Как найти связанные компании

В системе СПАРК вы можете найти и проверить связи между юридическими и/или физическими лицами.

Для быстрой проверки наличия связей у рассматриваемой вами компании, введите ее название, реквизиты или ФИО руководителей или владельцев в форму поиска ниже.

Наличие и количество связей, имеющихся у юридического лица, указано на карточке компании в разделе «Статистика»:

Для детальной проверки аффилированности компании и связанных с ней персон, войдите в систему или получите бесплатный демо-доступ.

Пример предоставления сведений о связях компании в системе СПАРК:

Графовая база данных СПАРК содержит связи различных типов, по всем доступным нам источникам, включая все исторические связи, накопленные нами за более чем 15 лет работы.

Поисковая строка

Универсальная поисковая строка сервиса позволяет вводить объекты для проверки по одному, либо списком. Можно скопировать в это поле одновременно несколько компаний либо персон. Можно выбрать заранее сохраненный список.

Найти связи

Объекты отобразятся на диаграмме связей, где можно исследовать их, используя интерактивные инструменты, раскрывая связи на несколько уровней иерархии, добавляя на диаграмму другие объекты.

Связи со списком

Указав список, вы получите таблицу, которая будет содержать перечень проверяемых объектов, с указанием наиболее близкой связи с объектами из контрольного списка. Каждую из найденных цепочек можно отобразить на диаграмме.

В частности, вы можете проверить:

• Аффилированность сотрудников с контрагентами
• Аффилированность контрагентов с объектами из негативного списка

Чтобы не заключать договор с мошенниками, действующими через дочерние компании, надо увидеть структуру партнёрской организации. В этом поможет Контур.Фокус — он мгновенно проведёт анализ связей потенциального партнёра и найдёт аффилированных с ним лиц. Выявляйте риски намеченной сделки до подписания документов — так Вы сведёте к минимуму возможную опасность для бюджета и репутации.

Что такое аффилированные лица и зачем их искать

Гражданский кодекс определяет аффилированность как отношения «связанности» физлиц и компаний. Сам термин произошёл от английского слова “affiliate” — присоединяться, соединяться.

Как юридические, так и физические лица, занятые предпринимательством, могут оказаться аффилированными. Законом чётко установлен список лиц, которые таковыми считаются.

К примеру, некое физлицо одновременно возглавляет ООО «Вектор» и является одним из топ-менеджеров в ООО «Ромашка». Едва ли Вы усомнитесь, что эти ООО взаимосвязаны.

Об аффилированности говорят и семейные связи собственников фирм, и участие в уставном капитале другой компании, и контрактные обязательства между лицами. Для снижения рисков сотрудничества с партнёром полезно выявить его связи и их статус до подписания договора.

Установить наличие связи между компаниями можно и по иным признакам. Их много, вот популярные примеры:

• товары одной фирмы отгружаются со склада второй
• юрлица оказались дебиторами и кредиторами друг для друга
• сотрудники двух компаний делят один офис
• одинаковый штат работников
• у фирм общий представитель, действующий по доверенности
• хозяйственная деятельность у них также совместная, преследующая общий финансовый интерес
• расчётные счета открыты в одном и том же банке

Установить заинтересованность можно по одному критерию, а можно по их совокупности, когда по отдельности обнаруженные факты не доказывают аффилированность, но все вместе показывают явную связь между лицами. Вот почему важна комплексная проверка контрагента и связанных с ним фирм.

Поиск связанных организаций

Детальные сведения об аффилированных с контрагентом лицах отображаются во вкладке «Связи» на карточке фирмы. Там Вы увидите данные фирм, у которых:

• похожи реквизиты
• одни и те же учредители и директор
• единый адрес регистрации

Фокус покажет число её ближайших и дальних связей и маркеры их благонадёжности: финансовая статистика, факт недавней регистрации, исполнительные производства и не только. Вы сможете отфильтровать компании по любому из параметров.

