De uitdaging
De kwaliteit van de kredietbeoordeling is cruciaal voor een kredietverstrekker. De klant, een financier van het mkb, vroeg ons het beoordelingsproces te automatiseren en daagde ons uit machine-learningmodellen te bouwen die beter presteren dan het oordeel van zijn eigen kredietbeoordelaars.
Het model moest worden ontwikkeld en getest op een beperkt aantal kredietaanvragen, en externe bronnen van informatie over kredietwaardigheid moesten worden getest en voorgesteld.
Onze oplossing
Wij ontwikkelden een AI-component die het beoordelingsproces volledig automatiseert. Met machine learning voorspelt deze voor elke potentiële kredietnemer de kans op wanbetaling.
Uit 14 verschillende databronnen werden meer dan 800 kenmerken geëxtraheerd om het model te voeden.
Het resultaat
Het model presteerde beter dan menselijke kredietbeoordelaars en verbeterde de gezondheid van de leningportefeuille: minder geaccepteerde klanten raakten in betalingsachterstand, terwijl het totale acceptatiepercentage voor nieuwe klanten gelijk bleef.
Besluiten werden veel sneller genomen: van enkele uren of een dag naar een fractie van een minuut. Kredietnemers profiteren daardoor ook van een betere ervaring, met snel antwoord op hun aanvraag.
