Deze website maakt gebruik van cookies. Lees meer of klik hier om te accepteren. Accepteren Lees meer

VCMB - Verbonden door creditmanagement kennis!
VCMB

Interview Herman Peeters – “De impact van big data op credit management”

Meer data betekent slimmer gebruikmaken van software voor modelleren en analyses. Ascend Analytics van Experian helpt hierbij.

Credit management is belangrijk, zelfs cruciaal voor iedere organisatie met eindklanten. Maar wat gebeurt er nu zoal in die wereld vanuit IT-perspectief? En wat kan ik er als bedrijf mee? We spraken hier uitgebreid over met Herman Peeters van Experian.

Peeters is Global Business Consultant bij het bedrijf dat te boek staat als een van de grote spelers in de wereld van credit management. Bedrijven zoals Experian leveren vrijwel onmisbare diensten aan organisaties. Ze verschaffen onder andere inzicht in de kredietwaardigheid van klanten. Op basis van deze kennis kunnen dan wat meer algemene modellen gebouwd worden, die cruciale inzichten opleveren over de impact van een bepaalde beslissing voor de eigen organisatie.

Hoe ga je als bedrijf bijvoorbeeld om met een leeftijdsgroep die traditiegetrouw veel uitgeeft, maar ook een hoog risico oplevert op wanbetaling? Soms kan het voor de organisatie als geheel lonen om dit risico te lopen, bijvoorbeeld om de concurrentiepositie veilig te stellen, een andere keer juist niet.

Drie onderdelen

Experian bestaat globaal gezien uit drie onderdelen: consumer services, data/credit services en decision analytics. Consumer services bieden ze niet aan in onze regio (wel in bijvoorbeeld de VS en het VK). Hiermee krijg je als eindklant onder andere online inzicht in je eigen kredietscore en kun je zelf een risicoprofiel opzetten.

Data/credit services houdt zich bezig met het helpen van bedrijven om zaken te doen met klanten. Als iemand voor het eerst iets bestelt, wil je deze dan meteen de optie bieden om achteraf te betalen? Dat soort vragen kan beantwoord worden door een goed inzicht te hebben in de kredietwaardigheid van de klant.

Decision analytics is het onderdeel waar we het in dit artikel vooral over zullen hebben. Dit is vanuit IT en big data-perspectief wat ons betreft het interessantste onderdeel van Experian. Hier gaat het namelijk om het slim gebruikmaken van software om de benodigde data te aggregeren en te verwerken tot analyses en modellen, die je vervolgens weer kunt operationaliseren. Het Ascend-platform is hier een mooi voorbeeld van.

Experian Ascend

Als het gaat om het inzetten van big data om tot inzichten en uiteindelijk modellen te komen, moet je meerdere stappen doorlopen. Een van de onderscheidende kenmerken van Ascend is dat met uitzondering van het operationaliseren van de modellen, alles wat je nodig hebt binnen dit ene platform beschikbaar is. Het gaat dan om het koppelen van de data, de dataprep, de verwerking en de visualisatie.

Uiteindelijk is de waarde van het samenvoegen van features groot, stelt Peeters: “Je kunt veel sneller deployen. Doe je het apart van elkaar, dan moet je voor al deze onderdelen een apart beslissingstraject doorlopen.” Daarnaast kan naast data van de organisatie zelf ook nog data vanuit Experian toegevoegd worden aan het platform. Je krijgt dan een nog grotere dataset en onder de streep dus nog betere inzichten.

Ascend draait in de cloud (AWS) op een Cloudera-infrastructuur. Impala en Hive zitten dus ingebouwd in het platform, waarmee je onderscheid kunt maken tussen hot en cold data bij het ingesten ervan. Het manipuleren van de data vindt plaats in een SQL-omgeving, terwijl men voor MicroStrategy heeft gekozen als ‘ingebouwde’ visualisatietool.

Het is overigens niet zo dat je de verschillende onderdelen allemaal in een en dezelfde tool beschikbaar hebt. Je moet nog wel wisselen tussen bijvoorbeeld de Cloudera-omgeving en die van MicroStrategy. De kracht zit echt in het gedeelde platform waar de verschillende tools op draaien.

Realtime

Een belangrijk onderdeel van Ascend is verder dat het hier gaat om een realtime-omgeving, zo vertelt Gerrit Bekker ons. Hij is data scientist bij Experian en loopt met ons door het platform heen. Realtime wil zeggen dat er binnen Ascend niet wordt gewerkt met logs, maar dat je queries afvuurt op realtime datasets. Nieuwe data die in de gekoppelde databronnen beschikbaar komt, wordt daarnaast ook meteen in het platform geladen. De modellen die gemaakt zijn op basis van de beschikbare data veranderen dan uiteraard ook meteen mee.

