Подписывайтесь на Газету.Ru в Telegram Публикуем там только самое важное и интересное!
Новые комментарии +

На сервис «Деньги до зарплаты» приходятся 10% обращений за заемными средствами клиентов Сбера

Директор дивизиона «Занять и сберегать» Сергей Широков в ходе конференции XVII Russia Risk Conference 2021 рассказал, что 10% обращений розничных клиентов Сбера за заемными средствами приходится на сервис «Деньги до зарплаты».

Запуск сервиса «Деньги до зарплаты» — пример успешного взаимодействия между рисками и бизнесом в крупнейшем банке страны. Это возможность для зарплатных клиентов получить деньги от банка на один месяц с одним единственным платежом. Лимит по продукту зависит от дохода клиента. Сервис доступен широкому и надежному сегменту клиентов.

«Продукт позиционируется не как высокомаржинальное и рисковое кредитование, а как привилегия для зарплатного клиента и возможность воспользоваться своим заработком чуть раньше. Процесс подачи заявки и получение денег в Сбере занимает минимум времени у клиента.
Если говорить в целом о процессе розничного кредитования в Сбере, то 79% потребительских кредитов выдается в СберБанк Онлайн. Решение о выдаче кредита принимается около минуты», — отметил СRO розничных рисков Сбербанка Николай Асташкин.

В конференции, которая проходит 20 и 21 октября, также принимают участие: вице-президент, директор Департамента интегрированного риск-менеджмента Сбера Алексей Богатов; сhief data scientist Корпоративно-инвестиционного блока Руслан Морозов; руководитель разработки AI-моделей мониторинга Антон Марченков.

Спикеры Сбера обсудили вопросы организации процесса потребительского кредитования. Также они уделили много внимания трендам и перспективным направлениям в области технологий и AI, влиянию AI на банковские продукты, сервисы и бизнес-модели банков и представили автоматизированную систему мониторинга качества работы AI-моделей и оценки модельного риска на платформе Сбера SberDS. Построение систем оценки качества и стабильности работы моделей позволяет своевременно отслеживать и прогнозировать падение качества моделей в эксплуатации, таким образом проактивно управляя портфелем моделей в условиях быстро меняющейся бизнес-среды.

Загрузка