Подозреваете, что новый контрагент аффилирован с уже неприятно знакомым Вам лицом? Это можно проверить. Фокус может выстроить связи между любыми двумя лицами. Откройте вкладку «Связи» на карточке любой из двух компаний и введите название второй компании в окно «Найти связь». Если фирмы связаны, система обязательно это обнаружит. Результаты поиска отобразятся списком внизу. Звенья цепочки помечены зелёными стрелками. Цепочка может быть любой длины, например, через 5 предприятий.

В цепочку включаются и закрытые юрлица, они помечаются красным цветом. А если директор, когда-то связывавший компании, перестал их возглавлять, это не помешает Фокусу установить связь. Бывшие участники тоже включены в список, они отображаются зачёркнутыми. Рокировки внутри группы мошеннических компаний не помогут им скрыть преступный сговор.

Данная функция может пригодиться, например, когда Вы участвуете в госзакупках и видите, что один из конкурентов выставил неправдоподобно низкую цену. Похоже, что торги — договорные. Для проверки откройте в Контур.Фокус карточку заказчика и поищите сомнительного поставщика через «Найти связь». Результаты поиска могут подтвердить Ваши подозрения.

Анализ группы связанных организаций

Сервис Контур-Фокус выполняет автоматический поиск связанных организаций и представляет связи в удобном виде:

Как можно увидеть на скриншоте, связи между организациями делятся на “Ближайшие связи” и “Дальние связи“. Кроме того, найденные организации можно фильтровать по регионам и отраслям, а также выгружать результаты поиска в файл.

Ближайшие связи – между связанными организациями прямая связь (например, руководитель в компании А является учредителем в фирме Б). Кроме того, эти связи подразделяются на Актуальные (действующие в данный момент) и Исторические (т.е. связь была когда-то ранее).

Дальние связи – связанные организации 2-го, 3-го и 4-го уровня. Например, руководитель в компании А является учредителем в фирме Б, а второй учредитель компании Б является учредителем фирмы В (2-й уровень связей); а ген.директор компании В является также руководителем фирм Г (3-й уровень).

Ниже на скриншоте выделены зеленым Ближайшие связи (Б), а оранжевым и красным Дальние связи (В, Г) для организации “Ромашка” (А):

Ближайшие связи

Первоначально, при переходе на вкладку “Связи“, мы увидим сводку данных по ближайшим связям. В сводке аккумулирована информация по всей группе связанных организаций: количество действующих организаций, количество недействующих/в процессе ликвидации; консолидированная финансовая информация – баланс, выручка, прибыль, убыток; госконтракты, лицензии, арбитражные дела, суммы к взысканию и другие показатели; дополнительно будут показаны “маркеры благонадежности” по группе – у скольких компаний отрицательные финансовые показатели, сколько сменили регион, есть ли организации из спецреестров ФНС и т.п.

Ниже следует список связанных организаций. Важная информация показана уже в этом списке, без необходимости переходить в карточку организации:

Если нажать на двойную стрелку рядом с названием компании, то откроется дополнительное окно в котором представлена информация по каким именно параметрам выявлена связь между организациями (выделено толстыми зелеными стрелками):

Информацию можно отфильтровать самым причудливым образом. Для этого необходимо просто щелкнуть по соответствующему параметру или ФИО.
Например, отберем все организации имеющие отрицательные финансовые индикаторы и актуальные на данный момент. Результат:

Дальние связи

Организации, найденные в дальних связях, показываются обычным списком. Над списком есть ссылка для быстрого перехода в ближние связи. Параметры, по которым найдены совпадения, обозначаются стрелками:

Очень удобно все эти связи (как дальние, так и ближайшие) исследовать в виде визуального графа.

Пример анализа группы компаний конкурента

Ещё один пример: отфильтруем все организации по ФИО и получим срез по всем компаниям в которых интересующее нас лицо является руководителем либо учредителем. Для этого в строке поиска по связям необходимо ввести ФИО. Размер бизнеса конкретного физического лица можно грубо оценить по параметрам суммарной выручки и прибыли:

Пример анализа группы сомнительных организаций

Нередко вместо классической процедуры ликвидации фирмы прибегают к “альтернативной” в форме смены руководителя и учредителей или реорганизации в форме присоединения к фирме-однодневке. Для поиска таких фактов удобно анализировать массовые параметры группы.

