ВТБ в Санкт-Петербурге и Ленинградской области выдал более 4,5 млрд рублей кредитов наличными
В июле ВТБ в Санкт-Петербурге и Ленинградской области выдал более 4,5 млрд рублей кредитов наличными, показав почти двукратный рост объема кредитования по отношению к маю и рост на треть по отношению к июню.
С начала года банк выдал в регионе 23 млрд рублей.
Всего в июле клиенты ВТБ на Северо-Западе оформили кредиты наличными на сумму более 7,4 млрд рублей. Это более чем на четверть превышает показатели июня. С начала года банк выдал в федеральном округе потребительские кредиты на общую сумму около 40 млрд рублей. Также в топ регионов вошли Вологодская (4,2 млрд), Мурманская (3 млрд), Архангельская (2,4 млрд) и Калининградская области (2,1 млрд). В июле по отношению к маю объемы кредитования выросли почти в два раза в Архангельской, Новгородской, Псковской областях, республике Коми и в Санкт-Петербурге.
В целом по стране с начала года ВТБ выдал почти 540 тыс. кредитов наличными на сумму 310 млрд рублей. Из них в июле банк предоставил кредиты наличными на 60 млрд рублей — на треть больше, чем в предыдущем месяце.
С 1 августа банк запустил возможность рефинансирования кредитов наличными, что позволяет заемщикам снизить свою платежную нагрузку в размере до 50%.
ВТБ завершил пилотный проект по использованию инструментов машинного обучения.
Технология поможет банку эффективнее оценивать стоимость строящихся объектов и в ускоренном режиме принимать решения по выдаче кредитов на жилищное строительство. Новый сервис протестирован в 30 городах России.
В основе сервиса — универсальная платформа геоаналитики, запущенная ВТБ в 2020 году и позволяющая сопоставлять 170 слоев обезличенных данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т.д. Уникальный периметр данных анализируется методами машинного обучения для построения сложных нелинейных моделей оценки стоимости объектов. Все это позволяет оперативно принимать решения о выдаче банком кредитов под строительство.
При стандартном методе аналитики для принятия решения в ручном режиме сравнивают территориально близкие объекты. Модели, основанные на Big Data, позволяют оперативно получать качественную аналитику на базе гораздо большего объема разнообразной информации. Наиболее значимые конкурентные преимущества сервис дает в ситуации, когда строящийся жилой объект не имеет рядом аналогов, и оценить его, используя только метод сравнения с похожими соседствующими объектами, невозможно.
«При разработке сервиса мы столкнулись с тем, что рынок жилой недвижимости имеет очень динамичный характер. Для того, чтобы «успеть» за рынком в таком широком географическом периметре, мы разработали не просто модели машинного обучения, а Geo AutoML сервис. Он позволяет перестраивать модели в полностью автоматическом режиме. На сегодняшний день AutoML-решений на рынке много, но это первая история с применением геоаналитики. Поэтому сервис можно считать уникальным», — комментирует Максим Коновалихин, руководитель департамента анализа данных и моделирования – старший вице-президент ВТБ.
«Оценка рыночной стоимости строящейся недвижимости играет для банка важную роль в принятии решения о финансировании. Новая разработка позволяет нам повысить оперативность на этом этапе работы с проектом и получить более объективные и точные данные. Мы видим позитивные результаты с точки зрения повышения эффективности оценки проектов в рамках пилотирования сервиса и планируем до конца сентября масштабировать его на большинство крупнейших городов страны», — отметил Руслан Еременко, руководитель департамента регионального корпоративного бизнеса – старший вице-президент ВТБ.
Пока решение применяется только внутри банка, но в дальнейшем может стать доступным и сторонним пользователям — другим банкам и застройщикам жилой недвижимости.