Как кредитовать клиентов с переменным доходом без повышения риска

Структура занятости меняется, и всё больше клиентов получают доход нерегулярно. По данным ФНС, в России уже свыше 12 млн самозанятых, а доходы фрилансеров за год выросли более чем на 50%. К этой группе относятся курьеры, водители на платформах, сезонные работники и молодые специалисты, у которых нет «ровной» зарплаты и классического подтверждения доходов.

Проблема в том, что для большинства банков эти клиенты по-прежнему выглядят как «рисковая зона».

Не потому что они хуже платят, а потому что классические методы оценки попросту не видят их реальную финансовую активность. Справки, выписки, формальные проверки - всё это создавалось под классическую модель занятости, которая уже перестала быть массовой.

В итоге банки сталкиваются с типичной картиной:

• скоринг не может оценить клиента без стабильного дохода → отказ или минимальный лимит;
• проверка затягивается из-за документов → клиент уходит в другой банк;
• модель воспринимает нерегулярные поступления как риск → растёт процент необоснованных отказов.

Парадокс в том, что именно этот сегмент - самозанятые, фрилансеры, платформенная занятость - сегодня дает банкам один из самых высоких потенциалов роста. Но чтобы работать с ним безопасно, нужны не бумажные справки, а нормальная картина того, как человек действительно управляет своими деньгами.

И здесь банки упираются в несколько системных проблем: 

Финансовая активность клиентов с переменным доходом практически не отражается в стандартных документах. Формальные справки фиксируют лишь небольшой фрагмент денежных операций — и зачастую не тот, который нужен для корректной оценки риска.

Что происходит на практике:

• Большая часть поступлений проходит мимо официальных отчётов. Курьеры, мастера, самозанятые и фрилансеры получают доход на карты, кошельки, P2P-переводами — и эти операции не отражаются в классических справках.
• Выписки не показывают динамику. Да, в документе есть суммы, но нет сезонности, регулярности, поведенческих паттернов — того, что реально определяет устойчивость клиента.
• Системы трактуют переменный доход как повышенный риск. Алгоритм видит «неравномерные поступления» → присваивает более высокий PD, хотя на самом деле у клиента может быть стабильный поток небольших, но регулярных платежей.

В результате банк оценивает не реальную финансовую активность, а «обрезанную» картинку, собранную из фрагментов. Это и приводит к ключевой проблеме сегмента: клиенты с нормальными денежными потоками попадают в категорию «высокий риск» только потому, что формальные документы не предназначены для анализа гибких моделей занятости.

Даже когда данные у банка есть, проблема не исчезает — стандартные скоринговые модели просто не рассчитаны на то, как сегодня выглядят доходы миллионов клиентов. Алгоритмы ожидают «ровный» график поступлений, привычный для наёмных сотрудников: фиксированная зарплата два раза в месяц, премии по расписанию, предсказуемый остаток на счёте.

У клиентов с переменным доходом это работает иначе:

• один месяц — высокий объём заказов, другой — ниже из-за сезонности;
• поступления приходят каждый день небольшими суммами;
• несколько источников дохода объединяются в один поток;
• часть транзакций проходит через платёжные сервисы, а не напрямую через зарплатную систему.

Для классического скоринга всё это выглядит как «нестабильность». Модель видит разброс сумм → снижает балл. Не может выделить основной источник → повышает риск. Не понимает сезонность → ошибочно классифицирует клиента как ненадёжного.

И здесь возникает системный эффект: скоринг не ошибается намеренно — он ошибается потому, что обучен на другом типе экономического поведения.

В итоге банк получает искажённую картину платежеспособности:

• PD растёт из-за «неравномерности», которая на самом деле нормальна для сегмента;
• молодые клиенты и самозанятые выбрасываются за пределы риск-аппетита;
• портфель смещается в сторону «перекредитованных» вместо тех, кто реально может платить.

Когда модели не умеют работать с переменной структурой дохода, банк фактически ограничивает сам себя. И здесь появляется следующая проблема:

Когда скоринг не может корректно оценить клиента с переменным доходом, процесс автоматически уходит в ручную зону. И здесь банки сталкиваются с привычным, но уже критичным набором проблем.

Во-первых, ручная проверка всегда медленная.

