанных с его характеристиками.

Использование скоринговых карт является частью более общей методики оценивания кредитоспособности заёмщиков, называемой скоринговым моделированием, а их разработка производится на основе статистической обработки больших массивов исторических данных о кредитных прецедентах (погашенных и непогашенных кредитах).

Простой пример скоринговой карты представлен в таблице:

Показатель Значение показателя Скоринг-балл
Возраст До 30 лет
От 30 до 50 лет
Старше 50 лет
0
35
28
Образование Среднее
Среднее специальное
Высшее
0
29
35
Состоит ли в браке Да
Нет
25
0
Брал ли кредит ранее Да
Нет
41
0
Трудовой стаж Менее 1 года
От 1 до 5 лет
От 5 до 10 лет
Более 10 лет
0
19
24
31
Наличие авто Да
Нет
49
0
Возраст авто Менее 3 лет
От 3 до 7 лет
Старше 7 лет
45
25
0

Появление скоринговых карт связано с именем Д. Дюрана, который в 1941 году впервые применил методику классификации клиентов на «плохих» и «хороших». Дюран определил группы основных факторов, позволяющих оценить степень кредитного риска и коэффициенты, характеризующие кредитоспособность заёмщика.

На ранних этапах развития метода составление скоринговых карт производилось вручную. В настоящее время это делается в основном с помощью специализированных программных средств, широко представленных на рынке. Основным алгоритмом для расчета баллов скоринговых карт является логистическая регрессия.

Скоринговая карта — определения кредитных рисков

Является ли скоринговая карта инструментом пределения кредитных рисков? Этап оценки платежеспособности клиента достаточно трудоемкий и протяженный во времени.

Что такое скоринговая карта

Предварительная часть его заключается в определении самой возможности создания карты, формируются ее основные пункты и параметры: возможные исключения, цели, выборка и окна.

Следующий этап — оценка качества и количества данных. Скоринговая карта будет тем достовернее, чем более надежная и «чистая» информация (без повторов, пустых полей) будут использованы для ее построения.

Шкала итогов скоринговая карта

Размещение банками информации в единых хранилищах или серверах может значительно ускорить этот процесс.

Содержание сегодняшней статьи:

Типы данных

Данные для любой скоринг-модели можно разделить на две группы: информация, служащая для прогноза событий (неплатежеспособности, банкротства) и данные об уже состоявшемся событии.

Скоринг клиента банка

Это — две общие категории. В реальной банковской деятельности для разных целей используются разные типы данных: из одной или двух категорий. Данные собираются из нескольких источников.

Количество данных

Скоринговая карта должника использует данные о просрочках и отказах платежей, числом не менее двух тысяч записей. Поведенческие карты используют информацию обо всех платежах заемщика (клиента) формируя представление об его платежном поведении.

Карта потенциального претендента на кредит составляется, исходя из двух тысяч положительных и двух тысяч отрицательных записей — выборки из списка заемщиков, уже получивших кредит.

Составление карты скоринга на кредит в долларах

В целом, количество данных, собираемое для различных карт, может варьироваться, но необходимо, чтобы оно соответствовало требованиям статистического расчета и анализа. Практика показывает, что поиск отрицательных данных сложнее, чем положительных.

Достоверность информации

Данные, указанные в анкете соискателя, на поверку могут оказаться недостоверными (информация о семейном положении, доходе, постоянной работе и т. п.).

При этом информация из других, сторонних, источников (информация о движимом и недвижимом имуществе, отчетность по налогам) может быть более объективной.

Кредитный запрос

Банк вправе решать, какой именно информацией ему воспользоваться. Нередко случается, что «головные» отделения не доверяют информации, поступившей из филиалов и составляют скоринг-карты, руководствуясь лишь внутренней информацией.

Наличие данных

Использование различных, внутренних и внешних источников данных предпочтительнее, так как дает возможность получить более полную и объективную картину.

В большинстве крупных мировых банков такого рода информация хранится в цифровом (электронном) виде, и доступ к ней возможен в любое время из разных филиалов. В российском варианте заполнение баз данных выглядит, как заполнение клиентом бумажки-анкеты «вручную», после чего оператор, опять же — вручную, заносит данные в компьютер!

Такой подход крайне негативно сказывается на сроках исполнения и требует задействования новых ресурсов: технических и человеческих. Что интересно, подобная «бумажная» работа происходит не только в провинциальных филиалах, но и центральных отделениях.

Видио по теме

Как мы сократили время на разработку скоринговых моделей в пять раз, переключившись на Python

Сейчас все очень много говорят про искусственный интеллект и его применение во всех сферах работы компании. Однако есть некоторые области, где еще с давних времён главенствует один вид модели, так называемый «белый ящик» — логистическая регрессия. Одна из таких областей – банковский кредитный скоринг.


Для этого есть несколько причин:

  • Коэффициенты регрессии можно легко объяснить в отличие от «черных ящиков» вроде бустинга, куда может входить более 500 переменных
  • Машинное обучение всё еще не вызывает доверия у менеджмента из-за сложности в интерпретации моделей
  • Существуют неписанные требования регулятора к интепретируемости моделей: в любой момент, например, Центробанк может попросить объяснения — почему было отказано в кредите заемщику
  • Компании используют внешние data mining программы (например, rapid miner, SAS Enterprise Miner, STATISTICA или любой другой пакет), которые позволяют быстро научиться строить модели, даже не имея навыков программирования

Эти причины делают практически невозможным использование сложных моделей машинного обучения в некоторых сферах, поэтому важно уметь «выжимать максимум» из простой логистической регрессии, которую легко объяснить и интерпретировать.

В этом посте мы расскажем о том, как при построении скоринга мы отказались от внешних data mining пакетов в пользу open source решения в виде Python, увеличили скорость разработки в несколько раз, а также улучшили качество всех моделей.

Процесс построения скоринга


Классический процесс построения скоринговых моделей на регрессии выглядит так:

Он может меняться от компании к компании, но главные этапы остаются постоянными. Нам всегда необходимо производить биннинг переменных (в отличие от парадигмы машинного обучения, где в большинстве случаев нужно лишь категориальное кодирование), их отсев по Information Value (IV), и ручную выгрузку всех коэффициентов и бинов для последующей интеграции в DSL.
Такой подход к построению скоринговых карт отлично работал в 90-е, однако технологии классических data mining пакетов сильно устарели и не позволяют использовать новые методики, такие как, например, L2-регуляризация в регрессии, которые позволяют значительно улучшить качество моделей.

В один момент в качестве исследования мы решили воспроизвести все этапы, которые аналитики делают при построении скоринга, дополнить их знаниями Data Scientist’ов, а также максимально автоматизировать весь процесс.

Улучшение в Python


В качестве инструмента для разработки мы выбрали Python за его простоту и хорошие библиотеки, и начали воспроизводить все этапы по порядку.

Первым делом необходим сбор данных и генерация переменных – этот этап составляет значительную часть работы аналитиков.

В Python загрузить из базы собранные данные можно с помощью pymysql.

Код для загрузки из базы
def con():
    conn = pymysql.connect(
        host='10.100.10.100',
        port=3306,
        user='******* ',
        password='*****',
        db='mysql')
    return conn;

df = pd.read_sql('''
SELECT  * 
FROM idf_ru.data_for_scoring
''', con=con())


Далее мы заменяем редкие и пропущенные значения отдельной категорией для предотвращения ovefitting’а, выбираем целевую, удаляем лишние колонки, а также делим на трейн и тест.Подготовка данных
def filling(df):
    cat_vars = df.select_dtypes(include=[object]).columns
    num_vars = df.select_dtypes(include=[np.number]).columns
    df[cat_vars] = df[cat_vars].fillna('_MISSING_')
    df[num_vars] = df[num_vars].fillna(np.nan)
    return df

def replace_not_frequent(df, cols, perc_min=5, value_to_replace = "_ELSE_"):
        else_df = pd.DataFrame(columns=['var', 'list'])
        for i in cols:
            if i != 'date_requested' and i != 'credit_id':
                t = df[i].value_counts(normalize=True)
                q = list(t[t.values < perc_min/100].index)
                if q:
                    else_df = else_df.append(pd.DataFrame([[i, q]], columns=['var', 'list']))
                df.loc[df[i].value_counts(normalize=True)[df[i]].values < perc_min/100, i] =value_to_replace
        else_df = else_df.set_index('var')
        return df, else_df

cat_vars = df.select_dtypes(include=[object]).columns
df = filling(df)

df, else_df = replace_not_frequent_2(df, cat_vars)

df.drop(['credit_id', 'target_value', 'bor_credit_id', 'bchg_credit_id', 'last_credit_id', 'bcacr_credit_id',  'bor_bonuses_got' ], axis=1, inplace=True)

df_train, df_test, y_train, y_test = train_test_split(df, y, test_size=0.33, stratify=df.y, random_state=42)


Теперь начинается самой важный этап в скоринге для регресии – необходимо написать WOE-binning для числовых и категориальных переменных. В открытом доступе мы не нашли хороших и подходящих для нас вариантов и решили написать сами. За основу числового биннинга взяли эту статью 2017 года, а также эту, категориальный написали сами с нуля. Результаты получились впечатляющими (Gini на тесте поднимался на 3-5 по сравнению с алгоритмами биннинга внешних data mining программ).