На приведенном ниже примере в группе потенциально связанных организаций много таких, которые находятся в процессе реорганизации, ликвидации либо уже ликвидированы. При достаточно большой валовой выручке (344 млн.руб.) прибыль составила всего лишь 463 тыс.руб. (0,13% выручки) – маловероятно, что реальные предприятия будут работать с такой низкой рентабельностью.

Также в группе немало дел по исполнительному производству, фактов смены региона, большое количество банкротств и многие фирмы из группы не были обнаружены по юр.адресу (нет связи с адресом), данное физическое лицо является учредителем или руководителем сотен компаний:

Визуализация связей

Визуализация связей позволяет одним взглядом выявить наиболее “проблемные” точки. Акцент делается на визуализации актуальных связей по учредителям и руководителю. Также очень важно, что хорошо видны “группы влияния” и их пересечения.

Исторические связи, связи по телефонам или адресам и другим признакам отходят на второй план.

Чтобы увидеть визуализацию связей, нужно перейти по одной из двух ссылок в разделе «Связи»:

По ссылке “Визуализировать список” на графе будут показаны все компании текущего списка связей (с учетом примененных фильтров).

По ссылке “Структура владения” на графе будут показана текущая компания, её учредители, действующий руководитель, а также учрежденные лица. Исследование проводится с помощью последовательного раскрытия подчиненных уровней. Что позволяет сократить количество отображаемых компаний и повысить наглядность.

Как устроен граф связей

Чтобы удобно визуализировать связи, применяются следующие визуальные блоки:

Овал – физическое лицо (руководитель, учредитель).

Прямоугольник – юридическое лицо или индивидуальный предприниматель.

Название компании черным цветом – ликвидированное юридическое лицо.

Непрерывная цветная линия – связь “учредитель”. Учредитель всегда располагается слева, учрежденное юрлицо – справа. Чем толще линия, тем больше доля в уставном капитале.

Тонкая серая штриховая линия – связь “руководитель”. Руководитель всегда располагается слева, а юрлицо – справа.

Тонкая серая прямая линия – любые другие отношения между юрлицами и физлицами (в том числе неактуальные исторические связи по руководителям или учредителям).

Структура владения

Изучите структуру организации на графике. Группы влияния можно увидеть за счет цветной раскраски плашек компаний.

Каждому конечному учредителю присваивается определенный цвет. От него к учрежденному лицу идет линия того же цвета. Если данный учредитель имеет 100% долю, то тогда линия будет максимально толстой а учрежденное юрлицо приобретет такой же цвет. Если доля менее 100%, то линия будет тоньше, а к цвету этого учредителя примешивается цвет соучредителей в тех пропорциях, какова их доля владения.

Например, на графе представленном ниже, СКБ Контур как учредитель окрашен в фиолетовый цвет. Линии ведущие к учрежденным организациям также окрашены в фиолетовый цвет. Толщина линий варьируется в зависимости от доли СКБ Контур: к “Контур Факторинг” и “Контур Инновации” и некоторым другим ведут самые толстые линии, что визуализирует 100% долю; к “Инновационным системам управления” “Офис-Сервис” и “Уралфининвест” линии тоньше, т.к. доля всего 34%; ещё тоньше линия к “НП Уральский ИТ-кластер”, где доля 17%; и совсем тонкая линия ведёт к АНО “Цифровая экономика”, где доля СКБ совсем небольшая — 4%. Организации в которых доля учредителя 100% (“Контур Факторинг”, “Контур НТТ”, “Контур Инновации” и некоторые другие) окрашены так же, как учредитель — в фиолетовый цвет.

Способы исследования графа

Для исследования графа можно удалять неважные для нашего анализа компании, можно раскрывать и скрывать подчиненные уровни, а также выделять отдельные компании, чтобы просмотреть сводную информацию по компании или физическому лицу в правой части экрана:

Чтобы увидеть компании подчиненного уровня – необходимо нажать на цифру (указывает количество вершин графа на следующем уровне). Чтобы удалить компанию из графа – нужно нажать крестик. Чтобы свернуть все подчиненные связи – нажать “минус” .

