Сообщение

Спасибо, Ваш запрос отправлен!
Войти с помощью соцсетей
или
Восстановление пароля
Введите ваш e-mail
Я вспомнил свой пароль!
Проверьте e-mail, пожалуйста!
Во сколько баллов
вы оцениваете наш портал?
1 2 3 4 5 6 7 8 9 10
Спасибо за Ваше мнение!
28 августа 2016, 14:05
Полезные статьи РынокВзыскания.РФ 609 0

Дмитрий Теплицкий («АктивБизнесКоллекшн»): Коллекторский бизнес сегодня — IT-бизнес

— Дмитрий Владимирович, вы возглавляете «АктивБизнесКоллекшн» с момента основания компании. Легко ли внедрять новшества в бизнес-модель компании с государственным участием?

— Наша компания изначально создавалась как организация, которая станет лидером не только в области выстраивания грамотного и цивилизованного процесса взыскания, но и применяемых IT-решений и технологий. За более чем три года командой «АктивБизнесКоллекшн» был пройден огромный путь в части реализации этой стратегии развития. Рынок диктует необходимость быстрого реагирования на изменения, и нам это удается. Сегодня, мы — один из лидеров не только по объемам работы с просроченной задолженностью, прибыли, но и по эффективности взыскания, основой которой являются технологии.

— Как возникла идея использовать интегрированный комплекс для коллекторского бизнеса? Какие решения сейчас присутствуют на рынке и в каких направлениях действуют разработчики будущих систем?

— Мы рассматривали целый ряд программных комплексов для коллекторского бизнеса, использовавшихся на тот момент в индустрии. Одним из основных требований была необходимость сделать процесс сопровождения и развития системы максимально гибким. Мы исходили из применения идеологии Agile, стремясь максимально снизить сроки поставки бизнесу необходимой функциональности, поскольку ключевой компетенцией IT-подразделения современной финансовой компании является инновационность — способность своевременно внедрять новые технологии, отвечая на вызовы динамично меняющегося рынка. В то же время попытка выстроить информационно-технологическую инфраструктуру на основе разнородных решений от различных поставщиков связана с рисками, лежащими в области интеграции, с ростом затрат на обеспечение доступности сервисов, ведь к коллекторской информационной системе предъявляются повышенные требования в части бесперебойности работы — даже минута простоя колл-центра чревата серьезными убытками.

— Очевидно, что максимальный интерес представляют те должники, которые могут с большой вероятностью вернуть просроченный кредит. Может ли система каким-то образом вычислить этих людей? Применяете ли вы технологии deep learning и автоматического управления или это просто модный тезис, а не реально работающая конструкция?

— Безусловно, оценка вероятности возврата просроченного кредита — одна из важных функций, успешная реализация которой влияет на эффективность всего бизнес-процесса компании. Есть множество вероятностей, которые информационная система должна уметь предсказывать — например, изменение вероятности взыскания в зависимости от набора проводимых мероприятий: как изменится вероятность взыскания актива, если будет отправлено sms-соообщение с тем или иным шаблоном? Осуществлен ли исходящий звонок или визит сотрудника выездного взыскания? Оценка эффекта от мероприятия должна на каждом этапе и по каждому активу в отдельности сопоставляться с затратами на осуществление мероприятия. Для успешной работы колл-центра необходимо уметь точно прогнозировать вероятность дозвониться до должника, осуществив звонок в определенное время суток по определенному номеру телефона. Для контактов, полученных из подсистемы, реализующей skip tracing, должна прогнозироваться вероятность принадлежности контакта должнику — таких задач прогноза в рамках коллекторского бизнес-процесса множество, и успешное решение каждой из них непосредственно влияет на финансовые показатели компании и эффективность взыскания.

Конечно, сейчас понятие «deep learning» имеет шансы стать очередным «buzz word», как это в свое время произошло с термином «big data», однако в нашем случае под этим словосочетанием понимается использование строго определенных технологий и наличие вполне однозначных компетенций. Если речь идет о задаче прогноза вероятности взыскания, то мы имеем дело примерно с сотней факторов, начиная от простых статических — пола должника, суммы задолженности, количества дней просрочки и т.п. и заканчивая сведениями, собранными в социальных сетях, набором осуществленных мероприятий, множеством тэгов, проставленных сотрудниками, наличием определенных фраз в результате распознавания речи, примененного к переговорам с должником. Все это следует умножить на более чем пять миллионов прошедших через нас эпизодов взыскания. Для анализа такого массива данных и построения предиктивных моделей используются современные технологии машинного обучения, в том числе многослойные сверточные нейронные сети. Компании, не использующие современные технологии интеллектуальной обработки данных, в следующее десятилетие, по всей видимости, лишатся своей рыночной доли.

