Банковская отрасль активно обсуждает переход к использованию официальных сведений о доходах граждан при принятии решений о выдаче потребительских кредитов. Эта тема стала заметной после утверждения дорожной карты ЦБ РФ, направленной на интеграцию данных из информационных систем ФНС и Социального фонда России через так называемый «Цифровой профиль». В рамках новой схемы кредиторы будут опираться на официальные сведения о доходах заемщиков, а не на анкеты, сторонние документы и произвольные внутренние модели скоринга.
Главная идея перехода — повысить прозрачность и достоверность информации о финансовом состоянии клиента. По замыслу регулятора, использование цифровых источников позволит снизить риск неправомерной выдачи кредита и повысить конкурентоспособность банков за счёт унифицированной базы данных. Однако в отрасли возникают вопросы о доступности и полноте информации для разных групп заемщиков, а также о необходимости адаптации текущих методик оценки рисков.
Ассоциация банков России (АБР) отмечает, что новый подход должен сохранять возможность получения кредита для людей, не имеющих доступа к «Госуслугам» или чьё официальное вознаграждение не отражено в государственных системах. Вопрос доступности данных остаётся важным: часть населения может сталкиваться с задержками в обновлении информации или ограничениями в использовании цифровых сервисов.
Со стороны кредиторов, особенно банков и микрофинансовые организаций, отмечается, что переход потребует серьёзного пересмотра скоринга. В настоящее время многие клиенты МФО не предоставляют справки о доходе, поскольку этот процесс замедляет выдачу займа и пугает заёмщиков формальностями. В условиях новой системы часть «ручной» проверки дохода исчезнет, и вместо неё будут использоваться данные из официальных источников. Это может привести к изменению пороговых значений риска и перераспределению клиентской базы между сегментами кредиторов.
Опыт участников рынка подсказывает, что и банкам и МФО удавалось годами строить и настраивать свои модели оценки риска. В этих моделях учитывается не только официальный доход клиента, но и ряд факторов, которые помогают сгладить несовершенство формальных данных: история платежей, динамика доходов, поведенческие признаки и т. п. В представленном контексте важной остается задача корректной калибровки новых моделей под официальные данные и обеспечение устойчивости скоринга к возможным «разрывам» между реальными доходами и тем, что зафиксировано в госинформационных системах.