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
Банк Казани повысил доходность вкладов в инвалюте
С 8 ноября текущего года в банке Казани повышены ставки по депозитным программам «Вклад в китайских юанях» и «Надежный валютный» в долларах США и евро
Банк Уралсиб возглавил рейтинг лучших кредитов наличными
Банк Уралсиб возглавил рейтинг лучших кредитов наличными в октябре 2024 года
Как не стать «коллегой» мошенников?
Кто такой дроппер?
В Interactive Brokers объяснили закрытие инвестиционных счетов россиян
Закрытие ряда счетов россиян в IB связано с постоянным проведением компанией анализа санкционных рисков
Эксперт предупредил, как государство может использовать вклады населения в банках
Государство может использовать накопленные вклады населения в банках для финансирования приоритетных направлений экономики
Для желающих взять кредит предложили ввести тест на финансовую грамотность
Замруководителя фракции "Новые люди" в Госдуме Александр Демин направил обращение главе Банка России Эльвире Набиуллиной
Как реформа судебных пошлин повлияет на сферу взыскания
В сентябре 2024 года в России изменилось налоговое законодательство
"Дом.PФ" распределил дополнительные лимиты по семейной ипотеке
"Дом.PФ" распределил между банками дополнительные лимиты по семейной ипотеке
В ЦБ обозначили минимальный шаг изменения ключевой ставки
Минимальный шаг изменения ключевой ставки сегодня составляет 1 процентный пункт
За 2 месяца до исполнения поручения Путина в ПДС привлекли 40% от нужного объема
До конца года в программу нужно привлечь еще почти 150 млрд рублей