7-ой ежегодный профессиональный форум ScorFest 2023

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 специалистов по data science, 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-commerce

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.)