После этого можно посмотреть на графиках или таблицах (которые мы потом запишем в excel), как переменные разбились по группам и проверить монотонность:

Отрисовка графиков бинов
def plot_bin(ev, for_excel=False):
    ind = np.arange(len(ev.index)) 
    width = 0.35
    fig, ax1 = plt.subplots(figsize=(10, 7))
    ax2 = ax1.twinx()
    p1 = ax1.bar(ind, ev['NONEVENT'], width, color=(24/254, 192/254, 196/254))
    p2 = ax1.bar(ind, ev['EVENT'], width, bottom=ev['NONEVENT'], color=(246/254, 115/254, 109/254))

    ax1.set_ylabel('Event Distribution', fontsize=15)
    ax2.set_ylabel('WOE', fontsize=15)

    plt.title(list(ev.VAR_NAME)[0], fontsize=20) 
    ax2.plot(ind, ev['WOE'], marker='o', color='blue')
    # Legend
    plt.legend((p2[0], p1[0]), ('bad', 'good'), loc='best', fontsize=10)

    #Set xticklabels
    q = list()
    for i in range(len(ev)):
        try:
            mn = str(round(ev.MIN_VALUE[i], 2))
            mx = str(round(ev.MAX_VALUE[i], 2))
        except:
            mn = str((ev.MIN_VALUE[i]))
            mx = str((ev.MAX_VALUE[i]))
        q.append(mn + '-' + mx)

    plt.xticks(ind, q, rotation='vertical')
    for tick in ax1.get_xticklabels():
        tick.set_rotation(60)
    plt.savefig('{}.png'.format(ev.VAR_NAME[0]), dpi=500, bbox_inches = 'tight')
    plt.show() 

def plot_all_bins(iv_df):
    for i in [x.replace('WOE_','') for x in X_train.columns]:
        ev = iv_df[iv_df.VAR_NAME==i]
        ev.reset_index(inplace=True)
        plot_bin(ev)     


Отдельно была написана функция для ручного биннинга, которая полезна, например, в случае с переменной «версия ОС», где все телефоны на Android и iOS были сгруппированы вручную.Функция ручного биннинга
def adjust_binning(df, bins_dict):
    for i in range(len(bins_dict)):
        key = list(bins_dict.keys())[i]
        if type(list(bins_dict.values())[i])==dict:
            df[key] = df[key].map(list(bins_dict.values())[i])
        else:
            #Categories labels
            categories = list()
            for j in range(len(list(bins_dict.values())[i])):
                if j == 0:
                    categories.append('<'+ str(list(bins_dict.values())[i][j]))
                    try:                        
                        categories.append('(' + str(list(bins_dict.values())[i][j]) +'; '+ str(list(bins_dict.values())[i][j+1]) + ']')
                    except:                       
                        categories.append('(' + str(list(bins_dict.values())[i][j]))
                elif j==len(list(bins_dict.values())[i])-1:
                    categories.append(str(list(bins_dict.values())[i][j]) +'>')
                else:
                    categories.append('(' + str(list(bins_dict.values())[i][j]) +'; '+ str(list(bins_dict.values())[i][j+1]) + ']')
            
            values = [df[key].min()] + list(bins_dict.values())[i]  + [df[key].max()]        
            df[key + '_bins'] = pd.cut(df[key], values, include_lowest=True, labels=categories).astype(object).fillna('_MISSING_').astype(str)
            df[key] = df[key + '_bins']#.map(df.groupby(key + '_bins')[key].agg('median'))
            df.drop([key + '_bins'], axis=1, inplace=True)
    return df

bins_dict = {    
   'equi_delinquencyDays': [ 200,400,600]
    'loan_purpose': {'medicine':'1_group',
                    'repair':'1_group',
                    'helpFriend':'2_group'}
}
 
df = adjust_binning(df, bins_dict)


Следующим этапом идёт отбор переменных по Information Value. Стандартным значением является кат офф 0.1 (все переменные ниже не имеют хорошей предсказательной силы).

После осуществлялась проверка на корреляцию. Из двух коррелирующих переменных нужно удалить ту, у которой IV меньше. Кат офф по удалению был взят 0.75.

Удаление корреляций
def delete_correlated_features(df, cut_off=0.75, exclude = []):
    # Create correlation matrix
    corr_matrix = df.corr().abs()

    # Select upper triangle of correlation matrix
    upper = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(np.bool))
    
    # Plotting All correlations
    f, ax = plt.subplots(figsize=(15, 10))
    plt.title('All correlations', fontsize=20)
    sns.heatmap(X_train.corr(), annot=True)
    
    # Plotting highly correlated
    try:
        f, ax = plt.subplots(figsize=(15, 10))
        plt.title('High correlated', fontsize=20)
        sns.heatmap(corr_matrix[(corr_matrix>cut_off) & (corr_matrix!=1)].dropna(axis=0, how='all').dropna(axis=1, how='all'), annot=True, linewidths=.5)
    except:
        print ('No highly correlated features found')
        
    # Find index of feature columns with correlation greater than cut_off
    to_drop = [column for column in upper.columns if any(upper[column] > cut_off)]
    to_drop = [column for column in to_drop if column not in exclude]
    print ('Dropped columns:', to_drop, '\n')
    df2 = df.drop(to_drop, axis=1)
    print ('Features left after correlation check: {}'.format(len(df.columns)-len(to_drop)), '\n')    
   
    print ('Not dropped columns:', list(df2.columns), '\n')
    
    # Plotting final correlations
    f, ax = plt.subplots(figsize=(15, 10))
    plt.title('Final correlations', fontsize=20)
    sns.heatmap(df2.corr(), annot=True)
    plt.show()
    
    return df2 


Помимо отбора по IV мы добавили рекурсивный поиск оптимального количества переменных методом RFE из sklearn.
Как мы видим на графике – после 13 переменных качество не изменяется, а значит лишние можно удалить. Для регрессии более 15 переменных в скоринге считается плохим тоном, что в большинстве случаев исправляется с помощью RFE.


RFE
def RFE_feature_selection(clf_lr, X, y):
    rfecv = RFECV(estimator=clf_lr, step=1, cv=StratifiedKFold(5), verbose=0, scoring='roc_auc')
    rfecv.fit(X, y)

    print("Optimal number of features : %d" % rfecv.n_features_)

    # Plot number of features VS. cross-validation scores
    f, ax = plt.subplots(figsize=(14, 9))
    plt.xlabel("Number of features selected")
    plt.ylabel("Cross validation score (nb of correct classifications)")
    plt.plot(range(1, len(rfecv.grid_scores_) + 1), rfecv.grid_scores_)
    plt.show()
    mask = rfecv.get_support()
    X = X.ix[:, mask]
    return X


Далее строилась регрессия и оценивались её метрики на кросс-валидации и тестовой выборке. Обычно все смотрят на коэффициент Gini (хорошая статья про него тут).

Результаты моделирования
def plot_score(clf, X_test, y_test, feat_to_show=30, is_normalize=False, cut_off=0.5):
    #cm = confusion_matrix(pd.Series(clf.predict_proba(X_test)[:,1]).apply(lambda x: 1 if x>cut_off else 0), y_test)
    print ('ROC_AUC:  ', round(roc_auc_score(y_test, clf.predict_proba(X_test)[:,1]), 3))
    print ('Gini:     ', round(2*roc_auc_score(y_test, clf.predict_proba(X_test)[:,1]) - 1, 3))
    print ('F1_score: ', round(f1_score(y_test, clf.predict(X_test)), 3))
    print ('Log_loss: ', round(log_loss(y_test, clf.predict(X_test)), 3))
    
    print ('\n')
    print ('Classification_report: \n', classification_report(pd.Series(clf.predict_proba(X_test)[:,1]).apply(lambda x: 1 if x>cut_off else 0), y_test))
    skplt.metrics.plot_confusion_matrix(y_test, pd.Series(clf.predict_proba(X_test)[:,1]).apply(lambda x: 1 if x>cut_off else 0), title="Confusion Matrix",
                    normalize=is_normalize,figsize=(8,8),text_fontsize='large')
    display(eli5.show_weights(clf, top=20, feature_names = list(X_test.columns)))

clf_lr = LogisticRegressionCV(random_state=1, cv=7)
clf_lr.fit(X_train, y_train)

plot_score(clf_lr, X_test, y_test, cut_off=0.5)


Когда мы удостоверились в том, что качество модели нас устраивает, необходимо записать все результаты (коэффициенты регрессии, группы бинов, графики стабильности Gini и переменных и т.д.) в excel. Для этого удобно использовать xlsxwriter, который может работать как с данными, так и с картинками.