Goed om te weten is nog dat het platform standaard ook de nodige mogelijkheden biedt tot het automatiseren van de processen. Python en R libraries zijn beschikbaar bijvoorbeeld. Let wel, vooralsnog vindt de automatisering plaats nadat de dataprep is gedaan. Bekker geeft aan dat er ook hard wordt gewerkt aan zaken zoals data discovery om te helpen bij dataprep, maar dat is nog erg ingewikkeld.

Wil je liever eerst even experimenteren met modellen, voordat je ze daadwerkelijk in gebruik neemt, dan is dat eveneens mogelijk. Je kunt een model dan in een veilige omgeving een tijdje laten draaien. Predictief doen ze dit niet overigens, ook al klinkt dat wellicht als een beter idee. Maar volgens Bekker levert dat, zeker met grotere datasets, geen accuraat beeld op van een model.

Operationaliseren is cruciaal

Vanuit technisch oogpunt vinden we het zonder meer interessant wat Experian heeft gebouwd. Voor een specifieke doelgroep heeft men alle relevante onderdelen samengepakt en deze op een enkel platform beschikbaar gemaakt. Als beslisser hoef je nu maar door een enkel beslissingstraject heen. De organisatie kan daarna meteen aan de slag met de data die beschikbaar is. Is die data van goede kwaliteit, dan zal je hier ook zeker inzichten uithalen.

Met alleen inzichten op basis van modellen die je hebt gemaakt binnen Ascend, ben je er uiteindelijk nog niet natuurlijk. Of zoals Peeters het zelf zegt: “Operationele modellen horen ook bij het creĆ«ren van inzicht.” Zonder het operationaliseren van de modellen die je maakt, heeft het allemaal niet zoveel zin. Dan heb je weliswaar een model waarmee je bijvoorbeeld je concurrenten te lijf kan gaan, maar je kunt daar geen actie op ondernemen.

Integratie in bestaande omgeving

Ascend kan organisaties niet helpen op het gebied van operationaliseren. Dat moet in een decision engine gebeuren. Die geeft een aanvraag, kort door de bocht gesteld, een score, waarna deze wordt goed- dan wel afgekeurd. Dit soort engines kun je zelf bouwen (bijvoorbeeld in SAS), maar Experian zelf heeft er ook eentje.

Iedere organisatie die zich met credit management bezighoudt, heeft zonder twijfel al een decision engine. Het heeft dan ook geen zin om deze in Ascend in te bouwen, mocht dit al mogelijk of wenselijk zijn. De integratie tussen Ascend en de engine van Experian kan natuurlijk wel wat hechter gemaakt worden dan die met andere engines, maar voor de uiteindelijke scores en beoordelingen maakt dat niets uit.

Het is verder ook prima mogelijk om binnen Ascend in plaats van MicroStrategy bijvoorbeeld voor Tableau te kiezen als datavisualisatietool. Experian heeft voor deze tool gekozen, omdat het deze zelf ook gebruikt, niet zozeer omdat hij beter bij de andere onderdelen van Ascend past.

Conclusie: Big data optimaal inzetten

Uiteindelijk draait het er bij Experian Ascend Analytics niet zozeer om dat je inzicht krijgt in een klant op het gebied van credit management, maar vooral ook wat je dan vervolgens als organisatie met die data doet en wat daar dan weer de gevolgen van zijn. Het idee is dat je met de inzichten die je krijgt vooral ook je eigen strategie kunt bepalen, ten opzichte van de rest van de markt. Dat maakt dit platform niet alleen een tool waar je klanten profijt van hebben, maar waar je als organisatie zelf ook actief mee aan de slag kunt, om de juiste balans te blijven vinden tussen risico en beloning.

Bron: cio.nl

Gerelateerde artikelen

Economisch beeld minder gunstig

Economisch beeld minder gunstig

Het conjunctuurbeeld volgens de Conjunctuurklok van het CBS is in september minder gunstig dan een maand eerder, meldt het CBS. ...

Minnelijk schuldhulptraject moet beter

Minnelijk schuldhulptraject moet beter

Gemeenten moeten de mogelijkheden van de Wet schuldsanering natuurlijke personen (Wsnp) beter benutten. Niet alle gemeenten maken daar nu optimaal geb...

© 2019 VCMB Maatwerk software door Way2Web

Wanneer onderneemt u actie bij het signalen van betalingsachterstanden?

Laden ... Laden ...