Как МФО проверяют заёмщиков: скоринг и Big Data

Вы нажали «Получить займ» и ждёте 5 минут. За это время система анализирует десятки параметров и выдаёт решение. Разберём, что именно происходит внутри.

Традиционный скоринг: кредитная история

Первый и главный блок проверки — кредитная история из БКИ. МФО запрашивает отчёт из одного или нескольких бюро: НБКИ, ОКБ, Скоринг Бюро.

Что анализируется:

Наличие просрочек и их «свежесть» — просрочка 5 лет назад хуже, чем 5 лет назад, но лучше, чем сейчас
Количество открытых займов — долговая нагрузка
Количество запросов — много запросов за последний месяц снижает балл
История погашений — платил аккуратно или с задержками
Типы кредитов — ипотека в истории воспринимается как плюс (банк доверял)

Скоринговый балл формируется автоматически — обычно по шкале 0–850 или 0–1000 в зависимости от БКИ.

Верификация личности: государственные базы

Параллельно с БКИ система обращается к государственным базам данных:

ФНС (через ЕСИА/Госуслуги): статус самозанятого, наличие ИП, задолженности по налогам.

ПФР: стаж работы, последнее место трудоустройства, размер пенсии (для пенсионеров).

ФССП: наличие исполнительных производств. Активное производство — почти всегда отказ.

МВД (паспортная база): действительность паспорта. Недействительный паспорт — немедленный отказ.

ГИБДД: иногда проверяется наличие автомобиля — как маркер материального положения.

Альтернативные данные: Big Data

Это самый интересный и непрозрачный блок. Крупные МФО собирают и анализируют десятки «нестандартных» параметров:

Цифровые следы устройства:

Тип и возраст телефона/компьютера
Версия браузера и ОС
Использование VPN или анонимайзера (снижает балл)
Время суток подачи заявки

Поведение на сайте:

Как заполнялась анкета: медленно и аккуратно или слишком быстро (что может говорить о копировании чужих данных)
Сколько раз перечитывали условия
С какого устройства и браузера зашли

Социальные сети (если дали доступ):

Наличие аккаунта и его активность
Дата регистрации
Аватар и наполнение страницы

Анализ банковских транзакций (при подключении):

Регулярность поступлений
Паттерны трат (казино, МФО — красные флаги)
Остатки на счёте перед датой подачи заявки

Машинное обучение

Все эти данные обрабатываются моделями машинного обучения, обученными на миллионах исторических кейсов. Модель умеет находить неочевидные корреляции:

Например, статистически доказано, что заёмщики, вводящие телефонный номер без пробелов, в среднем надёжнее тех, кто вводит с пробелами. Или что пользователи старых iPhone с оригинальными зарядками платят аккуратнее, чем пользователи дешёвых Android с дубликатами.

Это не значит, что нужно специально имитировать поведение. Это значит, что скоринг — сложная многофакторная система, а не просто «есть/нет просрочка».

Ручная проверка

При неоднозначных результатах автоматического скоринга заявка уходит на ручную проверку. Сотрудник МФО может:

Позвонить заёмщику и задать вопросы
Попросить дополнительные документы (СНИЛС, справку о доходах)
Проверить данные через дополнительные источники

Ручная проверка занимает от нескольких часов до 1 рабочего дня.

Почему решение иногда кажется случайным

Скоринговые модели — это вероятностные системы. Два заёмщика с похожим профилем могут получить разные решения из-за:

Разных БКИ, которые запрашивала МФО
Разного времени и дня подачи (нагрузка на сервер)
Разных версий скоринговой модели (обновляются регулярно)
Случайного элемента в алгоритме (чтобы собирать данные о «пограничных» заёмщиках)

Если отказали — попробуйте через 2 недели: модель обновится, или попробуйте другую МФО с другим алгоритмом.