При большом количестве связей и, соответственно, большом количестве контрагентов на графе, картинку можно увеличить прокрутив колёсико мыши “от себя”. Чтобы охватить весь куст связей одним взглядом нужно прокрутить колёсико мыши в другую сторону – изображение уменьшится.

Фильтрация и сортировка

Клик мышки по свободной области покажет сводную информацию по всем раскрытым на графе связям.

К построенному графу связей можно применить все известные механизмы фильтрации и сортировки.

Например, если мы хотим увидеть компании, которые закончили прошлый финансовый год с прибылью – достаточно щелкнуть мышью соответствующий фильтр в правой части экрана, где показана общая статистика по связанным компаниям:

Подобным образом можно отфильтровать компании по любому признаку, и как бы “осмотреть” граф связей с разных сторон.

Визуализация пользовательских списков

Если у пользователя есть список компаний, то можно визуализировать связи в нем. Для этого нужно войти в “Управление списками”, выбрать список и воспользоваться ссылкой “Визуализировать список”:

Выгрузка информации

При необходимости Вы можете выгрузить нужную информацию в файл одного из доступных форматов: .xlxs, .docs, .pdf. Эта функция введена, чтобы пользователям было комфортнее работать с найденными сведениями дальше.

Информация по аффилированным лицам поможет определить благонадёжность фирмы и её ответственность перед контрагентами. Связанные организации показаны наглядно — вся сеть связей на одном графике. В том числе, тех связей, о которых Вы могли и не догадываться. Выявив их вовремя, Вы сумеете избежать подписания договора с махинатором и участия в его нелегальных схемах. Возможности веб-сервиса Контур.Фокус не ограничиваются анализом связей: полезно будет изучить также арбитражную практику, участие в тендерах, вакансии компании, выданные ей лицензии или публикации о ней в СМИ.

Доступно на тарифах

Заявка на Контур.Фокус

Заполните все поля заявки, наши специалисты в самое ближайшее время свяжутся с Вами, проведут онлайн презентацию сервиса и помогут выбрать подходящий тариф:

Как разработать модель выявления связанных компаний на основании анализа транзакций

На связи команда по разработке риск-моделей для крупного корпоративного, а также малого и среднего бизнеса банка «Открытие» Андрей Бояренков и Кирилл Козлитин. Сегодня мы хотим поделиться с вами процессом разработки модели выявления связанных компаний на основании транзакционных данных. Пришли к нам заказчики и говорят: «Хотим по имеющимся транзакциям наших клиентов определять, кто из контрагентов является с ними связанным».

---

Небольшое отступление. Может возникнуть резонный вопрос: «А для чего, собственно, определять эту связанность?». Для ответа на данный вопрос отправимся на небольшую экскурсию за кулисы банковских бизнес-процессов.

Когда в банк от юридического лица поступает заявка на кредит, один из параметров, который оценивается – группа связанных с ЮЛ компаний. То есть банку важно знать: «А как идут дела у круга лиц, который как-либо связан с потенциальным заемщиком?»

Да, здесь важно сказать, что связи бывают разные. Как минимум их можно разделить на два вида: экономические и юридические. Юридические связи имеют, например, головная компания и ее «дочка». Такие связи сложно скрыть, они на бумаге. А вот с экономическими сложнее. К экономически связанным можно отнести такие компании, которые дают друг другу займы, между компаниями идет существенный товарно-денежный оборот, либо компании поручаются друг за друга при получении кредитов. Раскрывает такие связи далеко не каждый заемщик.

Банку очень важно знать, кто придет на помощь к потенциальному заемщику, если дела его будут плохи, или к кому на помощь побежит он. Поэтому чем точнее нам удастся определить круг таких лиц, тем лучше мы нивелируем связанные с заемщиком риски. Получать по нажатию кнопки список компаний, которые с высокой вероятностью являются связанными, было бы очень удобно. Для этого и нужна модель.