Сотруднику нужно запросить документы, сверить цифры, уточнить источники дохода, иногда — связаться с работодателем или платформой. В итоге решение занимает дни, хотя клиент ожидает минут. Для сегмента с высокой конкуренцией это означает одно — человек просто уйдёт туда, где ответ дадут быстрее.

Во-вторых, человеческий фактор становится полноценным источником риска.

Когда верификатор вручную анализирует десятки заявок в день, неизбежны ошибки: не замеченные поступления, неверно классифицированные транзакции, упущенные источники дохода. Плюс субъективность — два сотрудника могут по-разному оценить одного и того же клиента.
В-третьих, операционные издержки растут непропорционально.
На каждую нестандартную заявку тратится больше времени, чем она стоит. Масштабировать такой процесс невозможно — чем больше заявок, тем больше персонала нужно нанимать, а качество решений при этом не растёт.

И самое главное — ручная проверка не решает исходную проблему.
Она не даёт банку более точную оценку, она лишь пытается «достроить» информацию, которая изначально недоступна в классических документах.

Отсюда — системный вывод: чтобы работать с клиентами с переменным доходом, банку нужен не новый регламент, а другой способ видеть финансовую активность.

Решение: оценка дохода по транзакционной активности.

Если классические документы не отражают реальный доход, а ручные проверки только замедляют процесс, остаётся один рабочий путь - смотреть на то, как клиент действительно распоряжается деньгами.
Именно это делает подход, основанный на анализе поступлений на банковские карты.

Вместо формальных справок банк получает фактическую картину денежных потоков:

• какие суммы и с какой регулярностью поступают,
• какие источники дохода прослеживаются,
• как меняется финансовое поведение клиента по месяцам,
• есть ли сезонность и насколько она устойчива,
• как распределяются поступления - равномерно или скачкообразно.

Этот метод решает сразу две ключевые задачи: он показывает реальную платёжеспособность и делает её измеримой, а не субъективной.

Почему это работает?

1. Доход фиксируется так, как он есть.
Не по тому, что клиент собрал в справке, и не по тому, что платформа готова подтвердить, а по реальным транзакциям, которые уже прошли по счетам.

2. Видна устойчивость.
Даже если суммы колеблются, можно увидеть стабильный поток - регулярные небольшие платежи часто надёжнее, чем редкие крупные.

3. Сегмент “невидимых” клиентов становится прозрачным.
Курьеры, фрилансеры, мастера, самозанятые - все, кто раньше выпадал из стандартных процедур, становятся наблюдаемыми без лишних документов.

4. Скорость растёт, а операционные затраты снижаются.
Проверка строится автоматически, без привлечения сотрудников и без затяжных согласований.

Фактически банк получает то, чего не хватало классическому скорингу:
живую картину доходов, а не статичный документ.
И именно это позволяет кредитовать клиентов с переменным доходом без повышения риска - на основе реальных фактов, а не предположений.

Что даёт такой подход банкам?

Когда решение строится на фактических доходах, а не на формальных документах, меняется не только точность оценки - меняется вся экономика процесса.

1. Быстрые решения и выше конверсия.
Клиент не ждёт справку, не ищет работодателя, не возвращается «позже».
Проверка проходит автоматически, и банк сохраняет тех, кто раньше выпадал из-за задержек.

2. Точная оценка риска - меньше просрочки.
Регулярность поступлений, частота операций, динамика дохода - эти параметры куда лучше отражают способность обслуживать кредит, чем средняя цифра в справке.
Ошибочных отказов становится меньше, но и риск портфеля не растёт.

3. Снижение операционных затрат.
Ручные проверки, звонки работодателям, сверка документов - всё это уходит. Процесс становится дешевле и устойчивее.

4. Контроль сегментов, которые раньше были «в тени».
Фрилансеры, курьеры, самозанятые, сезонные работники - это большой пласт клиентов, который долго оставался вне системного анализа.
Транзакционная оценка делает его управляемым.

5. Меньше юридических и комплаенс-рисков.
Не нужно собирать лишние документы, запрашивать лишние подтверждения или опираться на устаревшие данные.
Решение строится на объективных операциях - это снижает вероятность претензий от клиентов и регулятора.

6. Более устойчивый портфель.