Как работать с долгами по кредитным картам?
Что проверяют
Для специалиста по данным это почти всегда банковский кейс: как модели помогают возвращать просроченные долги и не выдавать новые проблемные карты. Интервьюер смотрит, видите ли вы за вопросом процесс и метрики, или пересказываете советы из личных финансов. Следом обычно спрашивают, как доказать, что модель действительно увеличила возврат.
Как отвечать
Разложите взыскание на задачи для данных:
- сегментация по просрочке: клиентов делят на корзины по дням просрочки (DPD), например до 30, от 31 до 90 и свыше 90 дней. У каждой корзины свои действия;
- roll rate: доля клиентов, перешедших в следующую корзину за месяц. Это главный показатель, который модель должна снижать;
- скоринг взыскания: вероятность, что клиент заплатит сам, без контакта. Их не дёргают звонками, операторы заняты остальными;
- uplift-модель: предсказывает не оплату, а прирост вероятности оплаты от конкретного действия (SMS, звонок, предложение реструктуризации). Обучается на данных, где действия назначались случайно;
- ограничения: закон ограничивает частоту звонков и сообщений должнику, это жёсткое условие оптимизации, а не пожелание.
Результат проверяйте A/B-тестом: сравнивайте долю вылеченных договоров (cure rate) и сумму возврата за вычетом стоимости контактов.
Вопрос поведенческий: опирайтесь на свой проект и свои реальные цифры, что построили и как сдвинулись метрики. Если в кредитном риске вы не работали, так и скажите и покажите, как перенесли бы похожий опыт, например модель оттока или приоритизацию обращений.
Если интервьюер всё же имеет в виду личные финансы, назовите две стратегии: «лавина» гасит сначала долг с самой высокой ставкой и дешевле математически, «снежный ком» гасит сначала самый маленький долг и лучше держит мотивацию.
Где спотыкаются
Отвечают как финансовый консультант, про бюджет и отказ от карт, забыв о данных и моделях.
Строят модель вероятности оплаты и звонят тем, у кого она выше. Эти клиенты заплатили бы и так, эффект дают те, чьё поведение меняет контакт.
Оценивают модель только по ROC-AUC на истории, без эксперимента. Без контрольной группы эффект модели не отделить от сезонности.