19 июля 2023 года в Москве состоится ScorFest* 2023 — седьмой ежегодный форум о технологиях и инновациях в области скоринга. Форум объединяет подходы в оценке физических лиц и МСБ в online и offline-каналах, на основе современных технологий сбора, обработки и продвинутого анализа данных.
ScorFest 2023 — место встречи CRO, топ-менеджеров, курирующих управление рисками, специалистов по мониторингу и валидации рисков, аналитиков и data scientists, экспертов-практиков в области управления кредитными рисками, специалистов управлений количественного анализа и моделирования рисков. Форум привлекает широкий спектр организаций, включая банки, микрофинансовые, страховые, лизинговые, факторинговые, интернет-компании, телекоммуникационные и мобильные операторы, fintech-компании и технологические стартапы.
Программа включает обзор тенденций развития скоринговых технологий, лучшую экспертизу и практические кейсы адаптации риск-моделей в период санкций и экономической дестабилизации, инновации в современном риск — менеджменте, обзор возможностей, обеспеченных ростом цифровых технологий, а также ростом числа источников и объемов данных.
ЭКСПЕРТНАЯ ДИСКУССИЯ #1 ЭВОЛЮЦИЯ СКОРИНГА
ТРЕНДЫ, ИННОВАЦИИ, ВЫЗОВЫ
1. Основные тренды в сфере скоринга и влияние на модели оценки рисков
2. Санкционный скоринг — влияние на оценку заёмщика и учет новых факторов
3. IT-импортозамещение — решения доступные после ухода крупных игроков по обработке данных (SAS, Oracle, Cisco, IBM, Microsoft и др.)
4. ML, AI и BigData — риски и вызовы сектора
5. Развитие персонализированного подхода и поведенческий анализ
6. Нейронные сети vs. градиентный бустинг
7. Скоринговая модель за 24 часа. Современные инструменты создания vs Качество
8. Прогноз эволюции скоринговых моделей и предсказательных систем
СЕССИЯ #2 СКОРИНГОВЫЕ МОДЕЛИ
СОВРЕМЕННЫЕ ТЕХНОЛОГИИ и ЛУЧШИЕ ПРАКТИКИ
1. Интеграция скоринговых моделей с цифровыми платформами: повышение эффективности и доступности
2. Автоматизация процесса создания скоринговых моделей: от данных до принятия решений
3. Методы оптимизации скоринговых моделей: улучшение производительности и качества
4. ПКР — вес в скоринговой модели и трудности расчёта
5. Консолидированный скоринг заёмщика как клиента разных финансовых организаций
6. Распределенные реестры и их применение в скоринге
7. Интеграция данных, новые источники: соцмедиа, цифровые следы, интернет вещей и др.
8. Выбор уровней отсечения в условиях неопределенности. Модели прибыльности кредитования
9. Валидация моделей. Вызовы мониторинга и валидации моделей в условиях внешних шоков
10. Скоринг МСБ. Особенности во время турбулентности. Использование внешних данных
11. Антимошеннический скоринг. Изменение профиля мошенников в новых условиях
12. Коллекторский скоринг. Эффективные стратегии работы с должниками
13. Скоринг в страховании. Прогнозирование суммы убытков
14. Оценка самозанятых заёмщиков (СЗ). Критерии и источники данных
СЕССИЯ #3 НЕЙРОННЫЕ СЕТИ & СКОРИНГ
ЭФФЕКТИВНОСТЬ, РИСКИ, ТЕХНОЛОГИИ
1. Преимущества и ограничения применения нейронных сетей в кредитном скоринге
2. Оптимальная архитектура нейронной сети для скоринга с разнородными займами/кредитами
3. Интеграция соцсетей и данных о связях между заемщиками в моделировании кредитного скоринга
4. Обучение нейронных сетей на больших объемах данных для кредитного скоринга
5. Анализ неструктурированных данных в нейронных сетях для прогнозирования кредитоспособности
6. Интерпретируемость результатов нейронных сетей в кредитном скоринге
7. Учет неоднородности данных и ансамблирование моделей в нейронных сетях для скоринга
8. Подходы к предобработке данных для обучения нейронных сетей
9. Использование рекуррентных нейронных сетей на последовательных данных
10. Основные подходы и принципы в построении Feature Store (общее хранилище фичей)
11. Сбор данных для обучения моделей при помощи оркестраторов ETL процессов (AirFlow и т.п)
12. Что важнее бизнесу: высокое качество ML-решений или их контролируемость и интерпретируемость
13. Организация контроля качества ML-решений работающих в продакшене
14. Основные принципы и особенности в поиске новых источников данных и их тестировании
ЭКСПЕРТНАЯ ДИСКУССИЯ #4 СКОЛЬКО СТОИТ 1 GINI?
1. Стоимость системы принятия решений состоит из нескольких элементов: IT-структура, данные, технологии, специалисты/сотрудники и т.д. Какая пропорция затрат оптимальна?
2. Какие источники данных в России доступны, а какие к переоцененным с точки зрения цена/эффективность?
3. Какая стоимость обработки 1 заявки экономически оправдана?
4. Сколько стоит повышение предсказательной/ранжирующей силы скоринга на 1 пункт на практике?
5. Какой экономический эффект дает повышение предсказательной силы на 1 пункт?
6. Какие действия, помимо насыщения данными, может предпринять кредитор для повышения эффективности кредитного процесса?
БЛИЦ-ИНТЕРВЬЮ #5 СКОРИНГ и АНАЛИЗ ДАННЫХ В ОТРАСЛЯХ
СТРАХОВЫЕ КОМПАНИИ. ЛИЗИНГ. РИТЕЙЛ. КАРШЕРИНГ. ТЕЛЕКОМ. Е-КОММЕРС
1. Отличие технологий оценки заёмщиков, отраслевая специфика
2. Методы и подходы для оценки и управления рисками в своей организации
3. Какие типы данных и переменных наиболее важны и информативны
4. Измерение качества — метрики эффективности моделей
5. Инструменты разработки и внедрения скоринговых моделей
6. Будущее развития в отрасли, новые вызовы и возможности
Сайт форума: www.scoring-forum.ru
Организатор форума — компания Conglomerat
* Ранее — Scoring Case Forum (2016-2022 гг.)
Источник: Conglomerat
