Биокредитный скоринг

01Обзор и цепочка создания стоимости#

Маркеры EC: регистрация вещества по EU REACH (сквозная) | OECD: Политика и управление биоэкономикой | Регулятор: Farm Credit Administration (США)

Биокредитный скоринг использует спутниковые снимки, исторические данные об урожайности и показатели работы фермерского хозяйства — вместо кредитной истории в бюро, которую требует обычный кредитор, — для оценки кредитоспособности фермера или агробизнеса. Это особенно важно там, где у заёмщика вообще нет формальной кредитной истории: мелкий фермер в Кении или сельской Индии часто кредитоспособен по любому объективному показателю продуктивности хозяйства, но невидим для банка, читающего только файлы кредитного бюро. Категория делится на два коммерческих слоя, построенных на одной и той же базе данных дистанционного зондирования и фермерских данных: платформы прямого кредитования фермеров, самостоятельно выдающие и обслуживающие кредиты (Jai Kisan, Apollo Agriculture), и B2B-инфраструктура данных о риске, которую другие банки, сельскохозяйственные кредиторы и страховщики интегрируют в собственный процесс андеррайтинга, а не кредитуют напрямую (Growers Edge, EarthDaily). Собственный заявленный результат Apollo Agriculture — её фермеры «обычно производят в 2,5 раза больше среднего кенийского фермера» — иллюстрирует, что базовые агрономические данные, используемые для кредитных решений, одновременно служат инструментом финансирования вводимых ресурсов и повышения урожайности, а не только фильтром риска.

Ключевые направления биокредитного скоринга:

1. Спутниково верифицированный андеррайтинг урожайности и площади (Satellite Yield Underwriting): данные дистанционного зондирования верифицируют засеянную площадь, тип культуры и производственную мощность без выезда на местность, поступая напрямую в модель кредитного риска кредитора.
2. Платформы кредитования мелких фермеров на альтернативных данных (Alternative-Data Smallholder Credit): собранные через мобильные приложения данные о работе хозяйства и агрономические данные в сочетании с моделями машинного обучения расширяют финансирование на фермеров без обычной кредитной истории в бюро.
3. Интеллектуальный анализ земли и портфеля для институциональных кредиторов (Land Portfolio Intelligence): данные о земельных участках и автоматизированная оценка напрямую поступают в процессы ипотечного и портфельного риск-менеджмента для сельскохозяйственных кредиторов и ипотечных компаний — B2B-инфраструктурный слой, а не продукт прямого кредитования фермеров.
4. Комплексное финансирование вводимых ресурсов и кредит (Bundled Input Financing): кредит выдаётся специально на покупку сельскохозяйственных вводимых ресурсов (семена, удобрения) через сеть агродилеров, объединяя кредитное решение с физической цепочкой поставок ресурсов, а не просто выдавая наличные.

Отраслевая цепочка создания стоимости#

[Сбор спутниковых/фермерских данных] ──> [Обучение модели кредитного риска] ──> [Выдача кредита или лицензирование данных о риске] ──> [Решение фермера/кредитора]
                                                        │
                                              (Мониторинг погашения и урожайности)
                                                        │
                                                        ▼
                                              [Перекалибровка модели]

Уровни цепочки создания стоимости#

Сквозные технологии отрасли:

• Верификация посевов дистанционным зондированием: спутниковые снимки, верифицирующие засеянную площадь, тип культуры и производственную мощность без выезда на местность, заменяющие этап ручной инспекции в обычном сельскохозяйственном кредитовании.
• Модели кредитного скоринга на альтернативных данных с машинным обучением: модели, обученные на нетрадиционных данных (использование мобильного телефона, показатели работы хозяйства, спутниковые снимки), а не на кредитной истории в бюро, расширяющие скоринг на заёмщиков, невидимых для обычной кредитной инфраструктуры.
• Сети комплексного финансирования вводимых ресурсов через агродилеров: распространение кредита через физическую сеть поставщиков вводимых ресурсов, а не чисто денежная модель выдачи, привязывающая кредит напрямую к продуктивным сельскохозяйственным ресурсам.

