Kunde / SpareBank 1 Kreditt
Færre i gjeldsklisteret med maskinlæring
🤔
Utfordring
Folk tar opp lån de ikke kan betjene
🙌
Løsning
Forutsi betalingsproblemer ved hjelp av maskinlæring
🤓
Kompetanse
Maskinlæring, prosessledelse
Den nye tjenesten til SpareBank 1 Kreditt roper varsku hvis noen søker om kredittkortlån som de ikke kan betjene. Det er veldig bra for både kunden, kredittgiveren og samfunnet.
For kredittkortgjeld er et stort samfunnsproblem. Mange låner over evne, og selv om pengene løser et behov der og da kan det svi skikkelig etterpå. SpareBank 1 Kreditt vil gi bedre estimater for risiko i forbindelse med kredittkortsøknader, slik at færre havner i økonomisk knipe. Maskinlæring, altså at systemet lærer basert på erfaring og store datamengder, er godt egnet for å forutse betalingsproblemer. Sammen med SB1 Kreditt har vi laget en maskinlæringsmodell som bedre skal kunne avdekke fremtidige betalingsproblemer.
Dette ville vi finne ut av og trene modellen til
Hvordan kan vi trene en modell som med god nok nøyaktighet kan klassifisere nye lånesøkere?
Hvor ofte må vi trene, og hvordan kan vi hente data fra forskjellige datakilder?
Hvordan kan vi få satt tjenesten ut i live, med kundens eksisterende infrastruktur?
Arbeidet vårt
Prosjektet ble delt i to, med maskinlæringstjenesten på den ene siden og integrering i søknadsportalen på den andre. Vi startet prosessen med å snakke med kunder og tilbydere av kreditt for å kartlegge kundenes behov og gjeldende infrastruktur. Innsikten ga teamet et godt grunnlag for å forske på idéer og modeller for en bedre scoring av kredittkortsøknadene.
Så utviklet vi maskinlæringsmodeller i Python, basert på gjeldsdata og data fra søknadstidspunktet. Teknikker som Synthetic Minority over-sampling technique (SMOTE) hjalp oss å balansere de skjeve datasettene.
Læring
Vi klarte å oppnå en treffsikkerhet på ca. 80% for de som sannsynligvis får betalingsproblemer, og 70% for de som ikke får det. Å forutse dette er svært verdifullt ettersom både kredittgiver og kunde taper stort på mislighold av lån.
Nå må modellen kjøre og lære og virke over noe tid, før vi forhåpentligvis kan se den store samfunnsgevinsten ved at færre låner over evne og havner i gjeldsklisteret - eller på Luksusfellen.
Lurer du på noe?
Har du en idé, en utfordring eller et prosjekt du trenger hjelp til? Ta kontakt så finner vi ut av det sammen.
Tormod Skåle
Salgsdirektør
Tormod er en knakende kjekk kar som brenner for prosjekter og nye muligheter. Han tar gjerne en prat med deg om dine tanker og idéer.