Jak działają systemy scoringowe w firmach pożyczkowych

Scoring pożyczka — te dwa słowa brzmią technicznie, ale stoja za nimi decyzje, które mają realny wpływ na to, czy dostaniesz pieniądze w 15 minut, czy zostaniesz odrzucony bez wyjaśnienia. Firmy pożyczkowe, w przeciwieństwie do banków, często operują na bardzo krótkich cyklach decyzyjnych i nie mają czasu na ręczną weryfikację każdego wnioskodawcy. Właśnie dlatego zbudowały skomplikowane, zautomatyzowane systemy, które w ułamku sekundy analizują dziesiątki zmiennych i przyznają każdemu wnioskodawcy punkt na skali ryzyka.

Artykuł wyjaśnia, jak te systemy naprawdę działają od środka — jakie dane przetwarzają, jak je ważą i dlaczego ten sam człowiek może dostać pozytywną decyzję w jednej firmie, a negatywną w drugiej.

—

Na czym polega scoring pożyczka i skąd wzięła się ta metoda

Ocena zdolności kredytowej jako metoda statystyczna sięga lat 50. XX wieku, kiedy Bill Fair i Earl Isaac stworzyli pierwszą skalę punktową dla amerykańskich instytucji finansowych. W Polsce systemy scoringowe upowszechniły się wraz z rozwojem rynku konsumenckiego w latach 2000., a prawdziwy przełom nastąpił po 2010 roku, gdy firmy pożyczkowe zaczęły masowo oferować pożyczki przez internet z natychmiastową decyzją.

Idea jest prosta: zamiast oceniać każdego klienta intuicyjnie, firma uczy model statystyczny na danych historycznych. Model analizuje setki tysięcy wcześniejszych pożyczek — kto spłacił w terminie, kto się opóźniał, kto nie spłacił wcale — a następnie szuka wzorców wspólnych dla klientów z każdej grupy. Gdy pojawia się nowy wniosek, model porównuje profil wnioskodawcy z tymi wzorcami i oblicza prawdopodobieństwo, że dany klient nie spłaci zobowiązania w terminie.

Wynik tej kalkulacji to właśnie score — liczba, która agreguje ocenę ryzyka w jeden czytelny sygnał. Im wyższy wynik, tym niższe ryzyko z punktu widzenia pożyczkodawcy. Każda firma ustala własne progi akceptacji: powyżej pewnego poziomu wniosek jest automatycznie akceptowany, poniżej innego progu — automatycznie odrzucany, a w środku leży szara strefa, gdzie może dojść do manualnej weryfikacji lub dodatkowych pytań do klienta.

Systemy stosowane przez firmy pożyczkowe różnią się od tych bankowych głównie szybkością i stopniem automatyzacji. Bank może sobie pozwolić na kilkudniową analizę wniosku kredytowego, firma pożyczkowa działa w minutach.

—

Co trafia do modelu scoringu — główne źródła danych

Model scoringu jest tak dobry, jak dane, na których pracuje. Firmy pożyczkowe korzystają z kilku odrębnych źródeł, które razem tworzą szeroki obraz wnioskodawcy.

Dane deklaratywne i behawioralne z wniosku

Podstawę stanowią informacje podane przez samego klienta: wiek, miejsce zamieszkania, stan cywilny, forma zatrudnienia, wysokość dochodu, liczba osób na utrzymaniu. To dane deklaratywne — firma nie może ich natychmiast zweryfikować, ale model i tak przypisuje im wagę statystyczną, bo historycznie pewne kombinacje tych zmiennych korelowały z wyższą lub niższą spłacalnością.

Równie istotne są dane behawioralne zbierane w tle — sposób, w jaki klient wypełnia wniosek. Systemy rejestrują czas spędzony na poszczególnych polach formularza, kolejność wypełniania, liczbę poprawek, porę dnia, typ urządzenia i przeglądarkę. Brzmi to jak nadinterpretacja, ale statystycznie klienci, którzy wahają się przy podawaniu dochodu lub wielokrotnie zmieniają dane w polu „pracodawca”, częściej okazują się klientami podwyższonego ryzyka.

Historyczne dane kredytowe z biur informacji

Każda poważna firma pożyczkowa pobiera raport z co najmniej jednego biura informacji kredytowej lub gospodarczej. W Polsce funkcjonuje BIK (Biuro Informacji Kredytowej), a poza nim kilka biur informacji gospodarczej: BIG InfoMonitor, ERIF, Krajowy Rejestr Długów. Informacje z tych baz to twarda analiza danych: historia spłat, aktywne zobowiązania, liczba zapytań kredytowych w ostatnich miesiącach, wpisy o niespłaconych długach.

Szczególnie ważny sygnał to liczba zapytań. Jeśli ktoś w ciągu jednego miesiąca złożył wnioski do dziesięciu różnych instytucji, model scoringowy traktuje to jako sygnał desperacji finansowej, co znacznie obniża ocenę — nawet jeśli historia spłat była dotychczas czysta.

—

Analiza danych alternatywnych — co wyróżnia firmy pożyczkowe na tle banków

Banki w ocenie ryzyka opierają się głównie na historii bankowej i raportach z BIK. Firmy pożyczkowe, szczególnie te działające w segmencie chwilówek lub pożyczek dla klientów bez historii kredytowej, musiały wypracować własne metody identyfikacji wiarygodnych klientów.

Popularne stało się agregowanie danych z konta bankowego przez usługi open banking. Klient wyraża zgodę na jednorazowy odczyt wyciągu, a algorytm analizuje regularność wpływów, rodzaj wydatków, obciążenia stałe, a nawet historię transakcji w konkretnych kategoriach. Regularne wpływy od tego samego pracodawcy, brak transakcji w serwisach pożyczkowych, niski udział wydatków na hazard — to wszystko pozytywne sygnały w modelu scoringu.

