Кредитный скоринг клиентов в 1С: нейросеть по истории платежей

Нейросеть для оценки кредитоспособности клиента по истории платежей в 1С – это не фантастика и не отдельный дорогой сервис. Вся нужная информация уже лежит в базе: регистры взаиморасчётов, даты проведения документов, суммы просрочек. Задача – извлечь из этих данных скоринговый балл и встроить его в работу менеджера до отгрузки.

Какие данные о платежах уже есть в вашей 1С

Из регистра расчётов с контрагентами можно получить по каждому клиенту пять ключевых метрик – без дополнительных настроек, прямо сейчас.

• Количество дней просрочки по каждому документу за последние 12 месяцев
• Доля накладных, оплаченных в срок (без единого дня задержки)
• Максимальная сумма одновременной просроченной дебиторки
• Средний срок просрочки по всем документам периода
• Динамика: просрочки нарастают, стабилизировались или снижаются

Пятый показатель – динамика – самый ценный. Клиент с растущими задержками опаснее клиента с постоянными небольшими просрочками. На этом строится весь смысл скоринга.

Формула кредитного скора: считайте прямо сейчас

Прежде чем подключать нейросеть, запустите простую балльную модель. Она не требует программирования и даёт результат за один рабочий день.

Стартовый балл: 100 точек. Вычитайте:

• -5 баллов за каждый случай просрочки от 7 до 29 дней (в последние 6 месяцев)
• -10 баллов за каждый случай просрочки 30-89 дней
• -20 баллов за каждый случай просрочки 90 дней и более
• -15 баллов, если максимальная просроченная сумма превышала 30% от кредитного лимита
• -10 баллов, если доля вовремя оплаченных накладных ниже 70% за год

Добавляйте:

• +5 баллов за каждый квартал без единой просрочки подряд
• +10 баллов, если клиент работает с вами больше двух лет без инцидентов

Пороги принятия решений:

• 80-100 – зелёная зона: полный кредитный лимит, отсрочка до 30 дней
• 60-79 – жёлтая зона: лимит урезается на 30%, отсрочка до 14 дней
• 40-59 – оранжевая зона: предоплата 50% при заказе свыше 50 000 ₽
• ниже 40 – красная зона: только полная предоплата

Это рабочий инструмент уже сам по себе. Нейросеть улучшает точность, но не заменяет саму логику пороговых решений.

Где простые правила дают сбои – и что видит нейросеть

Балльная модель хорошо работает для линейных паттернов. Но клиенты платят не линейно.

Нейросеть находит то, что правила пропускают:

• Сезонные задержки. Клиент каждый год задерживает платежи в ноябре-декабре, но закрывает всё к 15 января. Балльная модель штрафует его, нейросеть распознаёт паттерн как «управляемый» и снижает оценку риска.
• Размерная сегрегация. Накладные до 20 000 ₽ оплачиваются с задержкой, накладные от 200 000 ₽ – всегда вовремя. Реальный кредитный риск ниже, чем показывает скор.
• «Плавающая» просрочка. Клиент стабильно задерживает оплату ровно на 10-12 дней. Это не забывчивость – он использует ваши деньги как бесплатный кредит. Нейросеть маркирует такое поведение отдельным флагом.
• Нарастающий риск. Задержки постепенно растут: год назад 5 дней, полгода назад 15 дней, сейчас 25 дней. По текущему балу клиент ещё «жёлтый», но тренд предсказывает «красный» через квартал.

Для обучения нейросети нужно минимум 50 транзакций на контрагента и 12 месяцев истории. На таком объёме модель обгоняет балльную по точности на 15-25% – это измеримо при первом же бэктесте на исторических данных.

Пошаговый регламент: внедрить скоринг в 1С за две недели

Это план для компании с 50-300 контрагентами. Не требует внешних сервисов на старте.

Неделя первая – данные и модель:

1. Выгрузите взаиморасчёты за 12 месяцев: дата документа, дата оплаты, сумма, контрагент.
2. Рассчитайте пять метрик для каждого контрагента по формуле выше – в Excel или через запрос в 1С.
3. Проставьте скоринговый балл. Выделите «красных» и «оранжевых» – это список риска на сегодня.
4. Проверьте вручную 10-15 контрагентов, которых знаете лично. Если модель явно ошибается – скорректируйте веса.