02США#

США представлены специалистом по интеллектуальному анализу земли и портфеля, поставляющим институциональным сельскохозяйственным кредиторам и ипотечным компаниям базовую инфраструктуру данных о риске, а не выдающим кредиты напрямую фермерам.

Интеллектуальный анализ земли и портфеля для институциональных сельскохозяйственных кредиторов#

• Growers Edge: агрофинтех из штата Айова, предлагающий управление фермерскими данными, интеллектуальный анализ земли и портфеля, а также автоматизированную оценку сельхозугодий (RangeAg), которые сельскохозяйственные кредиторы и ипотечные компании напрямую интегрируют в процессы андеррайтинга кредитов и управления портфельным риском.

03КНР#

Присутствие Китая в биокредитном скоринге не выявило подтверждённого специализированного производителя при этом скрининге — результаты поиска по спутниковому сельскохозяйственному кредитному скорингу вернули освещение крупных государственных банков (ICBC, Сельскохозяйственный банк Китая, сельские коммерческие банки), использующих спутниковое дистанционное зондирование внутренне, и Ant Group/JD Digits как гигантских диверсифицированных финтех-конгломератов с сельскохозяйственным кредитованием как одним из многих направлений, а не выделенного специализированного производителя биокредитного скоринга с собственным доменом, сопоставимого с другими производителями в этой таблице.

Подтверждённый специализированный производитель отсутствует при этом скрининге#

• Пробел в доказательствах, а не заявление об отсутствии: крупные китайские банки явно активны в спутниковой оценке сельскохозяйственного кредита, но ни одна специализированная агрофинтех-компания не подтвердила собственным доменом конкретный продукт биокредитного скоринга, отличный от внутреннего инструментария обычного банка, — кандидат для будущего этапа обогащения.

04ЕС#

Европа также не выявила подтверждённого специализированного производителя при этом скрининге — результаты поиска по европейскому сельскохозяйственному кредитному скорингу на альтернативных данных вернули общие отчёты о рыночных исследованиях и освещение североамериканских и африканских компаний, а не конкретный агрофинтех со штаб-квартирой в ЕС.

Подтверждённый европейский производитель отсутствует при этом скрининге#

• Пробел в доказательствах, а не заявление об отсутствии: три производителя, подтверждённых при этом скрининге за пределами США, охватывают Канаду, Индию и Кению — приведены в таблице ведущих компаний ниже с настоящими флагами, а не включены в этот раздел; ни один специалист по биокредитному скорингу со штаб-квартирой в ЕС не был подтверждён — кандидат для будущего этапа обогащения.

Три дополнительных подтверждённых при этом скрининге производителя выходят за рамки структуры разделов США/КНР/ЕС: EarthDaily (Канада) поставляет спутниковую аналитику риска посевов, которую сельскохозяйственные кредиторы и страховщики — включая крупного бразильского сельскохозяйственного страховщика и бразильские долговые инструменты агробизнеса, привязанные к устойчивому развитию, — интегрируют в собственный андеррайтинг; Jai Kisan (Индия, одобрен RBI на владение контрольным пакетом в NBFC) предоставляет прямой кредит и финансирование сельским индийским фермерам, розничным торговцам и МСП; Apollo Agriculture (Кения, работает в Кении и Замбии) сочетает модели кредитования на машинном обучении с комплексным финансированием вводимых ресурсов через сеть из более чем 1000 агродилеров. Все три приведены в таблице ведущих компаний ниже.

05Ведущие компании и научно-исследовательские институты#

06Технологический стек и инновации#

Стек охватывает две различные бизнес-модели — B2B-инфраструктуру данных о риске и прямое кредитование фермеров — объединённые одной и той же базой дистанционного зондирования и альтернативных данных.