Примеры листов экселя:

Запись в excel
 #WRITING
writer = pd.ExcelWriter('PDL_Score_20180815-3.xlsx', engine='xlsxwriter')

workbook  = writer.book
worksheet = workbook.add_worksheet('Sample information')
bold = workbook.add_format({'bold': True})
percent_fmt = workbook.add_format({'num_format': '0.00%'})

worksheet.set_column('A:A', 20)
worksheet.set_column('B:B', 15)
worksheet.set_column('C:C', 10)

# Sample
worksheet.write('A2', 'Sample conditions', bold)
worksheet.write('A3', 1)
worksheet.write('A4', 2)
worksheet.write('A5', 3)
worksheet.write('A6', 4)

# Model
worksheet.write('A8', 'Model development', bold)

worksheet.write('A9', 1)
#labels
worksheet.write('C8', 'Bads')
worksheet.write('D8', 'Goods')
worksheet.write('B9', 'Train')
worksheet.write('B10', 'Valid')
worksheet.write('B11', 'Total')

# goods and bads
worksheet.write('C9', y_train.value_counts()[1])
worksheet.write('C10', y_test.value_counts()[1])
worksheet.write('D9', y_train.value_counts()[0])
worksheet.write('D10', y_test.value_counts()[0])
worksheet.write('C11', y.value_counts()[1])
worksheet.write('D11', y.value_counts()[0])

# NPL
worksheet.write('A13', 2)
worksheet.write('B13', 'NPL')
worksheet.write('C13', (y.value_counts()[1]/(y.value_counts()[1]+y.value_counts()[0])), percent_fmt)

worksheet.write('A16', 3)
worksheet.write('C15', 'Gini')
worksheet.write('B16', 'Train')
worksheet.write('B17', 'Valid')
worksheet.write('B18', 'CV Scores')
worksheet.write('C18', str([round(sc, 2) for sc in scores]))

worksheet.write('C16', round(2*roc_auc_score(y_train, clf_lr.predict_proba(X_train)[:,1]) - 1, 3))
worksheet.write('C17', round(2*roc_auc_score(y_test, clf_lr.predict_proba(X_test)[:,1]) - 1, 3))

# Regreesion coefs
feat.to_excel(writer, sheet_name='Regression coefficients', index=False)
worksheet2 = writer.sheets['Regression coefficients']
worksheet2.set_column('A:A', 15)
worksheet2.set_column('B:B', 50)

#WOE

ivs[['VAR_NAME', 'Variable range', 'WOE', 'COUNT', 'WOE_group']].to_excel(writer, sheet_name='WOE', index=False)
worksheet3 = writer.sheets['WOE']
worksheet3.set_column('A:A', 50)
worksheet3.set_column('B:B', 60)
worksheet3.set_column('C:C', 30)
worksheet3.set_column('D:D', 20)
worksheet3.set_column('E:E', 12)
for num, i in enumerate([x.replace('WOE_','') for x in X_train.columns]):
        ev = iv_df[iv_df.VAR_NAME==i]
        ev.reset_index(inplace=True)
        worksheet3.insert_image('G{}'.format(num*34+1), '{}.png'.format(i))

df3.to_excel(writer, sheet_name='Data', index=False)

table.to_excel(writer, sheet_name='Scores by buckets', header = True, index = True)
worksheet4 = writer.sheets['Scores by buckets']
worksheet4.set_column('A:A', 20)
worksheet4.insert_image('J1', 'score_distribution.png')
Ginis.to_excel(writer, sheet_name='Gini distribution', header = True, index = True)
worksheet5 = writer.sheets['Gini distribution']
worksheet5.insert_image('E1', 'gini_stability.png')
writer.save()


Итоговый excel в конце еще раз смотрится менеджментом, после чего отдаётся в IT для встраивания модели в продакшен.

Итог


Как мы увидели, почти все этапы скоринга можно автоматизировать так, чтобы аналитикам не нужны были навыки программирования для построения моделей. В нашем случае, после создания данного фреймворка от аналитика требуется лишь собрать данные и указать несколько параметров (указать целевую переменную, какие колонки удалить, минимальное количество бинов, коэффициент отсечения для корреляции переменных и т.д), после чего можно запустить скрипт на python, который построит модель и выдаст excel с нужными результатами.
Конечно же, иногда приходится исправлять код под нужды конкретного проекта, и одной кнопкой запуска скрипта при моделировании не обойдешься, однако даже сейчас мы видим качество лучше, чем у применяемых на рынке data mining пакетов благодаря таким техникам как оптимальный и монотонный биннинг, проверка на корреляцию, RFE, регуляризированная версия регрессии и т.д.

Таким образом, благодаря использованию Python мы значительно сократили время разработки скоринговых карт, а также уменьшили затраты труда аналитиков.

Введение в кредитный скоринг | Loginom

Первый курс из цикла Кредитный скоринг.

Подробно раскрываются вопросы кредитного скоринга как современного и эффективного способа оценки заемщиков, а также понятия о скорингах кредитных бюро, истории кредитного скоринга и этапах разработки скоринговой карты.

К курсу идет библиотека компонентов LCS Scorecard для расчета баллов по скоринговым картам, разработанных внешними инструментами.

Для успешного усвоения материалов курса необходимо иметь базовые навыки работы с платформой Loginom.

Программа курса

Введение в кредитный скоринг

Тип: лекции

Лекция 1. Скоринг и скоринговая карта

Что такое скоринг? Кредитный скоринг. Риски и доходность. Цели и виды кредитного скоринга. Балльная скоринговая карта. Классификация скоринговых карт. Преимущества скоринга.

Лекция 2. История кредитного скоринга

Становление кредитного скоринга. Развитие кредитного скоринга. Компании и персоналии, стоявшие у истоков кредитного скоринга. Закрепление скоринга. История скоринга в России.

Лекция 3. Кредитные бюро и рейтинги

Кредитный отчет и его компоненты. Кредитные бюро: мировые игроки. Скоринги кредитных бюро. Компания FICO. Международная модель FICO Score. Поколения FICO Score. Разновидности FICO Score. FICO Score в НБКИ. VantageScore. Другие типы внешних кредитных скорингов. Примеры продуктов и решений: Scorista, Double Data.

Лекция 4. Процесс кредитования

Розничное кредитование. Основные типы розничных кредитных продуктов. Структура рынка розничного кредитования РФ. Просроченная задолженность. Основные этапы кредитования. Использование скорингового балла в процессе кредитования. Консервативная и агрессивная стратегии при выборе порогового балла. Неопределенные (indeterminates) и переопределенные (overrides) заявки. Данные заемщиков, используемые в скоринге. Анкетные данные. Понятие «клиента с улицы». Примеры расчетных показателей: DTI, LTV.

Лекция 5. Этапы разработки скоринговой карты

Цикл разработки скоринговой карты. Характеристика этапов. Полный цикл разработки карты с учетом отказанных заявок.

Самопроверочный тренажер

15 вопросов с выбором вариантов ответа.

Работа со скоринговыми картами

Тип: мастер-класс

Часть 1

Библиотека Loginom Credit Scoring, модуль «Скоринг». Обзор компонентов. Задача ОТП-банка: постановка. Изучение готовой скоринговой карты для набора данных ОТБ-банка, разработанной сторонним аналитиком. Реализация ETL-операций в Loginom, предусмотренных как неотъемлемая часть готовой скоринговой карты.

Часть 2

Демонстрация работы с компонентами на задаче ОТП-банка. «Прогон» набора данных через готовую скоринговую карту компонентами библиотеки Loginom Credit Scoring.

Контрольное задание

Применение компонентов библиотеки Loginom Credit Scoring для «прогона» через набор данных Tinkoff Data Science Challenge и готовую скоринговую карту.

pdf  Программа курса.pdf

Что такое скоринг в банке и как работает скоринговая система?

Если говорить о скоринге в двух словах, то это банковская система оценки кредитоспособности потенциального клиента, основанная исключительно на «сухих» рассчетах. Процесс это довольно сложный, имеющий целый ряд особенностей. О том, что такое скоринг и как он применяется в банках не лишним будет узнать, прежде чем начать оформление документов на получение кредита. В первую очередь для того, чтобы увеличить свои шансы.

Кредитный скоринг – что это?