Część firm testuje lub stosuje scoring oparty na danych z mediów społecznościowych, choć w Europie tego rodzaju praktyki są mocno ograniczone przez RODO. Szerzej stosowane są za to dane telekomunikacyjne — regularność płacenia rachunków za telefon to jeden z predyktorów rzetelności finansowej, który sprawdza się lepiej niż intuicja.

Warto też zwrócić uwagę na dane geolokalizacyjne i adresowe. Adres zamieszkania jest weryfikowany nie tylko pod kątem formalnym — model może uwzględniać wskaźniki ekonomiczne danego rejonu pocztowego, historyczną spłacalność klientów z tego obszaru czy dostępność komunikacji publicznej jako proxy dla stabilności zatrudnienia.

Poniżej zestawienie najczęściej używanych kategorii danych alternatywnych:

• Wyciąg bankowy przez open banking — regularne wpływy, struktura wydatków, obecność innych zobowiązań
• Dane telekomunikacyjne — terminowość płacenia rachunków, długość korzystania z usług u jednego operatora
• Dane adresowe i geolokalizacyjne — wskaźniki ekonomiczne rejonu, zgodność adresu z innymi rejestrami
• Historia wcześniejszych kontaktów z firmą — sposób obsługi poprzednich pożyczek, terminowość kontaktu
• Dane behawioralne z procesu wnioskowania — czas wypełniania formularza, liczba sesji przed złożeniem wniosku

Sama lista zmiennych to jednak tylko połowa układanki. Równie ważna jest metoda, jaką model scoringu te zmienne przetwarza.

—

Jak model scoringu oblicza ryzyko — mechanizmy i algorytmy

Za większością systemów scoringowych w firmach pożyczkowych stoją modele regresji logistycznej lub — w bardziej zaawansowanych przypadkach — algorytmy uczenia maszynowego oparte na drzewach decyzyjnych, takie jak gradient boosting. Regresja logistyczna ma tę zaletę, że jest interpretowalna: można sprawdzić, jak duży wkład w wynik miała każda zmienna. Algorytmy uczenia maszynowego dają z reguły lepszą skuteczność predykcyjną, ale ich decyzje bywają trudniejsze do wytłumaczenia — co ma znaczenie prawne w kontekście obowiązku informowania klienta o przyczynach odmowy.

Niezależnie od metody, model jest regularnie rekalibrowany na nowych danych. Otoczenie gospodarcze zmienia się, zmieniają się wzorce zachowań klientów, a model, który dobrze działał w 2021 roku, może dawać gorsze predykcje w 2024 roku po serii szoków ekonomicznych. Dobre firmy pożyczkowe monitorują skuteczność modelu na bieżąco i aktualizują go co kilka miesięcy.

Progi akceptacji i polityka kredytowa

Sam wynik scoringowy to za mało, żeby podjąć decyzję — potrzebna jest jeszcze polityka kredytowa, czyli zbiór reguł określających, co dana firma jest gotowa zaakceptować. Firma może mieć model świetnie przewidujący ryzyko, ale celowo ustawiać niskie progi akceptacji, żeby przejąć więcej klientów w fazie wzrostu, albo wysokie progi, żeby ograniczyć straty w okresie pogorszenia koniunktury.

Progi akceptacji zmieniają się dynamicznie. Firmy pożyczkowe analizują bieżącą szkodowość portfela — jeśli opóźnienia zaczynają rosnąć, próg akceptacji idzie w górę automatycznie lub decyzją komitetu kredytowego. Klient składający wniosek w dobrej i złej kondycji firmy może więc dostać inną decyzję przy identycznym profilu ryzyka.

—

Dlaczego ta sama osoba dostaje różne decyzje w różnych firmach

To pytanie, które zadaje sobie wiele osób po uzyskaniu odmowy. Odpowiedź leży w różnorodności modeli, danych i polityk akceptacji.

Każda firma pożyczkowa buduje własny model scoringu na własnych danych historycznych. Skoro portfele klientów różnych firm nie są identyczne, modele uczą się na różnych wzorcach. Firma specjalizująca się w pożyczkach dla emerytów będzie miała inny model niż ta obsługująca głównie młodych freelancerów.

Do tego dochodzi problem dostępu do danych. Jedna firma może sięgać po dane z BIK, inna tylko z BIG InfoMonitor, jeszcze inna korzysta z open bankingu, ale już nie z danych telekomunikacyjnych. Profil ryzyka tego samego klienta może wyglądać zupełnie różnie w zależności od tego, jaką część danych widzi model.

Nie bez znaczenia jest też moment złożenia wniosku. Algorytmy oceniają aktualny stan konta bankowego, aktualne zobowiązania i aktualne zapytania kredytowe. Wniosek złożony dzień po wpłynięciu wynagrodzenia będzie oceniany inaczej niż wniosek złożony trzy dni przed wypłatą — nawet przez ten sam system.

Z praktycznego punktu widzenia oznacza to kilka rzeczy dla wnioskodawców. Odmowa w jednej firmie nie jest wyrokiem. Warto poczekać kilka tygodni przed kolejnym wnioskiem, bo każde zapytanie trafia do baz i tymczasowo obniża ocenę ryzyka. Istotne jest też zadbanie o spójność danych: adres e-mail, numer telefonu i numer konta powinny być zarejestrowane na własne dane, a podawane informacje o dochodach zgodne z tym, co pokazuje wyciąg bankowy.

Scoring pożyczka to system statystyczny, nie moralny wyrok. Rozumienie jego logiki pozwala świadomiej podchodzić do decyzji o zadłużaniu się i lepiej przygotować się do złożenia wniosku w momencie, gdy szanse na akceptację są realnie wyższe.