— Коллекторам много приходится работать по телефону. Используются ли какие-либо технологии распознавания речи, анализа эмоций и стиля разговора? Помогают ли в работе видео и фото?

— С начала 2016 года мы используем технологии распознавания речи в работе своих колл-центров. Применение этой технологии позволяет одновременно достичь прогресса сразу в двух направлениях: 1) совершенствования системы контроля качества — автоматическое выявление ситуаций несоблюдения операторами установленных скриптов общения, употребления нежелательных слов и выражений и т.д. и 2) совершенствование точности прогноза вероятности взыскания на основе наличия или отсутствия в переговорах определенных слов и словосочетаний. Что касается фото и видео, то отдельным проектом, для уточнения вероятности взыскания и улучшения стратегий взыскания. Видеозапись мы в настоящее время используем достаточно редко.

— Как можно автоматизировать поиск дополнительной информации о должниках: телефонах, адресах и т.д.? Какие источники информации могут быть задействованы? Насколько этично использовать данные из профилей социальных сетей?

— Помимо данных, предоставленных непосредственно заемщиком, мы используем все источники контактных данных, размещенных в открытом доступе, за исключением случаев, когда факт их размещения был признан противоречащим действующему законодательству. В том числе используются и данные из профилей социальных сетей. На наш взгляд, здесь нет никакой этической проблемы — оператор колл-центра коллекторского агентства связывается с должником с целью донести до него информацию, связанную с соблюдением принятых на себя должником договорных обязательств. Неисполнение данных обязательств чревато негативными последствиями для должника, и цель коллекторского агентства — своевременно информировать его, разъяснить ему его права и обязанности, найти решение, которое позволит должнику снизить негативные последствия просрочки платежа. Если, например, предупреждение МЧС о возможных чрезвычайных ситуациях не вызывает вопросов этического характера, то почему они должны возникнуть в данном случае? Кроме того, возможность кредитных организаций использовать те или иные способы связи с заемщиком обычно зафиксирована в тексте кредитного договора.

— С автоматизацией стационарных рабочих мест все понятно, но можно ли автоматизировать работу выездных сотрудников взыскания? Можно ли контролировать их перемещения, визиты, разговоры с должниками?

— Достаточно важной частью интегрированного аппаратно-программного комплекса коллекторского агентства является мобильная платформа для выездного взыскания. Все наши выездные сотрудники получают специальное мобильное устройство — планшет на основе iOS или Android с установленным мобильным приложением, которое реализует следующие функции: просмотр информации о делах, распределенных в работу данного сотрудника, внесение результатов выезда (в том числе дополнительных контактных данных, результатов фотосъемки и аудиофиксации общения с должником), а также постоянный мониторинг местонахождения сотрудника при помощи GPS/ГЛОНАСС. Для всех адресов, закрепленных за сотрудниками выездного взыскания, при помощи специального сервиса осуществляется геопривязка — определение координат на карте, соответствующих данному адресу. Таким образом система позволяет осуществлять автоматический контроль посещения адресов выездными сотрудниками, а также рассчитывать затраты на топливо для сотрудников, использующих в работе автотранспорт.

— Как вообще информационные технологии влияют на эффективность работы коллекторского агентства? Как относятся сотрудники к автоматизации?

— На мой взгляд, коллекторский бизнес сегодня, если мы говорим о работе крупного агентства, это, по сути, IT-бизнес, ведь в основе бизнес-процесса в данном случае лежит массовая интеллектуальная обработка больших объемов данных. Причем информация, обрабатываемая коллекторским агентством, крайне разнородна по своей структуре — это финансовые и контактные данные, данные о мероприятиях, сведения, собираемые во множестве внешних источников, начиная от социальных сетей и заканчивая различными реестрами и справочными системами, аудио- и визуальная информация, геоинформационные данные, разнородная и обширная отчетность. Без современных средств автоматизации работа коллекторского бизнеса невозможна, отсутствие качественной IT-составляющей немедленно влечет за собой неэффективность бизнеса в целом. Нам удалось наладить качественный и конструктивный диалог между бизнес-подразделениями и IT, избежать бюрократии. Благодаря этому наша система способна быстро реагировать на изменения рынка и потребности каждого клиента, позволяет проводить эксперименты, связанные с применением новых технологий в ходе взыскания, и первыми внедрять новшества в операционный процесс, что значительно улучшает финансовые показатели работы и обеспечивает отрыв от конкурентов.

 

Источник: 

Поделиться :