1. Инфраструктура андеррайтинга на дистанционном зондировании:
   • Подход EarthDaily не предполагает прямого кредитования — компания поставляет верифицированную аналитику риска посевов, которую банк, сельскохозяйственный кредитор или страховщик интегрирует в собственный процесс андеррайтинга, — та же бизнес-модель инфраструктурного слоя, что и у B2B-платформы данных в смежной отрасли.
   • Продукт RangeAg от Growers Edge выполняет ту же инфраструктурную роль специально для оценки сельхозугодий и ипотечного андеррайтинга, автоматизируя этап (ручную оценку), который иначе замедляет решения по сельскохозяйственному кредитованию.
2. Прямое кредитование на альтернативных данных:
   • И Jai Kisan, и Apollo Agriculture выдают кредит напрямую, а не продают данные стороннему кредитору, а значит сами несут риск андеррайтинга и должны правильно настроить модель кредита на альтернативных данных на уровне портфеля, а не просто поставлять одну точку данных для чужого решения.
   • Комплексное объединение кредита Apollo Agriculture с физическим финансированием вводимых ресурсов через сеть из более чем 1000 агродилеров структурно отличается от чисто цифровой платформы кредитования — кредит неотделим от удобрения или семян, которые он покупает, что снижает риск нецелевого использования по сравнению с денежным кредитом.
3. Перекалибровка модели, привязанная к погашению:
   • Поскольку биокредитный скоринг заменяет альтернативными данными кредитную историю в бюро, которой не существует для этих заёмщиков, точность модели полностью зависит от непрерывной перекалибровки по реализованным результатам погашения, а не от устоявшегося внешнего базового показателя кредитной истории, на который модель можно было бы валидировать.
   • Это принципиально иная задача валидации по сравнению с обычным кредитным скорингом, где зрелый набор данных кредитного бюро уже предоставляет эталон, по которому оценивается новая модель.

07Цепочки создания стоимости и производственные конвейеры#

Промышленный конвейер продукта биокредитного скоринга (андеррайтинг, верифицированный спутником)#

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. Сбор данных              │ ───> │ 2. Обучение модели          │
└───────────────────────────┘      └───────────────────────────┘
                                                 │
                                                 ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. Кредитное решение        │ <─── │ 3. Выдача/лицензирование    │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. Мониторинг погашения    │ ───> │ 6. Перекалибровка модели    │
└───────────────────────────┘      └───────────────────────────┘

Этап 1: Сбор данных

Спутниковые снимки, исторические записи об урожайности и собранные через мобильные приложения данные о работе хозяйства агрегируются для конкретного участка или заёмщика — этап, на котором четыре производителя здесь расходятся между сбором данных, ориентированным на спутник (EarthDaily, Growers Edge), и ориентированным на мобильное приложение (Jai Kisan, Apollo Agriculture).

Этап 2: Обучение модели

Модели кредитного скоринга с машинным обучением обучаются на собранном наборе данных о риске хозяйства по историческим результатам погашения, производя модель скоринга, откалиброванную для прогнозирования кредитоспособности без обычной кредитной истории в бюро.

Этап 3: Выдача или лицензирование

Кредитная модель либо выдаёт кредит напрямую фермеру (Jai Kisan, Apollo Agriculture), либо лицензируется как инфраструктура данных о риске в собственный процесс андеррайтинга стороннего банка, кредитора или страховщика (Growers Edge, EarthDaily).

Этап 4: Кредитное решение

Заёмщик получает быстрое или мгновенное кредитное решение, либо сторонний кредитор напрямую интегрирует оценку риска в существующий процесс одобрения.

Этап 5: Мониторинг погашения

Непрерывный спутниковый и агрономический мониторинг отслеживает состояние посевов и прогнозируемую урожайность на протяжении срока кредита, генерируя ранний сигнал риска погашения задолго до фактического пропуска платежа.

Этап 6: Перекалибровка модели

Реализованные результаты погашения поступают обратно в кредитную модель, повышая точность будущего скоринга, — этап, заменяющий зрелый эталон кредитного бюро, на который иначе опирался бы обычный кредитор.