«Скоринг» в переводе с английского означает «подсчет очков». И действительно, кредитный скоринг – это автоматическая оценка платежеспособности клиента, которая выражается бальным показателем. Иными словами – своеобразный «тест», данные для которого берутся из анкеты. Результат оценивается по специальной шкале. Сам процесс занимает буквально несколько минут – менеджеру достаточно внести информации в компьютер.

В России автоматизированные системы оценки кредитоспобности потенциальных заемщиков еще только начали внедряться на практике. Именно поэтому даже если вы, подавая заявку, не набираете соответствующего количества баллов, для того чтобы считаться надежным клиентом, в некоторых организациях рассчитывать на кредит все равно можно. Правда, на менее выгодных условиях.

Технические особенности скоринга

Механизм действия скоринга на первый взгляд прост – программа оценивает ответы, за каждый из них начисляет определенное количество баллов и в итоге считает их сумму.

При этом сам по себе математический алгоритм, лежащий в основе, гораздо сложнее. По сути факторы оцениваются не обособленно друг от друга, а в совокупности. Какие-то из них могут влиять на результат больше, какие-то меньше, а некоторые и вовсе «перечеркнуть» все предыдущие плюсы. Как именно это происходит знают только технические работники – от менеджеров и прочих сотрудников алгоритм держится в секрете. Кроме того, для большей надежности в него периодически вносятся изменения.

Кроме того, результат зависит от конкретной ситуации. Так, например, даже если ваша кредитная репутация идеальна, вы можете попасть в «группу риска» – в том случае, если в базе оказываются должники, анкета которых по признакам похожа на вашу. В этом плане скоринг несколько несовершенен.

Важный момент касается баз данных, которые используются конкретным банком для проведения скоринга. Они могут быть как локальными, тогда совершенно никакого значения не будет иметь ваша «репутация» в других кредитных учреждений, или общими, предоставляемыми бюро кредитных историй. Но, очевидно, в дальнейшем все банки будут использовать единую систему.

Виды кредитного скоринга

Кредитный скоринг подразделяется на несколько видов:

  • скоринг заявителя – непосредственная оценка платежеспособности клиента и связанных с ней рисков невозврата кредита
  • скоринг мошенника – оценка потенциального заемщика по принципу подозрения в мошенничестве. Как правило, результат проверяется службой безопасности банка, и только после этого делаются соответствующие выводы
  • скоринг поведения – оценка принадлежности клиента к группе риска, то есть анализ схожести анкеты с анкетами клиентов, которые уже получили кредит, и уклоняются от его выплаты
  • скоринг взыскания – оценка плана действий относительно взыскания непогашенных кредитов

В любом случае, о каком бы виде скоринга не шла речь, автоматическая система оценивает клиента на основании социальных признаков и влияние «человеческого фактора» в этом процессе исключено.

Зачем нужен?

У многих потенциальных заемщиков возникает вопрос – зачем нужен скоринг, если оценить платежеспособность может и менеджер, на основании тех же самых анкетных данных. Во-первых, это более глубокий анализ – для того чтобы его провести «вручную» потребуется даже не несколько дней, а недель. Во-вторых, он позволяет работать с клиентами куда быстрее – теперь менеджеру не нужно вчитываться в данные, сверяться по многочисленным таблицам и бояться что-то пропустить.

И, наконец, самое главное, он позволяет свести на нет влияние человеческого фактора. Автоматизированной системе без разницы как вы выглядите, ей не возможно понравиться или нет. Анализ данных происходит только на основе конкретных фактов. В принципе, скоринг выгоден всем. Банк получает возможность работать быстрее и снизить риск невозврата кредитов. Клиенты, в свою очередь, могут оформить займ на более выгодных условиях.

Данные для проведения скоринга

Для проведения скоринга клиент заполняет анкету (иногда менеджер делает это самостоятельно, со слов), где придется указать следующие сведения:

  • основные данные, ФИО, паспортные данные (они хоть и не учитываются при скоринге, но для выдачи кредита все же необходимы), дату рождения
  • семейное положение и состав семьи
  • место работы и должность, а также данные о трудовом стаже из трудовой книжки (в некоторых случаях могут спросить о количестве записей)
  • размер заработной платы
  • наличие в собственности движимого и недвижимого имущества

Естественно, многие данные придется подтверждать документально – подлинность представленной информации проверяется службой безопасности банка.

Скоринговые баллы

Общий скоринговый балл складывается из совокупности оценок по нескольким параметрам. Далее, исходя из него, происходит оценка клиента по следующей шкале:

  • 850-690 баллов – кредитоспособность клиента оценивается как высокая и он может рассчитывать на получение довольно крупной суммы на выгодных условиях
  • 650-690 баллов – кредитоспособность клиента оценивается как хорошая, и у него есть все шансы получить кредит в банке на стандартных условиях
  • 600-650 баллов – кредитоспособность клиента оценивается как средняя и, если он и может рассчитывать на кредит, то на достаточно жестких условиях
  • 500-600 баллов – кредитоспособность клиента оценивается как низкая, но шанс получить кредит у него вся же есть, правда небольшой и под высокий процент
  • 300-500 баллов – такой клиент считается ненадежным и максимум на что он может рассчитывать – займ в микрофинансовой организации

Как поднять скоринговый балл?

Для того чтобы поднять общий скоринговый балл, важно понимать по каким критериям автоматическая система производит оценку и сколько баллов можно получить по каждому из них. Конечно, «цена» показателей может меняться, но, тем не менее, ориентировочно схема выглядит так:

  • возраст – один из самых главных показателей для автоматической скоринговой системы. Потенциальный заемщик в возрасте 30-35 лет получает максимальную оценку. А вот пенсионеры и лица, не достигшие 20 лет, считаются самыми ненадежными категориями заемщиков
  • семейное положение – на максимальные баллы по этому критерию могут рассчитывать лица, состоящие в браке. Если супруги официально состоят в отношениях, но фактически проживают раздельно, будет начислено гораздо меньше
  • наличие детей – здесь приоритет отдается семьям, в которых их нет – система насчитает им максимальное количество баллов. Далее с каждым последующим ребенком показатель будет уменьшается
  • место работы – на максимальный показательпо этому критерию могут рассчитывать сотрудники коммерческих организаций. Меньше всего получают неработающие пенсионеры
  • занимаемая должность – руководители могут рассчитывать на высокие баллы, а вот труд неквалифицированных рабочих системой не ценится
  • трудовой стаж – если он более 5 лет, то потенциальный заемщик получит максимальное количество баллов
  • размер заработной платы – сказывается на количестве начисляемых баллов прямо пропорционально
  • наличие стационарного домашнего телефона – еще один фактор, который берет в расчет автоматическая скоринговая система
  • наличие в собственности автомобиля или недвижимости – их владелец сразу же получает от системы автоматической оценки кредитоспособности дополнительные баллы

Как банки принимают решение о выдаче кредита

Автоматический скоринг клиент проходит вне зависимости от того, как он подает заявку – онлайн или непосредственно консультанту. Особенно удобно это во втором случае, так как сотрудник обработает анкетные данные в вашем присутствии и сразу же скажет результат. Однако это вовсе не значит, что кредит можно получить «здесь и сейчас» – после удачного скоринга все документы передаются для проверки в службу безопасности, которая и принимает окончательное решение. А вот отказ в выдаче кредита, в случае если система оценила вас как ненадежного заемщика, будет озвучен сразу же.

Плюсы и минусы скоринговой системы

Главный минус скоринговой системы в том, что она автоматическая и берет в расчет только факты и цифры. Беседуя с менеджером, вы можете привести аргументы в пользу того, что вам можно и нужно выдать кредит. С программой такой ход не сработает – она рассчитывает баллы исключительно на основании анкетных данных. С другой стороны автоматизация оборачивается существенным плюсом. Работая со скоринговой системой, менеджер может принять решение о выдаче кредита куда быстрее, чем если бы все документы пришлось рассматривать «в ручном режиме».

Еще одно преимущества скоринга в том, что он делает кредиты более доступными для населения. Банк, работающий на базе автоматизированной оценки кредитоспособности, заведомо, заведомо снижает риски невозврата, а значит готов предложить клиентам более выгодные условия.

Может ли обмануть автоматическую систему?

Автоматическая система оценки платежеспособности клиента – программа пока еще несовершенная, она постоянно изменяется и модернизируется. Притом меняются не только отдельные параметры, но и механизм в целом. Как правило, алгоритм, по которому анализируются данные, от сотрудников держится в секрете. Обмануть автоматическую систему оценки кредитоспособности практически невозможно – она не только беспристрастна, но иногда и непредсказуема, даже для кредитных менеджеров. А вот повысить свой рейтинг в ее глазах вполне реально, предоставив вместе с заявление как можно больше документов, которые говорят о вашей финансовой состоятельности.

