REFERENZEN

Credit Scoring

Kreditausfälle durch mangelhafte Prognosen von Kreditrisiken verursachen bei Banken hohe Kosten. Zudem erhöhen neue Geschäftsmodelle von FinTech-Firmen erheblich den Kostendruck für etablierte Finanzinstitute. Basierend auf historischen Kundendaten können Treiber für Kreditausfälle identifiziert und dadurch die Bewertung von Krediten automatisiert und verbessert werden.

Ausgangslage

Hohes Risiko, Angespannte Konkurrenzsituation

Die vergangene Finanzkrise zeigt, dass Banken durch eine fehlerhafte Prognose der Kreditwürdigkeit von Kunden bis an den Rand des Ruins getrieben werden können. Daher ist für Banken eine exakte Bewertung von Kreditausfallrisiken essentiell. Gleichzeitig erhöhen neue, innovative Geschäftsmodelle zur Kreditvergabe aus der aufkommenden FinTech-Branche erheblich den Kostendruck auf etablierte Finanzinstitute. Für Banken stellt sich in dieser Situation die Herausforderung einerseits die Kosten des Kreditvergabeprozesses zu reduzieren und andererseits das Ausfallrisiko zu minimieren.

 

Lösung

Treiberidentifikation zur effizienten Prognose von Kreditausfallrisiken

Die Analyse der Kreditwürdigkeit von Privat- und Firmenkunden basiert auf verschiedenen Datenquellen, unter anderem Finanzkennzahlen, Bonitätsscores, oder auch Standortdaten. Speziell für Firmenkunden können diese durch Einsatz moderner Text Mining Ansätze um wichtige Informationen aus unstrukturierten Datenquellen, wie z.B. Firmenblogs oder Produktbewertungen, ergänzt werden. Der Einbezug dieser zusätzlichen Informationen kann Banken einen erheblichen Wettbewerbsvorteil verschaffen. 

Nach Integration und Standardisierung der relevanten Daten, können mit Hilfe von Data Science Methoden Treiber für Kreditausfallrisiken identifiziert und darauf basierend Prognosemodelle zur Bewertung der Kreditwürdigkeit entwickelt werden. Im Verglich zum Einsatz von traditionellen statistischen Modellen kann mit Data Science eine höhere Genauigkeit der Prognose für Kreditausfallrisiken und eine effiziente, konsistente Kreditbewertung erzielt werden. Dieser Unterschied ist in der Abbildung auf Basis eines öffentlichen Datensatzes zur Kreditvergabe dargestellt. Zudem können die Konditionen des Kredits durch die Bewertung der Kreditwürdigkeit und des Ausfallrisikos individuell auf den Kunden angepasst werden.

 

 

Nutzen

Automatisierte Kreditbewertungen steigert Effizienz und reduziert Ausfälle

Eine automatisierte Bewertung der Kreditwürdigkeit von Kunden, erhöht die Wettbewerbsfähigkeit von Banken und Kreditinstituten in Zeiten der Digitalisierung. Risiken werden durch eine geringere Kreditausfallwahrscheinlichkeit reduziert. Insgesamt werden Kosten für Kreditausfälle gesenkt und gleichzeitig Prozesskosten durch einen höheren Automatisierungsgrad bei der Kreditbewertung verringert. Durch die Möglichkeit von individuellen Kreditangeboten wird die Attraktivität des Leistungsportfolios eines Kreditinstituts für Kunden erhöht.

Haben wir Ihr Interesse geweckt? Sprechen Sie uns an.

Sprechen Sie uns an

Markus Frondorf

Managing Director

+49 172 7395191

Mail Kontakt

Sprechen Sie uns an

Rico Knapper

Chief Data Scientist

+49 152 22649878

Mail Kontakt

Warum anacision

X