Анализ поведения пользователя на сайте для задачи кредитного скоринга

Способ кредитования онлайн ведет за собой появление большого количества фродилентных заявок в общем потоке. Это означает, что использование персональных данных не гарантирует корректность оценки скоринговой модели, так как эти данные могут быть фальсифицированы или использованы мошенником. Тоже самое касается данных из социальных сетей, которые сейчас активно используют в скоринговых моделях, ссылаясь на их достоверность. Использование этих данных предполагает наличие ошибок второго рода, а также их накопление на этапе принятия решения. Целью работы являются формирование новых прокси-метрик для оценки кредитоспособности пользователя на основании его поведения на сайте или в мобильном приложении и их использование для решения задачи кредитного скоринга. В работе раскрыты технические детали взаимодействия с клиентской частью веб-приложения - альтернативным источником данных для кредитных организаций, исследованы принципы работы скоринговых моделей на основе алгоритмов машинного обучения с использованием данных онлайн поведении пользователя. В качестве выводов и значимости работы демонстрируется возможное использование альтернативных данных, которое улучшает результативность прогнозирования кредитоспособности, повышает качество оценки риска и оптимизирует процесс принятия решения.