Видео: Скоринг – как кредитные организации оценивают заемщика

Офисы банков на карте

Last modified: 17.07.2018

Скоринговые карты | Актуальные темы | Клиенты и проекты

Потребность в скоринге на финансовых рынках вызвана двумя важными факторами:

    • Конкуренция среди банков требует повышения скорости принятия решений о выдаче кредита при сохранении приемлемого уровня рисков.
    • Для удовлетворения требований регуляторов необходима формализованная система управления банковскими рисками.

Разработка и поддержка скоринговых карт – трудоемкая задача, требующая применения специализированных инструментов, позволяющих автоматизировать рутинные процедуры риск-аналитика: от анализа портфеля до мониторинга скоринговых карт.
Применение подручных средств для разработки скоринговых карт приводит к появлению «зоопарка» IT-систем.

Недостатки подобного подхода очевидны:

    • Отсутствие единого источника данных
    • Кодирование формул в разных системах
    • Разрозненная отчетность
    • Ручной ввод данных
    • Отсутствие версионности моделей

Бизнес-приложение позволяет автоматизировать весь процесс разработки кредитных скоринговых карт (анкетный, поведенческий и коллекторский скоринг), выбрать оптимальную карту и внедрить ее в конвейер кредитных заявок.

Система реализована с помощью набора готовых сценариев, включающих лучшие технологии кредитного скоринга, зарекомендовавших себя в мировой практике и проверенные многолетним опытом проектов. Система позволяет аналитику пройти весь цикл построения скоринговой карты: от подготовки данных до моделирования и формирования специализированной отчетности.

При использовании решения время разработки скоринговой карты сокращается в несколько раз благодаря:

    • Централизованному источнику для хранения данных и моделей
    • Единому инструменту на всех этапах работы риск-аналитика
    • Автоматически формируемой отчетности для принятия решений по выбору и оценке скоринговых карт.

Этапы разработки карт
При помощи набора преднастроенных сценариев аналитику доступны следующие возможности:
    • Загрузка данных в хранилище данных универсальной структуры
    • Фильтрация, сортировка и перераспределение данных портфелей кредитов
    • Подготовка данных: винтажный анализ, матрицы миграции, определение «хороших»/«плохих» счетов, сэмплинг, сегментация простыми правилами и алгоритмами кластеризации
    • Отбор и подготовка характеристик: WoE, IV, квантование
    • Скоринговая карта: логистическая регрессия, масштабирование, расчет метрик KS, Gini, сравнение карт:
      • Калибровка скоринговой карты: учёт отклонённых заявок (Reject Inference), поправка на априорные вероятности
      • Графики и отчеты: ROC- и CAP-кривые, кривая стратегии и др.
    • Загрузка карт в хранилище

Кредитный скоринг, скоринг оценка (анализ)

Все продукты Индустрии Потребности Информационные ресурсы Пресс-центр О бюро
  • 4Score
  • Триггеры Онлайн
  • Кредитный отчет
  • Скоринг для МФО
  • Разработка скоринговых моделей
  • Триггеры Бюро 3.1
  • Contact Data Enrichment
  • Аналитические отчеты
  • PRISMA
  • Передача данных в Бюро
  • Скоринговые атрибуты
  • Скоринг МФО (повторные клиенты)
  • Банки
  • Микрофинансирование
  • Страхование
  • Коллекторы
  • Лизинг
  • Кредитный брокер
  • Средний и крупный бизнес
  • ЖКХ
  • Финансовые управляющие
  • Ломбард
  • Оценка заемщика
  • Минимизация кредитных рисков
  • Оценка кредитного портфеля
  • Проверка кандидатов
  • Проверка благонадежности
  • Оценка страхователя
  • Продажа/покупка долгов
  • Идентификация личности
  • Передача данных в бюро
  • Мониторинг кредитной активности
  • Актуализация контактных данных
  • Разработка скоринговых моделей
  • Сбор задолженности
  • Получить свой кредитный отчет
  • Документы
  • Брошюры
  • Видео
  • Аналитика
  • Закон
  • Новости
  • События
  • Публикации
  • Все
  • О бюро
  • Карьера
  • Вопрос-Ответ
  • Контакты
Обратная связь

Бюро кредитных
историй

+7 (495) 646-04-30 Обратная связь Контакты
  • Russian Federation — RUSSIAN
  • Argentina — ESPANOL
  • Australia — ENGLISH
  • Canada — ENGLISH
  • Canada — FRENCH
  • Chile — ESPANOL
  • Costa Rica — ESPANOL
  • Ecuador — ESPANOL
  • El Salvador — ESPANOL
  • Honduras — ESPANOL
  • India — ENGLISH
  • Mexico — ENGLISH

28 примеров сбалансированной системы показателей с ключевыми показателями эффективности

Готовые к использованию шаблоны сбалансированной системы показателей с примерами KPI для различных областей бизнеса. Графические шаблоны для слайдов презентации. Руководства и инструкции. Используйте эти материалы, чтобы быстрее приступить к работе с новой оценочной карточкой.

Примеры карт результатов в реальном времени с ключевыми показателями эффективности

Ознакомьтесь с 28 примерами реальных проектов сбалансированной системы показателей с картами стратегии, ключевыми показателями эффективности, бизнес-целями и панелями управления бизнес-аналитикой.

Учебные пособия по началу работы

Найдите бесплатные видеоуроки и текстовые руководства, которые помогут вам начать работу с оценочной картой вашей стратегии.

Загружаемый шаблон

Загрузите готовые шаблоны или воспользуйтесь мастером самообслуживания для создания собственного шаблона.

Пример карты стратегии сбалансированной системы показателей управления талантами

Example of the Balanced Scorecard strategy map for HR

Example of the Balanced Scorecard strategy map for HR

Вам нравится эта карта?

Сбалансированная система показателей, шаг за шагом

8 STEPS To Create a Strategy Map By BSC Designer 8 STEPS To Create a Strategy Map By BSC Designer

Узнайте, как создавать свои собственные карты, или ознакомьтесь с живыми примерами сбалансированной системы показателей ниже.

Зарегистрируйтесь с бесплатным планом для немедленного доступа ко всем шаблонам карт показателей.

Менеджмент

КПЭ корпоративного управления

8 STEPS To Create a Strategy Map By BSC Designer 8 STEPS To Create a Strategy Map By BSC Designer KPI для типичной системы корпоративного управления, формируемой советом директоров и комитетами совета директоров. Учить больше…

Карточка генерального директора

8 STEPS To Create a Strategy Map By BSC Designer 8 STEPS To Create a Strategy Map By BSC Designer В этом примере шаблона оценочной карты рассматриваются четыре наиболее важных стратегии для любого генерального директора: улучшение продукта или услуги, сосредоточение внимания на команде, бизнес-системах и целях заинтересованных сторон.Учить больше…

COVID-19: стратегия обеспечения непрерывности бизнеса

.Сбалансированная система показателей

: компоненты, пример — StudiousGuy

Сбалансированная система показателей

Используется как тактический инструмент и организационная техника. Обычно он используется в каждой организации, чтобы привести деятельность компании в соответствие с ее целями и видением. Эта оценочная карта также используется для развития взаимодействия и реакции между руководством и сотрудниками для мониторинга целей организации. Как следует из названия, он предназначен не только для оценки производительности организации, но и для оценки других аспектов, таких как проблемы клиентов, расширение средств обучения и т. Д.

Давайте разберемся с основами сбалансированной системы показателей.

Сбалансированная система показателей разделена на четыре основных компонента. Организация считается успешной, если она соблюдает баланс между четырьмя. Каждый компонент представляет различные аспекты компании, чтобы она могла работать с максимальной возможной эффективностью. Давайте обсудим четыре компонента один за другим:

  1. Финансовый компонент : Он состоит в основном из затрат, связанных с окупаемостью инвестиций и эксплуатационными расходами компании.
  2. Компонент клиента : он измеряет степень удовлетворенности клиентов, их удержание и долю рынка, удерживаемую организацией.
  3. Компонент бизнес-процесса : сюда включены показатели качества и стоимости, относящиеся к бизнес-процессу.
  4. Компонент роста и обучения : Этот компонент включает управление знаниями, удовлетворение потребностей клиентов и удержание сотрудников.

Эти компоненты взаимосвязаны и не могут использоваться как одна функция.Чтобы достичь сегодняшних бизнес-целей и задач, организация должна объединить один или несколько из этих компонентов. Четыре компонента должны быть измерены со следующими факторами:

  • Цели : цели организации, такие как доля на рынке и прибыльность.
  • Меры : на основе вышеуказанных целей будут приняты определенные меры для наблюдения за его ходом.
  • Цели : это может быть для всей организации или отдела для достижения установленных мер.
  • Инициатива : их можно назвать различными действиями, предпринимаемыми для достижения целей.

