GLÖM INTE DE SOM INTE SLÄPPS IN I KREDITPORTFÖLJEN UC Affärsoptimering Kreditscoringmodeller UC Affärsoptimering Du kör vi optimerar
UC Affärsoptimering Vi tillför nya perspektiv UC Affärsoptimering Vi tillför nya perspektiv med din affär i fokus Hos oss är din affär i fokus. Vår passion är att ifrågasätta etablerade sanningar och tillföra nya perspektiv så att du kan fatta rätt beslut och realisera din affärspotential. UC Affärsoptimering är en konsultgrupp inom UC som har specialiserat sig på att hjälpa dig med strategin för morgondagens affärsbeslut. Vi utgår alltid från din affärsprocess och hjälper dig med: Marknadsbearbetning Konsten att se och skapa affärsmöjligheter CRM, livstidsvärde, livscykelhantering. Orden är många. Vår utgångspunkt är att alltid se helheten och att respektera att allt hänger samman: omvärld, marknadsbearbetning och proaktiv kundvård. Nya affärer kan skapas på två sätt. Ni kan göra fler affärer med befintliga kunder eller göra nya affärer med nya kunder. Vår övertygelse är att potentialen bland befintliga kunder alltid är underskattad. Vi har lyft arbetet med modern segmenteringsteknik till en ny nivå. Riskmanagement Eller som vi hellre säger Business Management! VI ser riskhantering som ett sätt att utveckla affären, inte begränsa den. Vår utgångpunkt är att risk management behöver utvecklas med en tydligare koppling till affären. Vi har istället valt att kalla det för Business Management. För när man tänker efter. Vad är det egentliga syftet med t.ex. ett kreditregelverk? I vårt perspektiv kan det främsta syftet inte vara att undvika förluster, snarare att optimera möjliga affärer. 2
Vi hjälper er med hela livscykeln för era kreditaffärer som t.ex: Regelverksoptimering och uppföljningsprocesser Riskdifferentiering och prissättning Scenarioanalyser och stresstester Scorekortsutveckling och validering Finansiella Regelverk Är det nödvändigt att tänja på gränserna? Vinnare ser möjligheter där andra ser problem, svårigheter och begränsningar. Vi ser finansiella regelverk som en utmaning som kan leda till nya möjligheter om de tolkas, implementeras och efterlevs på ett affärsmässigt sätt. Finansiella regelverk påverkar hela sättet att göra och tänka kring affärer. Det betyder att flera funktioner i företaget påverkas när nya regelverk ska efterlevas. Vi har en god översiktsbild av hur regelverken påverkar respektive funktion och vi är specialister på att omvandla mångsidiga regelverkstexter till konkreta operativa rutiner, processer och rapporter. Inkasso Det handlar om livstidsvärdet! UC:s gedigna erfarenhet av att optimering av affärsflöden och affärsbeslut innebär att vi ifrågasätter gamla stelnade sanningar och tillför nya perspektiv. Perspektiv och idéer som revolutionerar sättet att arbeta med Inkasso. UC :s branschexperter har skapat en portfölj av lösningar som väver samman strategi med regelverk, processer och data. Allt för att maximera kostnadseffektivitet och livstidsvärde. Det innefattar bl.a.: Score för inkassoprocessens alla delar Processoptimering Portföljanalys och värdering Marknadsbearbetning Konsten att se och skapa affärsmöjligheter Riskmanagement Eller som vi hellre säger Business Management! Finansiella Regelverk Är det nödvändigt att tänja på gränserna? Inkasso Det handlar om livstidsvärdet! 3
Glöm inte de som inte släpps in i kreditportföljen Det är allt för vanligt att det byggs kreditscoringmodeller utan att ta hänsyn till det faktum att man ger ett antal kunder avslag på sin kreditansökan. Genom att inte räkna med avslagen när man bygger modellen kan man få en modell som inte fungerar som en bra dörrvakt för portföljen. De flesta kreditscoringmodellerna används för att bedöma om en kund är kreditvärdig eller inte och om man således bör ge kunden en kredit. Förutom scoringmodellerna finns det oftast andra restriktioner vid kreditbeviljning. Det kan vara specialregler såsom att man inte ska ha någon betalningsanmärkning, att man ska ha en viss inkomst eller att man inte ska ha för många andra lån. Ju fler specialregler ett kreditinstitut använder sig av ju mindre litar man på att scoringmodellen gör sitt jobb som dörrvakt för portföljen. När man bygger en scoringmodell som ska fungera som dörrvakt utgår man ofta från ett eller flera års tidigare ansökningar, hur kunderna bakom ansökningarna såg ut vid ansökanstillfället samt vad som hände med kunderna under en uppföljningsperiod på vanligtvis ett år, d v s skötte kunderna betalningarna eller inte. Vid uppföljningen är det förstås lättast att följa upp de som fick krediter och se hur dessa skötte sig i den egna portföljen. Problemet är att om man nöjer sig med detta så tittar man inte alls på de som fick avslag på sin kreditansökan eller de som valde att inte ta krediten (båda kategorierna kallas fortsättningsvis för avslag). Om modellen endast bygger på kunder som blev insläppta i portföljen kan det bli snedvridet om man vill använda