ScorFest 2023 – 7-й ежегодный профессиональный форум

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 онлайн- и офлайн-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, финтех-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.

1. Основные тренды в сфере скоринга и влияние на модели оценки рисков.
2. Санкционный скоринг – влияние на оценку заемщика 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.

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 расчета.
5. Консолидированный скоринг заемщика 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 заемщиков (СЗ). Критерии и источники данных.

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.

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 отнести к переоцененным с точки зрения цена/эффективность?
3. Какая стоимость обработки одной 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?

1. Отличие технологий оценки заемщиков, 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.)