---

В процессе работы мы столкнулись с разными проблемами. Забегая вперед, скажем, что модель нам построить удалось. Но об этом позже. А пока – начнем с анализа данных.

1. Подготовка данных

Прежде чем начать строить модель, мы задались вопросом: «Какие данные из всего пула транзакций могут нам помочь?», или иначе: «Как нам преобразовать данные транзакций так, чтобы вытащить максимум информации?». Вообще у нас есть готовый стандартный лонг-лист факторов, построенных на транзакционных данных. Перечень ранее разрабатывался под задачу прогнозирования дефолта по заемщику. Но очевидно, что факторы, влияющие на дефолт по заемщику (такие как стабильность и динамика поступлений, наличие штрафов, пеней и т.п.), должны отличаться от факторов, выявляющих наличие связей между юридическими лицами. Поэтому мы решили сформировать под данную задачу новый лонг-лист факторов, который взяли бы для дальнейшего анализа на предмет статистической значимости.

Перед нами пример исходных данных по задаче. Это не чистая витрина с транзакциями клиентов, а ее помесячный агрегат по сумме транзакций и количеству проводок в разрезе различных типов транзакций.

Как видим, сырые данные, на первый взгляд, не очень информативны.

Ранее в одной из статей мы описывали, что в целом для работы с транзакциями нами были сформированы отдельные правила раскраски транзакций заемщика по типам с использованием парсинга текста проводок. Например, возможно выделение таких типов, как получение/погашение кредитов, оплата налогов, выдача из кассы, аренда, инкассация, платежи от покупателей и т.д. Возможно выделение большого количества таких типов (у нас их более 40), в том числе с использованием подходов ML. То есть по сути каждый денежный перевод имеет свой тип, который содержит в себе информацию о цели транзакции и ее направлении (кто получатель). Например, код CR_Rent означает перечисление денег в направлении от контрагента к нашему клиенту (кодировка CR, т.е. «Credit») за аренду (кодировка Rent).

В основе всей этой работы лежит гипотеза: «Характер транзакций связанных лиц отличается от характера транзакций несвязанных». Как нам это проверить? Имея на руках базу данных транзакций, мы предположили, что, возможно, связанные лица транзачат друг с другом по какому-то определенному типу чаще, чем по остальным. Например: Иван может получать средства для своего бизнеса от компании брата Алексея посредством транзакции типа CR_Loan. Т.е. Алексей выдает займы Ивану.

Это мы и хотим проверить. Для этого мы провели разведочный анализ (EDA) с целью выяснить, какие типы проводок встречаются у клиента чаще при работе со связанными лицами, чем при работе с несвязанными. Т.е. разбив выборку на связанных и несвязанных и проагрегировав данные по типам транзакций, мы уже сможем вытащить информацию о различии выборок.

Для этого наш перечень транзакций разделили на две выборки: транзакции между связанными лицами и транзакции между несвязанными лицами. Для разметки является ли контрагент связанным собирали статистику из наших внутрибанковских систем (юридические и экономические связи, по кому была такая информация). И далее проанализировали каждый тип проводок отдельно.

Еще небольшой нюанс: статистики оценивались в рамках каждой «пары клиент – контрагент» отдельно и затем усреднялись. Это позволяет нивелировать большой вклад в итоговые метрики «крупных клиентов». Каждая пара имеет одинаковый вес. Визуализация подхода на схеме ниже:

2. Первичная предобработка данных

Прежде чем приступить к анализу, почистим выборку. В текущем виде она может содержать в себе некорректные значения, аномалии, нерелевантные для анализа значения. Поэтому сначала произведем очистку:

1. Убираем ошибки, некорректные значения первоначальных данных (например, ИНН, состоящие из одних нулей, пропуски и т.п.);

2. Отбрасываем операции с физлицами, которые не являются индивидуальными предпринимателями;

3. Отбрасываем операции с банками (выдачи/погашения банковских кредитов, операции с депозитами);

4. Отбрасываем операции по неклиентским типам проводок (это могут быть налоги, штрафы и прочие операции с государственными органами). Они неинтересны для данного анализа.

