SAS USER FORUM Banking Fra datafangst til avgjørelser Ewa Nybakk & Mikkel Brudvik Sanderud, 8. juni 2017
Agenda Standardløsning Tilpasning av løsningen Designprinsipper Styrker Oppsummering og spørsmål
Introduksjon Prosjekt God Risikostyring (GRS) Samarbeid Capgemini og SAS Institute SAS Detailed Data Store for Banking Moduler på toppen av DDS blant annet Banking
Prosjekt GRS SAS RRM Kunde/Konto mart Banking Online Score SAS DDS for Banking Legacy DVH dhub Eksterne filer
Prosjekt GRS SAS RRM Kunde/Konto mart Banking Online Score SAS DDS for Banking Legacy DVH dhub Eksterne filer
Kredittmodellering Behov Formål Områder Kreditt/lånebeløp Regulatorisk/økonomisk kapital Prediksjon Overvåking av resultater Søknad Kunde Konto Scorekort Konkurs Mislighold Default Tap gitt mislighold Loss Given Default Nedbetaling av renter - Propensity to revolve
Kredittmodellering Utfordringer Data I siloer Frakoblet Ulikt datagrunnlag for ulike modeller Kunnskap ligger eksternt Mindre rom for fleksibilitet Eksterne Scorekort Tidkrevende Basert på utdatert data Rapportering Infrastruktur for analyse Ressurskrevende å utvikle og vedlikeholde
Banking Integrert løsning Typiske datakilder for modellering Kredittmodeller GUI-basert interface Datafangst Utvikling Deployment Overvåking Rapportering Transaksjoner og kontodetaljer Mislighold Demografi Sikkerhet Kredittkort PD LGD CCF Lage datasett Utlede variable Dataminingsverktøy
Overordnet Løsningsskisse SAS Enterprise Miner Modeling ABT Banking: Web Application Banking: Scoring Mart Model monitoring reports Banking: Foundation Mart SAS DDS for Banking/ Annen kilde
Tekniske Komponenter Konseptuell modell Hva løsningen tilsvarer i praksis
Databevegelse SAS Data Integration Studio SAS Enterprise Miner Modeling ABT Banking: Web Application Banking: Scoring Mart Model monitoring reports Banking: Foundation Mart SAS DDS for Banking
Databevegelse SAS Data Integration Studio Leser og laster data Egne transformasjoner for Credit Scoring
Databevegelse Tilpasninger i SAS Base Tilpasse eksisterende transformasjoner Forstå dataflyten best mulig
SAS Enterprise Miner Datamodellering SAS Information Map Studio Modeling ABT Banking: Web Application Banking: Scoring Mart Model monitoring reports Banking: Foundation Mart SAS DDS for Banking
Datamodellering SAS Information Map Studio Kan brukes for å bygge Analytical Base Tables Viktig utgangspunkt for å bygge data på rett form, og for å utvide datagrunnlaget
Modellering og Credit Scoring SAS Enterprise Miner SAS Enterprise Miner Modeling ABT Banking: Web Application Banking: Scoring Mart Model monitoring reports Banking: Foundation Mart SAS DDS for Banking
Modellering og Credit Scoring SAS Enterprise Miner Kan bygge modeller direkte i Enterprise Miner, og registrerer disse i metadata Bygge scorekort direkte i CSfB: Web Application
Agenda Standardløsning Tilpasning av løsningen Designprinsipper Styrker Oppsummering og spørsmål
Utvidelse av løsningen Datagrunnlaget Standardløsning dekket ikke alle databehov for eksisterende scoremodeller Behov for noen nye felter i eksisterende tabeller Behov for nye datakilder I praksis tilsvarer dette Mapping av data inn i eksisterende datamodell Oppdatering av jobber og metadata for tabeller i DI Studio
Adferdsmodell Utvidelse av løsningen Eksisterende Modell To segmenter: Bedriftsmarked, Personmarked Scorekort for default Modell implementert etter dokumentasjon Nye datakilder og felt lagt inn i løsningen Modell registrert via SAS Enterprise Miner Fordeler: Eksisterende kunnskap går ikke tapt Modell kan benyttes som champion modell
Overordnet Løsningsskisse SAS Enterprise Miner Modeling ABT Banking: Web Application Banking: Scoring Mart Model monitoring reports Banking: Foundation Mart SAS DDS for Banking/ Annen kilde
Agenda Standardløsning Tilpasning av løsningen Designprinsipper Styrker Oppsummering og spørsmål
Designprinsipper Standardløsning setter krav til at en rekke felt i dataunderlaget fylles med verdi Standardløsning setter krav til relasjon mellom datakilder Må også ivaretas med nye datakilder Mange måter å tilgjengeliggjøre data for modellbygging i webgrensesnitt. Bør ha en formening om hvordan man ønsker å bruke dataen ved utvidelse av løsning. Sletting av data i forskjellige mapper, tidkrevende i testfase med relast Tilpasning av løsning mulig feilkilde ved oppdatering av løsning
Fordeler og Styrker Fleksibilitet Relevant data i løsningen Utvikle, deploye, monitorere interne modeller Segmentering Verifikasjon Champion/Challenger, backtesting Statistisk analyse GDPR Basel II Compliance Modeller innenfor PD, LGD, CCF Modell og datavalidering Rapportering Modelldokumentasjon Brukerverdi Webgrensesnitt Deling av modeller og kunnskap in-house Økt innsikt bedre beslutninger!
Champion/Challenger
Rapportering
Fra Datafangst til Avgjørelser Avgjørelser Rapportering og innsikt Modellering og analyse Data mapping og konstruksjon av ABT Laster inn til Foundation Mart
Oppsummering Løsningsmodell som bruker forskjellig SAS-programvare Implementeringen krever annen kompetanse enn drift God fleksibilitet med muligheter for tilpasninger Designprinsipper for implementasjonen Store styrker og fordeler
Takk for oss! Insert contact picture Mikkel Brudvik Sanderud Konsulent Capgemini Mikkel- Brudvik.sanderud@capgemini.com Insert contact picture Ewa Nybakk Konsulent Capgemini Ewa.Nybakk@capgemini.com Hva er deres spørsmål?