РАЗРАБОТКА КОНЦЕПТУАЛЬНОЙ СХЕМЫ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ ПО КРЕДИТНЫМ ЗАЯВКАМ

DEVELOPMENT OF A CONCEPTUAL SCHEME OF A MULTI-AGENT SYSTEM FOR MAKING DECISIONS ON LOAN APPLICATIONS

Daria Savenkova

master's student, Department of Applied Informatics and Information Systems, Siberian State University of Geosystems and Technologies,

Russia, Novosibirsk

АННОТАЦИЯ

Данная работа посвящена решению задачи повышения эффективности программных процессов обработки информации при поступлении новых данных либо внедрении новых параметров в работу на примере рассмотрения заявок на кредиты и принятия по ним решения.

В данном случае рассматривается проблема мониторинга заявок клиента и сбора аналитических данных по нему. В условиях конкуренции банков для повышения их прибыльности и увеличения кредитного портфеля, скорость и качество принятия решений является главными факторами.

Система разрабатывается с целью снижения нагрузки на банковских сотруднкиов и повышения скорости обработки информации в связи с большим объемом поступающих заявок за короткий период времени.

Скоринговая система на основе мультиагентного подхода поможет снизить влияние человеческого фактора, автоматизировать большую часть проверок и тем самым уменьшить риски для банка — а также сократить расходы на обработку заявок. Система может использоваться и как своеобразная защита от мошенничества, в случае если в банке есть алгоритмы против злоумышленников.

ABSTRACT

This work is devoted to solving the problem of increasing the efficiency of software information processing processes when new data arrives or new parameters are introduced into work using the example of reviewing loan applications and making decisions on them.

In this case, we consider the problem of monitoring client requests and collecting analytical data on it. In a competitive environment for banks to increase their profitability and increase their loan portfolio, the speed and quality of decision-making are the main factors.

The system is being developed with the aim of reducing the load on bank employees and increasing the speed of information processing due to the large volume of incoming applications in a short period of time.

A scoring system based on a multi-agent approach will help reduce the influence of the human factor, automate most of the checks and thereby reduce risks for the bank - as well as reduce the cost of processing applications. The system can also be used as a kind of protection against fraud if the bank has algorithms against attackers.

Ключевые слова: мультиагентный подход; скоринговая система; кредитная заявка; агент; процесс.

Keywords: multi-agent approach; scoring system; loan application, agent; process.

В основе любой мультиагентной технологии лежит понятие «агента»-программного объекта, который способен воспринимать ситуацию, принимать решения и взаимодействовать с подобными себе объектами, динамически устанавливать связи с ними. Отличительные свойства агента:

• автономность;
• способность взаимодействовать с другими агентами;
• реактивность;
• способность агентов функционировать на основе поставленных целей.

Далее представлен процесс обработки заполненной кредитной заявки. Менеджер либо клиент через сайт отправляет заявку на рассмотрение. Ее берет в работу агент-секретерь через модуль сбора: проверяет на корректность введенных данных, наличие полного пакета документов и затем либо возвращает менеджеру на доработку, либо направляет в модуль анализа данных.

Модуль анализа данных проверяет не числится ли клиент или залог в черных списках, производит проверку на наличие ошибок в анкетных данных клиента и отправляет заявку в модуль распределения. Модуль распределения определяет параметры и вид кредита и с соответствующими сигналами переводит заявку на агента анализа.

При этом в агенте-секретаре каждый модуль создает отчеты по заявке и передает их в модуль отчетности.

Модуль отчетности формирует единую базу отчетов и перенаправляет информацию в модуль машинного обучения. Модули машинного обучения агентов обмениваются информацией друг с другом и корректируют в результате обмена процесс принятия решений.

Рисунок 1. Структура мультиагентной системы

Агент анализа принимает заявку от секретаря и в модуле сбора собирает информацию о клиенте с открытых баз данных, бюро кредитных историй, соц сетей и переводит заявку с прикрепленной информацией о клиенте модулю анализа, который анализирует данные и на основе полученных результатах принимает решение по выдаче кредита или отказе. Если возникла какая-либо ошибка в процессе обработки заявки либо требуется ручное рассмотрение (для звонка клиенту с целью уточнения информации), то заявка перенаправляется на андеррайтера. Если возникло подозрение на мошенничество заявка переводится агенту рисков.

Человеческая структура системы имеет иерархическую структуру. Андеррайтеры подчиняются начальнику отдела, а начальник отдела начальнику Управления. Начальник Управления координирует процесс работы системы с разработчиком. Разрабочик вносит запрашиваемые корректировки в работу агентов и контролирует процесс работы машинных агентов в целом, анализирует ошибки возникающие в работе системы. Информация хранится как в самих агентах, так и в архиве программы – резервной копии данных.

В результате изучения теоретических и прикладных аспектов представлены основные этапы построения модели кредитного скорринга, включая разные методики.

В процессе работы составлена структурная схема мультиагентной системы, описаны мультиагенты и их взаимодействия между собой.

При составлении структуры мультиагентной системы принятия решения изучена процедура получения информации банков из внешних источников.

Так, предоставляя клиентский сервис, кредитные организации собирают информацию о своих клиентах из множества сторонних систем.

Если рассматривать ситуацию с технической точки зрения, то оптимальный путь реализации получения информации из внешних источников и интегрирования их с банковской системой – микросервисная архитектура. Информационная система, построенная по такой архитектуре, представляет собой набор сервисов (программных модулей), которые могут быть развернуты независимо друг от друга [1, 2].

Такая архитектура позволяет технически сложным приложениям постоянно эволюционировать, не дожидаясь выхода новой версии продукта, чтобы внести изменения. Нет нужды выпускать новую версию продукта, если эти изменения касаются только небольшой части продукта. Благодаря этому возможна кастомизация под конкретные бизнес-задачи каждого предприятия, департамента или человека.

Актуальными бизнес-кейсами при обслуживании клиента в отделении банка являются идентификация клиентов, сбор документов, необходимых для оказания услуги и проверка подлинности информации, представленной в документе [3]. Существующая нормативная и технологическая база позволяет банкам частично автоматизировать эти процессы, обращаясь в информационные системы поставщиков юридически значимых данных.

Список литературы:

1. Modelling large complex systems using multi-agent technology / G., Rzevski // In Proc. of 13th ACIS International Conference on Software Engineering, Artificial Intelligence, Networking, and Parallel/Distributed Computing (SNPD2012), August 8- 10, Kyoto, Japan, 2012. PP. 434-437.
2. Многоагентные системы (обзор) / Городецкий В.И., Грушинский М.С., Хабалов А.В. Новости искусственного интеллекта. — 1998. №2. С. 64-116.
3. Майоров И.В. Применение мультиагентной платформы для создания интеллектуальных систем управления ресурсами в реальном времени // Мехатроника, автоматизация, управление. - 2016. - №1. - С. 37-41.