Egne Scorekort, kan det bli allemannseie?
AAA Soliditets analyseavdeling Hva er et scorekort Hvorfor eget scorekort Effekt av egne scorekort Utfordringer med å utvikle egne scorekort Hvordan kan utfordringene overkommes Personnamn Titel Avdelning 20xx-xx-xx
AAA Soliditets t analyseavdeling li Skal betjene Bisnodes kunder med de beste beslutninger innenfor risk og marketing Forvalter og utvikler selskapets beslutningsmodeller (scorekort og ratingmodell) 5 analytikere + 1 dataminer + 1 kredittfagligekspert Noen store prosjekter siste år: Utvikling av nytt generiskscorekort B2B (modulært) Utvikling av inkassoscorekort for rangering av inkassosaker etter løsningsgrad Utvikling av risikoklassifiseringsystem for større bank Analyse er et definert satsningsområde for Bisnode Norge og dette har ført til at vi investerer i avansert teknologi for å effektivisere analyse og scorekort implementering
H er ett kkreditt Hva ditt score kort? k t? En statistisk modell som basert p på historiske e observasjoner, j, rangerer g nye og eksisterende kunder etter risiko for mislighold m innenfor en gitt periode. Generisk scorekort Søknadsscore for nye kunder Behaviour B h i score ffor eksisterende k i t d kkunder d
Hvorfor egne scorekort Salg vs risk On the credit side, we have the generic opinion of salespeople as fixated on making the sale at whatever cost. They seem to have tunnel vision which totally bypasses the probability of ever collecting on the account.. Sales has a different take. They wonder if the credit department folks have a clue as to what's going on in the "real world." They see credit as obsessively focused on details that have little impact on the big picture. The credit manager seems to come up with endless ways to dela ay, pick apart, set up road blocks to, and eventually kill the sale." http://www.credit-to-cash-advisor.com/articles/creditmanagement/salesvscredit
Hvorfor eget scorekort? Den kredittaktive befolkningen Rød regnfrakk=dårlig kunde Ulike produkter har ulike univers Usikret lån Fakturakjøp internett Telekom Ulike leverandører tiltrekker ulike kunder: Telenor Netcom Tele2 Ulike kredittstørelser Betalings evne Betalingsvilje
Hvorfor eget scorekort? Den kredittaktive befolkningen Rød regnfrakk=dårlig kunde Telenor Fokusere på eget univers Selv om produktene er like er ikke kundene like Fokusere på eget mislighold Utvikle riktig verktøy
Effekt av egne scorekort (analytiker perspektiv) Høyere prediksjonsevne (PI/Gini) Riktig scorefit (riktig risikonivå) Kunde Bransje Generisk
Effekt av egne scorekort Kredittsjef perspektiv Lavere tap Bedre forutstigbarhet Mer effektiv kredittprosess (mindre manu uell kontroll) Salgs- og markedsperspektiv Flere kunder Høyere salg Større markedsandel Bedre motivasjon Eier perspektiv Vekst i resultat
Reduserte tap vs økt omsetning Øke innvilgelse Generisk Custom Økning i innvilgelse 14 % Omsetning 100000000 114000000 Tapsprosent 1,00 % 1,00 % DB 50,00 % 50,00 % Tap 1000000 1140000 Bidrag dagette etter tap 49 9000000 55860000 Gevinst 6860000 Reduksjon i tap Generisk Custom Reduksjon av tap 5 % Omsetning 100 000 000 100000000 Tapsprosent 1,00 % 0,42 % DB 50,00 % 50,00 % Tap 1000000 420000 Bidragettertap tap 49000000 49580000 Gevinst 580 000 Egne scorekort er først og fremst lønnsomme fordi de ved økt godkjenning av kunder gir kraftig økning i lønnsomheten.
Utfordringer med å utvikle egne scorekort Ønske om vekst endring i markedet Hvis kundegruppen min forandrer seg, hva da med scorekortet? Portefølje størrelse Begrenset med kunder Begrenset mislighold Manglende eller lite tilgjengelig datagrunnlag Lagerer ikke alle data ved kredittsøknader Vanskelig å hente ut data fra egne systemer Manglende ressurser, kompetanse og infrastruktur Ikke egne analytikere i organisasjonen Ikke system for å utvikle implementere scorekort Kostnader ved utvikling Scorekort er dyre
Hvordan kan utfordringene overkom mmes Modulær tilnæ ærming Bygger ulike scorekort basert på ulike datagrupper og utfall Generiske modeller på generiske data og utfall Kunde modeller på kunde data og utfall Setter sammen modeller i ulike sammensetninger basert på kunde utfall
Hvordan kan utfordringene overkom mmes Ønske om vekst endr ring i markedet Vanskelig å hente ut data fra egne Hvis kundegruppen min forandrer systemer seg, hva da med scorekortet? Dersom data innhentes i De generiske komponentene skaper stabilitet selv i mye søknadsprosessen kan de lagres hos oss markeder Manglende ressurser, kompetanse og Portefølje størrelse infrastruktur Begrenset med kunder Ikke egne analytikere i Begrenset mislighold organisasjonen Antall observasjoner og antall bads begrenser fortrinnsvis antall variabler i modellen. Siden mange variabler er pakket i hver modell blir det få variabler når modellen settes sammen. La oss gjøre jobben Ikke system for å utvikle implementere scorekort Scorekortet implementeres i våre systemer og tilgjengeliggjøres gjennom webservice og batch Manglende eller lite tilgjengelig Kostnader ved utvikling datagrunnlag Scorekort er dyre Lagerer ikke alle data ved kredittsøknader Vi utnytter generiske komponenter og moderne metode og teknologi. Vi kan begynne med en kalibrert generisk modell Start t prosessen med då samle inn Derfor blir kostnadene både skalerbare og håndterbare søknadsdata, vi kan fase inn søknadsdata etterhvert