Название изображения: Пример сбалансированной системы показателей

Статус сбалансированной системы показателей со временем повысился. Организации начали использовать его как стратегический инструмент, который можно использовать во всех отделах компании. Руководство получило лучшее и более широкое представление о ее целях, а также возможность оценить ее эффективность с точки зрения масштабов. Основная причина неудач организации в целом заключается в ее непонимании и приверженности поставленным целям.Таким образом, карта балансовых показателей помогает руководству разделить эти цели и сделать их более понятными, а также для сотрудников. Поскольку это стратегический инструмент, он играет важную роль в обучении и обратной связи, связанных с производительностью организации.

Почему организации следует внедрять сбалансированную систему показателей? Необходимость его реализации возникает по следующим причинам:

  • Повышенное внимание к бизнес-стратегии и ее результату.
  • Улучшенное управленческое представление с помощью измерений.
  • Приведите в порядок персонал для ежедневного выполнения управленческих задач.
  • Ориентируйтесь на основные компоненты для обеспечения потенциальной производительности.
  • Уровень коммуникации повышен в соответствии с видением организации.
  • Распределяет работы по приоритетам по времени, когда они должны быть завершены.

Сбалансированная система показателей устанавливает баланс между механизмом и видением организации. Это помогает руководству отслеживать деятельность компании; поэтому он называется инструментом управления.

.

Сбалансированная система показателей | Ресурсы OnStrategy

Традиционные финансовые показатели — рентабельность инвестиций, чистая прибыль, рост продаж и доля на рынке — не отражают истинную картину ценностных предложений фирмы, поскольку они сосредоточены на прошлом. Они рассказывают историю того, что случилось с организацией. Они объясняют результаты прошлых транзакций и игнорируют возможные выгоды в будущем. Традиционные финансовые показатели — это только часть информации, необходимой менеджерам для успешного ведения своей организации через высококонкурентные рынки.

Фон

В 1990-е годы два профессора и консультанта из Гарварда — Каплан и Нортон — разработали инструмент, Сбалансированную систему показателей, чтобы исправить недостатки, связанные в первую очередь с традиционными финансовыми мерами. Сбалансированная система показателей позволяет лучше измерить возможности фирмы по созданию долгосрочной стоимости за счет выявления ключевых факторов, определяющих эту ценность. Затем драйверы переводятся в четыре категории показателей: потребительские, внутренние / операционные, инновации / обучение и финансовые.Финансовые меры обычно ориентированы на краткосрочные результаты; в то время как другие три категории связаны с деятельностью, ориентированной на будущее, необходимой для успешной поддержки предприятия.

Очевидно, что финансовое здоровье имеет решающее значение для любой коммерческой организации — наличные деньги в банке необходимы для оплаты счетов. Однако многие менеджеры становятся близорукими в результате этого требования и полагают, что, внося фундаментальные улучшения в свою деятельность, финансовые показатели решатся сами собой.Это полное заблуждение. Например, если у фирмы есть цель увеличить чистую прибыль с 10% до 13% в текущем финансовом году, для достижения успеха необходимо наличие ряда взаимосвязанных факторов. Возможно, необходимо повысить степень удовлетворенности клиентов, чтобы увеличить количество клиентов или повысить лояльность существующих клиентов. Может быть, необходимо снизить уровень дефектности продукта / услуги, чтобы повысить удовлетворенность клиентов? Таким образом, если менеджер ждет до конца финансового года, чтобы определить, был ли он успешным, будет урок «истории» о событиях прошлого периода.Однако, если в настоящее время отслеживается процент брака или наблюдаются возвраты клиентов, менеджер может на полпути внести коррективы в стратегию фирмы, чтобы достичь цели увеличения чистой прибыли. Другими словами, менеджер должен разрабатывать и отслеживать меры факторов, влияющих на достижение цели по чистой прибыли. Таким образом, менеджеры должны разрабатывать стратегические меры, которые конкретно связаны с уникальной стратегией их компаний. Не существует «единой для всех» сбалансированной системы показателей. Ниже приводится основная категоризация сбалансированных показателей деятельности фирмы.

Четыре перспективы

I. Финансовые перспективы — как мы смотрим на инвесторов? Показатели, которые показывают, способствуют ли стратегия компании, ее реализация и исполнение улучшению чистой прибыли.

  • Денежный поток
  • Рост продаж
  • Доля рынка
  • ROE

II. Взгляд клиента — Как нас видят клиенты? Проблемы клиентов в четырех категориях.

  1. Время — измеряет время, необходимое компании для удовлетворения потребностей клиентов.
  2. Качество — уровень дефекта при отправке клиентам.
  3. Performance — продукты / услуги компании способствуют созданию ценности для ее клиентов.
  4. Стоимость — это не просто цена товаров / услуг, но и сколько они «стоят» покупателю, когда он, наконец, их использует.

III. Внутренняя / операционная перспектива — в чем нужно преуспеть?

  • Бизнес-процессы, оказывающие наибольшее влияние на удовлетворенность клиентов.
  • Какие компетенции необходимы для сохранения лидерства на рынке?

IV. Перспектива инноваций / обучения — можем ли мы продолжать улучшать и создавать ценность?

  • Способность вводить новшества, улучшать и учиться напрямую связана с ценностью компании.
  • Запуск новых продуктов.
  • Больше ценности для клиентов.
  • Выход на новые рынки.

Осторожно. Инструмент сбалансированной оценки эффективности не представляет собой совокупность разрозненных финансовых и нефинансовых показателей.Это больше, чем дополнение традиционных финансовых мер нефинансовыми мерами. Это процесс разработки взаимосвязанных показателей, как опережающих, так и запаздывающих, которые уникальным образом отражают стратегию фирмы в попытке создать конкурентное преимущество.

Использование оценочной карты

  • Сосредоточивает внимание менеджера на нескольких мерах, которые имеют решающее значение для успеха фирмы.
  • Это простой способ уточнить, а затем реализовать миссию и видение организации.

(Выдержка из Роберта Каплана и Дэвида Нортона (1992), Harvard Business Review, январь-февраль, страницы 71–79 и (1996), California Management Review, Fall v39n1, страницы 53–79.)

Что такое Balanced Scorecard Institute

Институт сбалансированной системы показателей, безусловно, может многое сказать об использовании и ценности системы сбалансированных показателей. Одна из проблем, однако, заключается в том, что информация может быть довольно подробной, и из нее можно быстро справиться.Этот конкретный сайт отлично справляется с представлением краткого обзора, а также предлагает ссылки на раздел интересных точек зрения по каждому из четырех основных пунктов.

(Выдержка из Роберта С. Каплана и Дэвида П. Нортона (1993), Harvard Business Review, сентябрь-октябрь, стр. 34-147, (1992), Harvard Business Review, январь-февраль, стр. 71-79 и ( 1996), California Management Review, Fall v39n1, p.53-79.)

.

Система сбалансированных показателей:

  1. Система измерения, обеспечивающая комплексную основу , которая переводит стратегические цели компании в согласованный набор показателей эффективности
  2. Система управления, которая может стимулировать прорывные улучшения.

Сбалансированная система показателей — это как общая система измерения, объединяющая нефинансовые показатели с традиционными финансовыми, так и централизованная система управления для мотивации прорывных показателей конкурентоспособности при реализации стратегического видения компании. Это процесс разработки взаимосвязанных показателей, как опережающих, так и запаздывающих, которые уникальным образом отражают стратегию фирмы в попытке создать конкурентное преимущество.

Это преобразование бизнес-стратегии в связанный набор мер, которые определяют как долгосрочные стратегические цели, так и механизмы их достижения и получения обратной связи по этим целям.Сбалансированная система показателей:

  1. Сосредоточивает внимание менеджера на нескольких мерах, которые имеют решающее значение для успеха фирмы.
  2. Это простой способ уточнить, а затем реализовать миссию и видение организации.

Показатели эффективности для достижения успеха

Система показателей является краеугольным камнем нынешнего и будущего успеха компании. Традиционные финансовые показатели — рентабельность инвестиций, чистая прибыль, рост продаж и доля на рынке — не отражают истинную картину ценностных предложений фирмы, поскольку они сосредоточены на прошлом.Они рассказывают историю того, что случилось с организацией. Они объясняют результаты прошлых транзакций и игнорируют возможные выгоды в будущем. Традиционные финансовые показатели — это только часть информации, необходимой менеджерам для успешного ведения своей организации через высококонкурентные рынки.

