Die Qualität des Underwriting-Prozesses ist für den Erfolg des Kreditgeschäfts von entscheidender Bedeutung. Die vollständige Automatisierung des Prozesses mit einem maschinellen Lernmodell, das Entscheidungen trifft, hat die Qualität des Kreditportfolios deutlich verbessert und die Entscheidungsgeschwindigkeit erhöht. Wir haben ein Modell zur Vorhersage von Zahlungsausfällen von Kreditnehmern entwickelt. Das Modell erwies sich als besser als die menschliche Leistung und verbesserte die Gesundheit des Kreditportfolios. Es ermöglichte auch eine positive Erfahrung der Kreditnehmer aufgrund schneller Entscheidungen über ihren Kreditantrag.
Wie künstliche Intelligenz beim Kredit-Scoring helfen kann | Kredit-Scoring-KI
Technologie
Grundlegendes maschinelles Lernen
Industrie
Finanzen
Potenzielle Branchen
Finanzen, Banken, Versicherungen
Klient
KMU-Kreditunternehmen
Zusammenfassung
Herausforderung
Der Kunde forderte die Automatisierung des Underwriting-Prozesses und forderte uns auf, Modelle für maschinelles Lernen bereitzustellen, die der Leistung eines Underwriters überlegen sind. Das Modell wurde entwickelt und anhand einer begrenzten Anzahl von Kreditanträgen getestet. Externe Informationsquellen zur Kreditwürdigkeit mussten getestet und vorgeschlagen werden.
Lösung von AI Superior
Wir haben eine KI-Komponente entwickelt, um den Underwriter-Prozess vollständig zu automatisieren. Mehr als 800 Merkmale wurden aus 14 verschiedenen Datenquellen extrahiert. Die Komponente basiert auf einem hochmodernen maschinellen Lernansatz, um die Ausfallwahrscheinlichkeit eines potenziellen Kreditnehmers vorherzusagen.
Ergebnis und Implikationen
Die Lösung steigert die Portfolioleistung durch den Rückgang der Zahl der akzeptierten Kunden mit Kreditausfällen, während die Gesamtakzeptanzrate neuer Kunden erhalten bleibt. Darüber hinaus haben die entwickelten Lösungen die Entscheidungsgeschwindigkeit deutlich erhöht und den Prozess von einigen Stunden oder einem Tag auf einen Bruchteil einer Minute verkürzt.