Андрей Савгуров: «Мы коллекционируем скоринговые модели»

Андрей, вы возглавляете в сервисе по возврату просроченной задолженности ID Collect департамент аналитики и рисков. В банках, например, это разные департаменты. Почему так?

Так исторически сложилось, что задачи по этим направлениям у нас в компании не разделены: одна команда занимается как рисками, так в целом аналитикой и отчетностью. Кроме того, до масштабов департамента мы доросли не так давно: изначально всеми задачами занимался небольшой отдел, и в разделении не было смысла. Однако, думаю, что уже в среднесрочной перспективе мы разделим риски и аналитику: продуктовая линейка становится шире, портфель растет очень высокими темпами, и рискам скоро потребуется больше пространства и ресурсов. 

В целом же, задачи в части рисков и аналитики в индустрии взыскания очень схожи с аналогичными задачами в банковской сфере. С помощью DS-моделей и аналитики мы выстраиваем прогнозные модели платежного поведения клиентов, оцениваем факторы риска невозврата долга. Разница только в сроке просрочки и качестве долгов: мы, в отличие от банков, в основном работаем с долговыми кейсами на стадии глубокой просрочки.

Чем конкретно занимается департамент?

У нас шесть основных направлений: операционная отчетность, портфельная аналитика, Data Science-моделирование, управленческая отчетность, развитие DWH и качество данных. Всем этим занимается 12 человек, но сейчас мы активно набираем людей в команду, так как каждое направление уже требует внутреннего куратора и отдельной проектной группы с учетом амбициозности поставленных перед нами задач: показателя RR, скорости прохождения долгов по воронке взыскания, точности прогнозирования скоринговых моделей и других метрик.

Спектр задач впечатляет. Расскажите немного о своем бэкграунде? Как вы пришли в индустрию взыскания? Где вы работали до этого?

Я работал в банке из числа крупнейших: возглавлял группу аналитиков, которая занималась автоматизацией отчетности. Но в банке путь к позиции полифункционального руководителя высшего уровня занимает очень много времени, особенно в большой, не очень поворотливой организации. Кроме того, я закончил факультет радиотехники и кибернетики по специальности «Нейрокомпьютеры» МФТИ, изучал Data Science и нейронные сети, а моя зона ответственности в банке была далека от этого направления. Поэтому я начал искать новые развивающиеся проекты. И в 2020 году пришел в ID Collect, тогда еще стартап — новый проект финтех-группы IDF Eurasia.

И какие у вас были первые впечатления от атмосферы в финтехе?

Это сейчас ID Collect — одна из крупнейших компаний рынка взыскания с региональной сетью свыше 40 офисов, в которой бизнес-процессы автоматизированы, используется AI, финансовые и операционные показатели ежегодно бьют рекорды. А тогда, в разгар пандемии в головном офисе в Москве работало около 15 человек: один человек — одно направление. По моему направлению не было фактически ничего, кроме CRM, даже отдельной базы для аналитиков. Поэтому, хоть я и понимал, что иду в стартап, было ощущение, что я пришел на голое поле, где все нужно строить руками, потому что даже экскаватора нет. Сейчас даже трудно поверить, что с тех пор прошло всего четыре года — так сильно все изменилось.

Чего удалось добиться за это время?

Мы отстраивали систему аналитики и рисков фактически с нуля — в «наследство» от моего предшественника мне досталась только одна модель первичной оценки портфелей в Excel, больше ничего. И «мы» появились после — первое время я работал один, как и все другие «департаменты». Тогда еще в кавычках, потому что у них имелись только руководители. В режиме 24/7 мы строили новый бизнес. Постепенно формировалась моя личная команда: мы подняли боевую базу данных CRM и создали аналитическую базу, наладили архитектуру, сформировали первые операционные отчеты. Потом появились первые скоринговые DS-модели, BI-система, сегментация. Мы развили систему так называемой суперотчетности — сейчас мы регулярно обновляем и отслеживаем изменения на каждом участке бизнес-процессов. Отдельно могу отметить количество и качестве скоринговых моделей — сейчас у нас их 14, два года назад было в трис лишним раза меньше. При этом модели переоценки у нас полностью автоматизированы, а результаты переоценки учитываются в МСФО — это редкая практика в индустрии взыскания, такой учет ведется всего у нескольких крупных компаний, включая ID Collect.

Вам пришлось переобучаться, получать какие-то специфические знания?

Необходимые знания у меня были, но я привык работать совершенно в другом ритме. Очень необычной для меня оказалась высокая скорость изменений в компании. В первые месяцы мы работали допоздна и в режиме реального времени наблюдали, какими быстрыми темпами растет бизнес, усложняются процессы, становится все больше людей. Было любопытно фиксировать эти перемены и в то же время быть неотъемлемой их частью.

Кстати, про людей. Сейчас у вас внушительная команда. Как вы подбираете людей? Какие cкиллы важнее других?

Сейчас на рынке аналитиков кадровый голод. Опытные специалисты уже, в основном, пристроены, поэтому мы делаем ставку на молодых ребят — от 23-25 лет. Но это поколение как раз попало в демографическую «яму», кроме того, многие уехали за последние годы. Если бы я мог выбирать, то, конечно, предпочел бы выпускников топовых технических вузов — МФТИ, Бауманского, физмата и мехмата МГУ, МИФИ. Я технарь, нам проще понимать друг друга. Но рынок соискателей диктует свои законы, поэтому, помимо основных хард скиллов, главное для моего будущего сотрудника — активность и неравнодушие. В банках, например, у аналитиков есть возможность выполнять небольшой объем работы в течение дня вперемешку с многочисленными кофепаузами, курилкой и общением с коллегами. У нас количество задач на день не дает расслабляться — многих это первое время удивляет, но практически все остаются: подкупает сложность и амбициозность проектов.

Вы уже давно в отрасли. Назовите пять слов, с которыми у вас ассоциируется коллекшен.

Урегулирование — потому что взыскание стало гораздо более цивилизованным и всегда дает должнику шанс договориться. Сборы — куда же без них. Развитие — ключевая характеристика нашей компании. Пинг-понг — потому что мы с коллегами в перерывах любим сыграть партию-другую. И коллекционирование — почему-то напрашивается это слово. Мы, аналитики, например, коллекционируем скоринговые модели. И коллекция растет из года в год.