ФИНТЕХ·БРОКЕРИДЖ
Банковский брокер
Помощь в получении кредитов и ипотеки. Заёмщика разбирают за две минуты вместо трёх часов — вместе со сканами из бюро.
2025·Проект под NDA·43 банка, 280+ продуктов
Имя клиента не разглашается под соглашением о неразглашении. Все технические детали и метрики опубликованы с согласия компании.
+900%
Пропускная способность
43
Банка в подборе · 280+ продуктов
Проблема
Бумажная волокита убивала скорость.
- 3 часа на анализ одного клиента.
- Ручное изучение отчётов из 3 бюро.
- 3–4 клиента в день на эксперта.
- 40% заявок терялись: клиент не ждал, пока его посчитают.
Решение
Разбирает заёмщика по его же сканам.
Сбор данных
Интервью по скрипту банков (2–3 минуты).
Анализ документов
OCR распознаёт PDF, находит просрочки за 30–60 секунд.
Матчинг
Подбор из 43 банков и 280+ продуктов с обоснованием.
Готовый отчёт
Менеджер звонит уже с решением, а не «давайте разбираться».
Технологии
OCR (Tesseract + custom)ML-матчингPython-стекИнтеграции с БКИ
Результаты
До и после
| Показатель | До | После | Изменение |
|---|
| Время анализа | 3 часа | 2 минуты | 90× быстрее |
| Заявок в день | 3–4 | 35–40 | +900% |
| Точность подбора | 67% | 91% | +36% |
Что я понял на этом проекте
Здесь никто не заполняет формы. Люди присылают фотографии справок и выгрузки из бюро в PDF, иногда снятые под углом. Половина продукта — умение прочитать это и не соврать; кто умеет, тот и считает за две минуты.
Период и формат работы
2025 год, около семи месяцев работы. Я отвечал за архитектуру и матчинг-движок; параллельно работал инженер по OCR и backend-разработчик на стороне команды.
Заказчик — крупный игрок в потребительском и ипотечном брокеридже. Название под NDA, поэтому здесь его нет.