3. Анализ данных

Средняя доля объема каждого типа транзакций в общем объеме транзакций:

На графике видно, что доли некоторых типов транзакций при работе со связанными лицами различаются от аналогичных при работе с несвязанными лицами. Поэтому дальнейшую генерацию фичей для лонг-листа модели будем делать уже на ограниченном, отобранном по итогам аналитики наборе типов транзакций.

4. Отбор проводок и фильтрация

Самыми информативными для нашей задачи оказались проводки на оплату товаров и услуг, на выдачу и погашение займов, арендные платежи.

Все необходимое для формирования перечня факторов мы сделали. Кроме одного. Обратим внимание на применимость модели. Очевидно, что, если между клиентом и контрагентом было всего несколько проводок, определить вероятность их связи вряд ли получится корректно. Очевидно, что такие наблюдения не подойдут для обучения модели и будут вносить дополнительный шум.

Поэтому необходимо ввести условия применимости модели. По итогам анализа данных определили, что будем работать только с наблюдениями (клиент – контрагент), которые совершили транзакций не менее чем на 1 млн руб. в год при не менее 12 транзакциях за данный период.

В результате всех манипуляций наша выборка сократилась примерно в 30 раз. С 90+ млн изначальных строк (транзакций) до чуть более 3 млн.

5. Расчет факторов

Мы уже открыли для себя, что доля определенных типов проводок может быть хорошим признаком связанности. Соответственно, это отлично подойдет в качестве фактора для тестирования статистической значимости. Но попытаемся для получения более качественного результата расширить пространство признаков. Для этого рассчитаем дополнительные факторы, которые могут нести в себе полезную информацию:

1. Найдем долю объема/количества каждого типа проводок в общем объеме/количестве проводок связки клиента с его контрагентом. Отдельно по кредитовым и отдельно по дебетовым проводкам;

2. Найдем долю объема/количества некоторых типов проводок в общем объеме/количестве проводок связки клиента с его контрагентом без разбивки на дебетовые/кредитовые проводки (например, проводки с кодировкой Avans есть как среди дебетовых, так и среди кредитовых, поэтому итоговый фактор будет иметь в виду долю сумму такого типа проводок во всех оборотах компании независимо от того поступления это или расходные операции);

3. Более сложные факторы. Включают в себя суммирование типов проводок, чья сумма по объему или количеству несет определенный бизнес-смысл. И вычисление доли такого совместного объема в общем объеме/количестве проводок связки клиента с его контрагентом.

Таким несложным образом мы нагенерили лонг-лист из 107 факторов, на которых в итоге и строилась модель.

Дальнейший процесс построения модели ничем принципиально не отличается от построения любой другой модели согласно нашему стандартному внутрибанковскому пайплайну. Кратко пробежимся по нему, не углубляясь в тонкости, и перейдем к результатам. Детальнее про него можно прочитать в статье наших коллег.

6. Разбиение выборки на тренировочную и тестовую

Нашим внутрибанковским стандартом принято бить выборки стратифицированно. Так, чтобы Target Rate двух выборок был максимально одинаковым. Это помогает нам бороться с дисбалансом классов и делает обучение более стабильным.

7. Однофакторный анализ

Процесс оценки факторов строится на процедуре биннинга с помощью библиотеки optbinning и последующем WOE-преобразовании. Сама модель строится на WOE-преобразованных факторах (что тоже уже является некоторым стандартом отрасли). В качестве метрики дивергенции выбрана «Information Value».

Результаты биннинга каждого фактора сводятся в единую таблицу, где факторы подвергаются дополнительному отбору. Критерии прохождения однофакторного анализа:

1. Gini фактора >= 5%;

2. Нижний доверительный интервал Gini фактора >= 0%;

3. Отклонение Gini на тестовой выборке от выборки трейн <= 15% в относительном выражении, и <= 10% в абсолютном;

4. Наличие не менее 2 бакетов;

5. Количество пропущенных значений < 50%.

В нашей задаче из 107 факторов из лонг-листа проверку на однофакторном анализе прошли только 31.

