ВТБ применил машинное обучение при кредитовании застройщиков в 30 городах
ВТБ завершил пилотный проект по использованию инструментов машинного обучения. Технология поможет банку эффективнее оценивать стоимость строящихся объектов и в ускоренном режиме принимать решения по выдаче кредитов на жилищное строительство. Новый сервис протестирован в 30 городах России.
В основе сервиса — универсальная платформа геоаналитики, запущенная ВТБ в 2020 году и позволяющая сопоставлять 170 слоев обезличенных данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т.д. Уникальный периметр данных анализируется методами машинного обучения для построения сложных нелинейных моделей оценки стоимости объектов. Все это позволяет оперативно принимать решения о выдаче банком кредитов под строительство.
При стандартном методе аналитики для принятия решения в ручном режиме сравнивают территориально близкие объекты. Модели, основанные на Big Data, позволяют оперативно получать качественную аналитику на базе гораздо большего объема разнообразной информации. Наиболее значимые конкурентные преимущества сервис дает в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно.
«При разработке сервиса мы столкнулись с тем, что рынок жилой недвижимости имеет очень динамичный характер. Для того, чтобы «успеть» за рынком в таком широком географическом периметре, мы разработали не просто модели машинного обучения, а Geo AutoML сервис. Он позволяет перестраивать модели в полностью автоматическом режиме. На сегодняшний день AutoML-решений на рынке много, но это первая история с применением геоаналитики. Поэтому сервис можно считать уникальным», — комментирует Максим Коновалихин, руководитель департамента анализа данных и моделирования – старший вице-президент ВТБ.
Руслан Еременко, руководитель департамента регионального корпоративного бизнеса – старший вице-президент ВТБ, отметил:
В основе сервиса — универсальная платформа геоаналитики, запущенная ВТБ в 2020 году и позволяющая сопоставлять 170 слоев обезличенных данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т.д. Уникальный периметр данных анализируется методами машинного обучения для построения сложных нелинейных моделей оценки стоимости объектов. Все это позволяет оперативно принимать решения о выдаче банком кредитов под строительство.
При стандартном методе аналитики для принятия решения в ручном режиме сравнивают территориально близкие объекты. Модели, основанные на Big Data, позволяют оперативно получать качественную аналитику на базе гораздо большего объема разнообразной информации. Наиболее значимые конкурентные преимущества сервис дает в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно.
«При разработке сервиса мы столкнулись с тем, что рынок жилой недвижимости имеет очень динамичный характер. Для того, чтобы «успеть» за рынком в таком широком географическом периметре, мы разработали не просто модели машинного обучения, а Geo AutoML сервис. Он позволяет перестраивать модели в полностью автоматическом режиме. На сегодняшний день AutoML-решений на рынке много, но это первая история с применением геоаналитики. Поэтому сервис можно считать уникальным», — комментирует Максим Коновалихин, руководитель департамента анализа данных и моделирования – старший вице-президент ВТБ.
Руслан Еременко, руководитель департамента регионального корпоративного бизнеса – старший вице-президент ВТБ, отметил:
Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании. Новая разработка позволяет нам повысить оперативность на этом этапе работы с проектом и получить более объективные и точные данные. Мы видим позитивные результаты с точки зрения повышения эффективности оценки проектов в рамках пилотирования сервиса и планируем до конца сентября масштабировать его на большинство крупнейших городов страны.Пока решение применяется только внутри банка, но в дальнейшем может стать доступным и сторонним пользователям — другим банкам и застройщикам жилой недвижимости.
Читайте также
Выгодная тройка: максимальные ставки по вкладам в китайских юанях на год, февраль 2025

Рассмотрим самые выгодные ставки по депозитным программам в китайских юанях
Европейские банки повысили минимальный порог для счетов россиян
Ряд европейских банков многократно повысили требования по минимальному остатку на счете для граждан России
ЦБ: компании адаптировались к сложностям с трансграничными платежами
Бизнес и банки организовали новую структуру трансграничных расчетов с новыми каналами
ЦБ: рубль в декабре – январе укрепился, выросли акции всех отраслей
В декабре — январе рубль повысился относительно доллара США на 9%
Минцифры анонсировало «красную кнопку» для борьбы с мошенниками
Минцифры совместно с правоохранительными органами, операторами связи, Банком России и коммерческими банками планирует запустить в 2025 году пилотную версию приложения для противодействия телефонному мошенничеству
Мошенники на теневом рынке начали активно скупать аккаунты в Telegram
МВД: мошенники на теневом рынке активно скупают аккаунты в Telegram
В Совфеде предложили варианты решения вопроса с пенсией самозанятых
Сенаторы обеспокоены тем, что формируется «существенный сегмент граждан», которые «будут жить на минимальную пенсию»
Спрос на трехмесячные вклады в январе вырос до почти 50%
Спрос на трехмесячные вклады в январе перераспределился в пользу полугодовых
Рубль уверенно растет к доллару и евро
ЦБ установил официальные курсы валют на 7 февраля
В Солид Банке напомнили о преимуществах кредита под залог
Кредит под залог — это вид потребительского кредита, для получения которого требуется обеспечение