Получить баланс. Четыре критических зоны

В 1990-е годы два профессора и консультанта из Гарварда — Каплан и Нортон — разработали инструмент, Сбалансированную систему показателей, чтобы исправить недостатки, связанные в первую очередь с традиционными финансовыми мерами.Сбалансированная система показателей позволяет лучше измерить возможности фирмы по созданию долгосрочной стоимости за счет выявления ключевых факторов, определяющих эту ценность. Затем движущие силы переводятся в четыре категории показателей: финансовые, клиентские, внутренние бизнес-процессы, инновации и обучение. Финансовые меры обычно ориентированы на краткосрочные результаты; в то время как другие три категории связаны с деятельностью, ориентированной на будущее, необходимой для успешной поддержки предприятия. Информация с четырех точек зрения обеспечивает баланс между внешними показателями, такими как операционная прибыль, и внутренними показателями, такими как разработка новых продуктов.Он дает сбалансированную картину текущих производственных показателей, а также движущих сил будущих показателей.

Измерьте ведущие участки

Очевидно, что финансовое здоровье имеет решающее значение для любой коммерческой организации — наличные деньги в банке необходимы для оплаты счетов. Однако многие менеджеры становятся близорукими в результате этого требования и полагают, что, внося фундаментальные улучшения в свою деятельность, финансовые показатели решатся сами собой. Это полное заблуждение. Например, если у фирмы есть цель увеличить чистую прибыль с 10% до 13% в текущем финансовом году, для достижения успеха необходимо наличие ряда взаимосвязанных факторов.
Возможно, необходимо повысить уровень удовлетворенности клиентов, чтобы увеличить количество клиентов или повысить лояльность существующих клиентов. Может быть, необходимо снизить уровень дефектности продукта / услуги, чтобы повысить удовлетворенность клиентов? Таким образом, если менеджер ждет до конца финансового года, чтобы определить, был ли он успешным, будет урок «истории» о событиях прошлого периода. Однако, если в настоящее время отслеживается процент брака или наблюдаются возвраты клиентов, менеджер может на полпути внести коррективы в стратегию фирмы, чтобы достичь цели увеличения чистой прибыли.Другими словами, менеджер должен разрабатывать и отслеживать меры факторов, влияющих на достижение цели по чистой прибыли.

Краткий обзор сбалансированной системы показателей

Менеджеры должны разрабатывать финансовые и нефинансовые меры, которые конкретно привязаны к уникальной стратегии их компаний. Не существует «единой для всех» сбалансированной системы показателей. Сбалансированная система показателей предоставляет руководителям комплексную основу, которая может преобразовать видение и стратегию компании в последовательный и связанный набор показателей эффективности.Эти показатели должны включать как показатели результатов, так и факторы, определяющие их эффективность.
Вместо того, чтобы использовать сбалансированную систему показателей в качестве традиционной системы контроля и измерения эффективности, она используется как система измерения и управления для реализации стратегического видения компании. Он используется для формулирования и передачи стратегии бизнеса; чтобы помочь согласовать индивидуальные, организационные и межведомственные инициативы для достижения общей цели; и как система коммуникации, информации и обучения.Таким образом, меры должны обеспечивать четкое представление долгосрочной стратегии организации для достижения конкурентного успеха.

Общие стратегические меры для четырех перспектив

Сбалансированную систему показателей следует рассматривать как инструмент для единой стратегии. Стратегические меры — это те, которые определяют стратегию, направленную на достижение конкурентного превосходства. Правильно составленные оценочные таблицы содержат единство цели, поскольку все меры направлены на достижение комплексной стратегии.

Финансовая перспектива

> Как мы смотрим на инвесторов?

Показатель финансовых результатов будет варьироваться в зависимости от долгосрочной цели и стратегии бизнеса на стадии роста, поддержки или сбора урожая. В целом компании используют следующие три категории для достижения своей бизнес-стратегии:

  • Рост выручки и динамика
  • Снижение затрат / Повышение производительности
  • Использование активов / Инвестиционная стратегия

Меры, которые показывают, способствуют ли стратегия компании, ее внедрение и исполнение в улучшении чистой прибыли:

  • Денежный поток
  • Рост продаж
  • Доля рынка
  • ROE
  • ROCE — рентабельность задействованного капитала
  • Добавленная экономическая стоимость

Точка зрения клиента

Как нас видят клиенты?

С точки зрения клиентов, компания оценивает эффективность бизнеса в целевых сегментах.В целом проблемы клиентов можно разделить на следующие четыре категории.

  1. Время — измеряет время, необходимое компании для удовлетворения потребностей клиентов.
  2. Качество — уровень дефекта при отправке клиентам.
  3. Performance — продукты / услуги компании способствуют созданию ценности для ее клиентов.
  4. Стоимость — это не просто цена товаров / услуг, но и сколько они «стоят» покупателю, когда он, наконец, их использует.

Меры настраиваются для целевых групп клиентов, от которых бизнес ожидает роста и прибыльности. Ниже приведены меры заказчика:

  • Доля рынка
  • Доля счета — доля счета бизнеса этих клиентов
  • Удержание клиентов — сохранение существующих клиентов, лояльность клиентов, процент роста за счет существующих клиентов
  • Привлечение новых клиентов — количество новых клиентов, общий объем продаж новым клиентам, количество откликов клиентов на запросы и коэффициент конверсии, стоимость запроса на каждого нового приобретенного клиента
  • Удовлетворенность клиентов — дает обратную связь о том, насколько хорошо работает компания.Это полный опыт покупателя. Включает в себя уникальность, функциональность, качество, цену, время
  • Прибыльность клиентов — измеряет не только объем бизнеса, который они ведут с клиентами, но и прибыльность бизнеса в целевом сегменте клиентов. Эта финансовая мера может помочь удержать ориентированные на клиентов организации от одержимости ими.

Внутренняя перспектива бизнеса В чем нужно преуспевать?

Перспектива внутреннего бизнес-процесса определяет наиболее важные внутренние процессы для успеха стратегии организации.Внутренняя перспектива рассматривает следующие категории процессов:

Инновационный цикл
  • Определить рынок
  • Создать предложение услуг
Операционный цикл
  • Построить услуги
  • Оказываем услуги
Цикл послепродажного обслуживания
Меры должны быть сосредоточены на…
  • Бизнес-процессы, которые оказывают наибольшее влияние на удовлетворенность клиентов, например факторы, влияющие на время цикла процесса, качество процесса, навыки сотрудников и производительность.
  • Бизнес-процессы, которые достигают финансовой цели организации.
  • Основные компетенции и процессы, необходимые для сохранения лидерства на рынке.

Перспектива обучения и роста

Можем ли мы продолжать совершенствоваться и создавать ценность?

Перспектива обучения и роста определяет инфраструктуру, которую организация должна построить для обеспечения долгосрочного роста и улучшения. Способность вводить новшества, улучшать и учиться напрямую связана с ценностью компании.Организационное обучение и рост можно разделить на три основные области:

  • Люди
  • Системы
  • Организационные процедуры

Для достижения бизнес-целей компаниям, в большинстве своем, придется инвестировать в переподготовку сотрудников, совершенствование информационных технологий и систем, а также согласование организационных процедур и процедур.

Ниже приведены меры для людей, систем и организационных процедур:

Люди

  • Удовлетворенность сотрудников
  • Удержание сотрудников
  • Обучение сотрудников
  • Навыки сотрудников

Системы

  • Доступность точной информации о клиентах и ​​внутренних процессах для непосредственных сотрудников в режиме реального времени
  • Возможность запуска новых продуктов
  • Способность создавать больше ценности для клиентов
  • Возможность выхода на новые рынки

Организационные процедуры

  • Согласование стимулов сотрудников с общими факторами успеха организации
  • Темпы улучшения важнейших клиентских и внутренних процессов

Примеры мер

Построение системы сбалансированной системы показателей здравоохранения (рекламные материалы конференции Kaplan & Norton)

Финансовый

  • Выручка от пациентов
  • Финансирование и взносы
  • Управление затратами

Заказчик

  • Пациенты
  • Направляющие врачи
  • Плательщики
  • Сообщество
  • Академики

Внутренние процессы

  • Планирование
  • Инновации
  • Управление взаимоотношениями
  • Оказание помощи
  • Операционная эффективность

Обучение и личностное развитие

  • Набор, обучение, удержание
  • Культурные ценности
  • Инструменты, знания, информация

Взаимосвязь между мерами и факторами производительности

Сбалансированная система показателей должна содержать сочетание показателей результатов и факторов производительности.Показатели результатов без факторов эффективности не сообщают, как должны быть достигнуты результаты. И наоборот, факторы производительности без показателей результатов могут не показать, привели ли улучшения к расширению бизнеса и улучшению финансовых показателей.