modellen som en gatekeeper, d v s för att släppa in bra och avvisa dåliga kunder. Tänk dig att en scoringmodell fungerar som en dörrvakt på en nattklubb. Vi glömmer nu att vissa nattklubbar kan ha en massa cred -regler och bara släppa in de som är snygga och coola och antar att man vill släppa in bra kunder som betalar bra och sköter sig inne på klubben. Tänk dig vidare att man också har ett antal specialregler, som att man måste ha hela kläder och vara över 23 år för att komma in. Anledningen till detta är att man tror att folk med trasiga kläder och ungdomar missköter sig mera än övriga. Om man vill ha en perfekt dörrvakt och ta bort förutfattade antaganden om ålder och kläder kan man inte få till detta genom att bara följa upp skötseln inne på den egna klubben. Man måste också göra en uppskattning av hur de avvisade skulle ha skött sig, annars kan man aldrig få reda på om antagandena om ålder och klädsel är korrekta. Att analysera kunderna som inte kom in i portföljen kallas för avslagsinferens och kan generellt sett göras på ett antal olika sätt. 1. Ett sätt att beräkna en modell på den population som har kommit in i portföljen. Sedan använder man denna modell för att skatta sannolikheten att de ej beviljade blir dåliga och klassificerar in denna population efter sannolikheten. Om sannolikheten är över 50% så sätter man den personen som dålig i datasetet och är sannolikheten under 50% så blir det en bra. Efter att man har gjort denna klassificering så räknar man om modellen på hela populationen och använder denna modell som beviljningsmodell. Problemet med denna metod är att man ändå utgår från att den population man inte får in i portföljen skulle uppföra sig som den population man fick in. 2. En annan variant är att vikta upp kunder som blir insläppta trots att de bryter mot uppsatta specialregler, s k overrides. Genom att ge en högre vikt på dessa försöker 4
man ta hänsyn till alla avslag som har dessa kriterier, t ex betalningsanmärkning. Denna metod är bättre än den ovan men den utgår ifrån att de insläppta kunderna med betalningsanmärkning sköter sig på liknande sätt som avslag med betalningsanmärkning. Det kan ses som ett djärvt antagande eftersom ett undantag från kreditreglerna, en så kallad override, förhoppningsvis görs för att en handläggare vet något om kunden som scoringmodellen inte vet och att det därför finns goda anledningar till att göra en override. Om så är fallet så kommer de overrides som viktad upp att i genomsnitt vara mindre dåliga än de som inte blev overrides och således kommer avslagsinferensen att bli snedvriden. 3. Ett tredje alternativ, som också är det bästa, är att verkligen följa upp avslagen genom att se hur dessa har skött sig utanför den egna portföljen efter att de avslogs. För att kunna göra detta måste man vända sig till t ex ett kreditupplysningsföretag som har data på vilka som har fått betalningsanmärkningar. På personsidan använder man lämpligen en ny betalningsanmärkning som utfall medan man på företagssidan kan använda konkurs eller något annat obeståndsmått som utfall. Man ser då vilka av avslagen som senare fick betalningsanmärkningar och dessa anses som om de hade blivit dåliga i portföljen. De som inte har fått betalningsanmärkningar antas då inte heller bli dåliga om de hade tagits in i kreditportföljen. Detta är det alternativ som ger minst snedvridning av modellen eftersom man faktiskt följer upp avslagen hela vägen utan att göra antaganden om att de liknar de som släpps in. Internationellt är det svårt att följa upp på detta sätt men i Sverige har vi sådan tur att vi har väldigt bra möjligheter eftersom vi har person- och organisationsnummer samt register, t ex UC:s databaser, som kan användas för att följa upp avslagna ansökningar. Den sist nämnda metoden är absolut att föredra för att få en så korrekt beviljningsmodell som möjligt. En kreditscoringmodell kan fungera som en bra dörrvakt för din kreditportfölj och den kan bygga bort specialregler för att på så sätt få en bättre kontroll på den faktiska risken i portföljen. Den kan också minimera den manuella hanteringen i kreditbeviljningen och på så sätt öka lönsamheten. Marknaden går mot mer automatiserade processer i kreditbeviljningen, men utan en bra avslagsinferens ska man inte använda en helt automatiserad process. Godkända ansökningar Dåliga 10% 5% Godkända Godkända ansökningar Bra 70% 75% Godkända Avslagna ansökningar Dåliga 7% 7% Avslagna a Avslagna ansökningar Bra 13% 13% Avslagna a Om ni är intresserade av att göra en bra avslagsanalys för er portfölj så kontakta oss på UC:s Afförsoptimering. Ansökanspopulation Godkända, bra Avslagna, bra Avslagna Avslagna,dåliga Godkända, dåliga 5
Huvudkontor Lokalkontor Kontakt Firma UC AB UC AB - Göteborg UC AB - Malmö Telefon: 08-670 90 00 UC AB 117 88 Stockholm Kungsgatan 20 Malmöhusvägen 1 E-post: kundservice@uc.se Org.nr. 556137-5113 411 19 Göteborg 211 18 Malmö Web: uc.se