8. Многофакторный анализ

На полученном перечне статистически значимых факторов и строилась модель. Модель строилась по подходу StepWise методом логистической регрессии. То есть сначала отбиралась самая эффективная трехфакторная комбинация, которая прошла все стандартные проверки, такие как: мультиколлинеарность, тест Колмогорова-Смирнова и др.

Далее на каждом шаге добавлялся один фактор из оставшегося перечня и уже новая комбинация прогонялась по тому же перечню проверок.

Детали итоговой модели раскрыть не можем в силу коммерческой тайны. Однако результатами ранжирующей способности поделиться можем: Джини 72,4% на тестовой выборке.

* * *

Предложив ряд факторов, исходя из проведенной аналитики, мы получили достаточно неплохие результаты. Помимо этого производили эксперименты с бустинговыми моделями, которые показали еще больший прирост. Значимо улучшить модель, предположительно, можно, добавив ей информации. В этом также могут помочь графовая аналитика и фичи, полученные с ее помощью. Но об этом мы напишем в следующих статьях – уже совсем скоро.

Аффилированность – способность физического или юридического лица оказывать
влияние на деятельность других юридических лиц или физических лиц, в рамках
предпринимательской деятельности. Также Аффилированностью считают
взаимозависимость между хозяйствующими субъектами.

В рамках получения информации о Юридических лицах, при проверке
Контрагентов, необходимо знать, сколько компания имеет Обособленных подразделений
(филиалов, представительств), сколько компаний учредила, какие доли имеет в
учрежденных юридических лицах, какими компаниями управляет. По Руководителю
(Директору, Управляющему) организации также необходимо проверять
аффилированность – в каких компаниях Руководитель (ООО, ЗАО, ОАО и т.д.) является
директором, учредителем, имеет ли дополнительно статус Индивидуального
Предпринимателя.

На портале ЗАЧЕСТНЫЙБИЗНЕС, Вы можете бесплатно проверить и узнать
онлайн аффилированность Руководителя (Директора) Юридического лица (ООО,
ЗАО, ОАО), провести поиск по базе ЕГРЮЛ / ЕГРИП, выявить и построить связи
Руководителя с другими компаниями и ИП, оценить “массовость”. Также Вы можете
проверить аффилированность Юридического лица (ООО, ЗАО, ПАО).

Данные на портале ежедневно обновляются и синхронизируются с сервисом
nalog.ru ФНС РФ*.

Для проверки аффилированности (построения связей) Юридических лиц,
Индивидуального Предпринимателя или Руководителя, необходимо найти
организацию по ФИО Руководителя / ИНН / ОГРН / ОКПО / Наименованию
компании.

Для поиска воспользуйтесь поисковой строкой:

Как искать подробнее…

Проверять аффилированность компаний необходимо в рамках проверки
контрагента. Наличие зарегистрированных обособленных подразделений (филиалов,
представительств), а также учрежденные юридическим лицом организации, могут
существенно снизить риски при работе с данным Контрагентом. И наоборот, в случае если
Руководитель имеет признаки “массового заявителя” (является еще руководителем
многих компаний – проверять рекомендуем по ИНН, по ФИО возможны совпадения) это
может являться признаком компании-однодневки ( неблагонадежной компании).

Также в случае если компания оформлена на подставное лицо (массового
заявителя), крайне не рекомендуется иметь деловые отношения с данной компанией, во
избежание финансовых потерь и претензий со стороны налоговых органов.

Полная информация об Организациях доступна в Премиум доступе.

Желаем Вам плодотворной, комфортной работы на портале, используя поиск
и проверку аффилированности Организаций, Руководителей и ИП!
Ваш ЗАЧЕСТНЫЙБИЗНЕС.РФ.

* Данные ЕГРЮЛ / ЕГРИП являются открытыми и предоставляются на основании п.1 ст.6 Федерального закона от
08.08.2001 № 129-ФЗ «О государственной регистрации юридических лиц и индивидуальных предпринимателей»: Содержащиеся в
государственных реестрах сведения и документы являются открытыми и общедоступными, за исключением сведений, доступ к
которым ограничен, а именно сведения о документах, удостоверяющих личность физического лица.