Причинно-следственная цепочка должна охватывать все четыре точки зрения сбалансированной системы показателей. Кроме того, все аспекты показателей в оценочной карте должны быть связаны с конкретными целями для повышения удовлетворенности клиентов и, в конечном итоге, финансовых показателей.Например, рентабельность вложенного капитала (ROCE) может быть показателем результата с финансовой точки зрения. Движущей силой этого могут быть повторные и расширенные продажи от существующих клиентов за счет своевременной доставки (OTD). Таким образом, лояльность клиентов и OTD перечислены с точки зрения клиента. Для достижения OTD компании может потребоваться короткое время цикла операционных процессов и высококачественные внутренние процессы. Таким образом, оба фактора перечислены во внутренней перспективе. Чтобы процессы улучшились, необходимо будет улучшить навыки сотрудников, что, таким образом, указано в разделе «Перспектива обучения и роста».Другой пример: см. Приложение 8 — Национальное страхование: индикаторы отставания и опережения (Каплан и Нортон, «Связывание сбалансированной системы показателей со стратегией», 1996 г.)

Вы должны иметь возможность взглянуть на свои показатели и сделать вывод о бизнес-стратегии, которую компания намеревается использовать для достижения высоких результатов. Что у вас особенного? Ваши меры должны быть направлены на то, каких клиентов вы собираетесь искать; на какие сегменты рынка вы атакуете; что вам нужно делать исключительно хорошо, чтобы проникнуть на эти рынки и в эти сегменты и получить долю на них; и какие разработки новых продуктов вам необходимо внедрить, чтобы обеспечить долгосрочную ценность для ваших клиентов и акционеров.Вы должны очень расстроиться, если конкурент завладеет вашей оценочной карточкой.

Важно создать систему показателей, которая точно отражает бизнес-стратегию. Оценочная карточка:

Описывает видение будущего для всей организации. Это создает общее понимание. Он фокусирует усилия по изменению. Это позволяет организовать обучение на руководящем уровне.

РЕАЛИЗАЦИЯ СТРАТЕГИЧЕСКОГО ПЛАНА С ПОМОЩЬЮ СБАЛАНСИРОВАННОЙ SCORECARD

Настоящая выгода заключается в том, что система показателей является краеугольным камнем ведения бизнеса.Представьте себе организацию, в которой каждый понимает стратегию и свою роль в ее реализации. Высокопроизводительный персонал подготовлен и мотивирован для достижения результатов. Организация настолько гибкая, что стратегию можно тестировать и адаптировать в непрерывном процессе обратной связи, обучения и инноваций. Когда все ресурсы ориентированы на единую стратегию. Эта новая модель управления называется организацией, ориентированной на стратегию (SFO). (Рекламная брошюра Kaplan & Norton)

Каплан и Нортон представляют структуру SFO, которая описывает пять принципов, которые организации используют для достижения высочайшей производительности.Эти принципы превращают систему показателей баланса из системы измерения в систему лидерства и управления. Каждый принцип SFO активно поддерживает роли руководства и управления.

  • Перевести стратегию на операционные термины
  • Согласование организации со стратегией
  • Сделайте стратегию занятием каждого
  • Сделайте стратегию непрерывным процессом
  • Мобилизация изменений посредством исполнительного руководства

Rockwater, подводная строительная компания, провела исследование корреляции между отношением сотрудников и удовлетворенностью клиентов.Они обнаружили, что клиенты в верхнем квинтиле удовлетворенности обслуживались сотрудниками из верхнего квинтиля отношения, согласно данным опроса отношения.

Программное обеспечение сбалансированной системы показателей: Dialog Strategy 2.0

Программная система Dialog Strategy 2.0, доступная бесплатно на веб-сайте Dialog Software по адресу http://www.dialogsoftware.com, используется для помощи в разработке и реализации стратегии сбалансированной системы показателей. Версия, которая доступна бесплатно на веб-сайте компании, имеет ограниченные возможности, а более продвинутые версии доступны за 199 и 399 долларов.

На веб-сайте компании имеется ограниченная информация о программе, но бесплатная версия программы поставляется с обширным руководством по эксплуатации. Интерфейс программы не является интуитивно понятным, но он включает пример организации, которая может извлечь выгоду из реализации стратегии сбалансированной системы показателей. Снимок экрана интерфейса находится на следующей странице.

Даже с ее ошибками, программа будет полезна любому, кто пытается внедрить или пытается изучить сбалансированную систему показателей.Однако для большинства организаций коммерческие версии с дополнительными функциями, вероятно, будут более выгодными.

balancedscorecard.org

Что такое сбалансированная система показателей?

  • В этой части описывается система управления измерениями сбалансированной системы показателей. Он предоставляет диаграмму, показывающую четыре области оценочной карты: обучение и рост, бизнес-процесс, клиент и финансовые перспективы
  • В этой части веб-сайта также обсуждается, как сбалансированная система показателей соотносится с идеями общего управления качеством.
  • Также обсуждается обратная связь
  • Double-Loop, которая фокусируется как на результатах процесса, так и на результатах бизнес-стратегии
  • Обсуждение показателей результатов: «Невозможно улучшить то, что нельзя измерить»
  • Управление через обсуждение фактов, анализ фактических данных позволяет получить четкое представление о компании с разных сторон.

Перспектива обучения и роста

  • Знающие люди — главный ресурс организации. Таким образом, наставничество и обучение очень важны.

Перспектива бизнес-процесса

  • Процесс, ориентированный на миссию
  • Процесс поддержки

Взгляд клиента

  • Потребители должны быть проанализированы на предмет видов услуг и продуктов, которые им предоставляются, и степени их удовлетворенности.

Финансовая перспектива

  • Оценка рисков
  • Рентабельность
  • Слишком большое внимание к финансовым данным может привести к несбалансированной системе показателей

Другие ресурсы
См. Другие наши ресурсы по сбалансированной системе показателей
См. Ресурсы «Инструменты» по сбалансированной системе показателей

.

скоринговая карта — это … Что такое скоринговая карта?

  • оценочная карта — оценочная карта, оценочная карта или оценочная таблица существительное Карточка или лист для записи счета в игре • • • Основная запись: ↑ оценка… Полезный английский словарь

  • Подсчет очков в маджонге — Подсчет очков в маджонге, азартной игре для четырех игроков, которая возникла в Китае, включает в себя получение игроками очков за свою руку с плитками, а затем выплату друг другу в зависимости от разницы в их счетах и ​​тех, кто набрал выиграл раздачу).…… Википедия

  • Card-Pitt — Infobox Команда сезона НФЛ = Chicago Pittsburgh Cardinals Steelers, год = 1944 рекорд = 0 10 место в дивизионе = Тренер 5-го западного дивизиона = Фил Хэндлер, стадион Уолта Кислинга = Comiskey Park, плей-офф Forbes Field = нет предыдущих = 1943 Кардиналы…… Википедия

  • Карточная игра — Карточная игра — это любая игра, в которой используются игральные карты, традиционные или специфические для игры. Существует бесчисленное количество карточных игр, включая семейства связанных игр (например, покер).Некоторые игры имеют формально стандартизованные правила, тогда как правила для других могут отличаться…… Wikipedia

  • карточная игра — Ознакомительная игра, в которую играют для удовольствия или азартные игры (или и то, и другое) с одной или несколькими колодами игральных карт (игральная карта). В играх с игральными картами используется тот факт, что карты идентифицируются индивидуально только с одной стороны, так что каждый игрок…… Universalium

  • Волшебник (карта Таро) — карта, часто нумеруемая 0.Иконография По-французски волшебника называют Le Bateleur, маунтбанк или художник ловкости рук, практикующий сценическую магию. Итальянская традиция называет его Il Bagatto или Il Bagatello, слова неуверенно…… Wikipedia

  • Pitch (карточная игра) — Pitch Origin United States Альтернативное название (я) Неудача, Аукцион, Подача заявки, Тип мазка Уловка с игроками 2 7 (4 лучших) карты 52 Deck Anglo American… Wikipedia

  • Скат (карточная игра) — Эта статья о немецкой карточной игре.Информацию об американской карточной игре «взятие и сброс» см. В разделе «Тридцать один» (игра). Скат Изображение четырех Унтеров немецких карт… Википедия

  • Mus (карточная игра) — Mus Клубы колоды Baraja Происхождение Испания Тип Уловка с игроками 4… Wikipedia

  • 500 (карточная игра) — Инфобокс CardGame title = 500 подзаголовок = ссылка на изображение = заголовок изображения = alt names = type = трюк с игроками = 2 6 play = рейтинг карты по часовой стрелке = Joker AKQJ 10 9 8 7 6 5 4 ( масть козыря разная) возрасты = кол-во карт = 33 63 колода = англо-американец…… Википедия

  • Continental (карточная игра) — Continental Origin United States Альтернативное название Continental… Wikipedia

  • .
    0 0 vote
    Article Rating