Неделя вторая – встройка в процесс:

1. Добавьте реквизит «Кредитный рейтинг» в карточку контрагента в 1С.
2. Настройте регламентное задание: пересчёт скора раз в сутки в 02:00.
3. Добавьте предупреждение при проведении заказа покупателя: если рейтинг ниже 60 и оплата «по отгрузке» – менеджер видит сигнал.
4. Введите правило: выдать кредит «красному» клиенту можно только с согласованием руководителя отдела и письменной причиной в поле примечания.

Контроль соблюдения этого правила – отдельная задача. По 200+ контрагентам проверять каждую отгрузку вручную нереально, поэтому автоматический контроль заказов в 1С проверяет каждое проведение документа по кредитному регламенту и сразу ставит задачу при нарушении.

Кейс: как «надёжный» клиент заморозил 1,4 млн ₽

Оптовая компания в Екатеринбурге, 180 активных контрагентов, средний заказ 120 000 ₽. Клиент работал три года – платил стабильно, иногда с задержкой на 5-7 дней. Менеджер считал его своим.

В начале 2025 года сменился собственник клиента. Новый менеджмент начал тянуть оплаты: 15 дней, 30 дней, 60 дней. Каждый раз звонили, объясняли, платили частично. Менеджер продолжал отгружать – «они же всегда платили».

К июлю 2025 года просроченная дебиторка достигла 1,4 млн ₽. Взыскание через суд, деньги заморожены на 8 месяцев.

Что показала бы скоринговая система за 3 месяца до этого:

• Апрель: балл упал с 72 до 55 – два случая просрочки 30+ дней за квартал
• Май: балл 38 – максимальная просроченная сумма превысила 30% от лимита
• Конец мая: система переводит клиента в красную зону, блокирует новые отгрузки на кредите

Потери снизились бы до 400-500 тыс. ₽ – ровно тот объём, что уже был отгружен и неизбежен. Остальные 900 000 ₽ можно было не терять.

Если просрочка уже возникла, полезно сразу настроить и автоматический расчёт пеней – это удерживает клиента в рамках договора и создаёт финансовый стимул платить вовремя. Подробнее о настройке: контроль пеней за просрочку оплаты в 1С.

Когда нейросеть нужна, а когда избыточна

Для большинства малых компаний нейросеть – лишний шаг. Балльная модель на пяти параметрах покрывает 80% ситуаций.

Нейросеть даёт измеримый прирост точности, если выполняется хотя бы два условия из четырёх:

• Контрагентов от 200, у каждого более 50 транзакций в год
• Средняя сумма кредита от 500 000 ₽ – цена ошибки высока
• Бизнес сезонный, платёжные паттерны нелинейные
• Нужен прогноз риска за 60-90 дней, а не реакция постфактум

Если контрагентов 30-50 и средний заказ до 100 000 ₽ – начните с балльной модели. Это один рабочий день и ноль затрат. Нейросеть подключите, когда накопится история и станет понятно, где именно простые правила ошибаются.

Частые вопросы

Нужен ли специальный модуль для скоринга в 1С?

Нет. Базовая балльная модель реализуется стандартными средствами: запросы к регистрам расчётов, вычисляемые реквизиты в справочнике контрагентов, регламентное задание для пересчёта. Это задача для программиста 1С на 8-12 часов работы. Готовые внешние модули есть, но на старте они не нужны.

Как часто пересчитывать кредитный рейтинг?

Раз в сутки достаточно для большинства компаний. Исключение – если нужно заблокировать отгрузку в день просрочки платежа. Тогда настройте пересчёт по событию: проведение банковской выписки или истечение срока оплаты по документу.

Клиент обижается, когда требуем предоплату. Как объяснить?

Покажите цифры: «Ваш кредитный рейтинг сейчас 45 из 100. Вот три случая просрочки за последние полгода – даты и суммы». Конкретика снимает 80% обид: клиент видит, что решение основано на данных, а не на личном отношении менеджера.

Что делать с новыми контрагентами – истории нет?

Применяйте стартовый лимит по умолчанию: не более 100 000 ₽ на первые два заказа, только после получения оплаты переходите на кредит. Через 3-4 месяца накопится достаточно данных для скоринга. Параллельно проверьте контрагента по ИНН через Контур.Фокус или аналог – это 5 минут и базовый сигнал о надёжности до первой сделки.