Τράπεζες
Συνεργαζόμαστε με χρηματοπιστωτικά ιδρύματα και fintech στην Ισπανία
Μοντέλα έγκρισης βασισμένα σε παραδοσιακές μεταβλητές που υποτιμούν φερέγγυους πελάτες χωρίς επίσημο πιστωτικό ιστορικό ή χάνουν πρώιμα σήματα επιδείνωσης στο υπάρχον χαρτοφυλάκιο.
Μοτίβα απάτης που εξελίσσονται συνεχώς — κάρτες, εμβάσματα, υποκλοπή λογαριασμών — ενώ τα συστήματα κανόνων ενημερώνονται με καθυστέρηση εβδομάδων.
Μαζικές καμπάνιες με χαμηλή μετατροπή, επειδή το προϊόν φτάνει στο λάθος τμήμα πελατών τη λάθος στιγμή. Ο πελάτης βλέπει την προσφορά στεγαστικού τρεις μήνες αφού το χρειάστηκε.
Ερωτήματα για συναλλαγές, προϊόντα και εργασίες που γεμίζουν το τηλεφωνικό κέντρο και την εφαρμογή με ερωτήσεις που ένα μοντέλο θα έλυνε σε δευτερόλεπτα.
01
Μοντέλα που εμπλουτίζουν την παραδοσιακή βαθμολόγηση με μεταβλητές συναλλακτικής συμπεριφοράς, μοτίβα χρήσης λογαριασμού, σήματα συμπεριφοράς πληρωμών και εναλλακτικές πηγές δεδομένων. Καλύτερη διάκριση μεταξύ καλών και κακών πληρωτών — και πρόσβαση σε τμήματα πελατών που η κλασική βαθμολόγηση υποεξυπηρετεί.
Τι αλλάζει
Η πρώιμη καθυστέρηση πληρωμών μειώνεται 15-25% στο νέο χαρτοφυλάκιο όπου εφαρμόζεται το μοντέλο. Βελτιωμένο ποσοστό εγκρίσεων για φερέγγυους πελάτες χωρίς επίσημο ιστορικό.
02
Μοντέλα που βαθμολογούν κάθε συναλλαγή σε χιλιοστά του δευτερολέπτου έναντι των κανονικών μοτίβων συμπεριφοράς του δικαιούχου: ποσό, ώρα, γεωγραφική θέση, ταχύτητα και ακολουθία. Οι ύποπτες συναλλαγές μπλοκάρονται ή ζητούν επιβεβαίωση — οι κανονικές δεν προκαλούν καμία τριβή.
Τι αλλάζει
Το ποσοστό εντοπισμού απάτης βελτιώνεται 40-60% σε σχέση με στατικά συστήματα κανόνων. Λιγότερα ψευδώς θετικά (μπλοκαρισμένες νόμιμες συναλλαγές) — λιγότερη τριβή για τον πελάτη.
03
Ένα μοντέλο τάσης αγοράς προϊόντων (στεγαστικό, προσωπικό δάνειο, αμοιβαία κεφάλαια, ασφάλειες) εκπαιδευμένο στη συμπεριφορά των πελατών: αλλαγές μισθού, κινήσεις αποταμίευσης, επικείμενες λήξεις. Ο υπεύθυνος πελατών λαμβάνει τη σωστή προσφορά για τον σωστό πελάτη τη σωστή στιγμή.
Τι αλλάζει
Η μετατροπή των καμπανιών βελτιώνεται 25-40% σε σχέση με τις μη εξατομικευμένες. Οι πελάτες λαμβάνουν σχετικές προσφορές — όχι ολόκληρο τον κατάλογο.
04
Ένας βοηθός σε εφαρμογή, ιστότοπο και WhatsApp που απαντά σε ερωτήματα για συναλλαγές, υπόλοιπα, προϊόντα, εργασίες και παράπονα. Γνωρίζει το πλαίσιο του πελάτη και μεταφέρει σε άνθρωπο υπεύθυνο όταν προκύπτει διαπραγμάτευση ή πραγματική πολυπλοκότητα.
Τι αλλάζει
Μείωση 55-70% των απλών ερωτημάτων στο τηλεφωνικό κέντρο. Τραπεζική εφαρμογή με άμεση επίλυση των 80 συχνότερων ερωτήσεων. Οι υπεύθυνοι αφιερώνουν χρόνο στους πελάτες υψηλής αξίας.
05
Μοντέλα που εντοπίζουν σήματα πιστωτικής επιδείνωσης στο υπάρχον χαρτοφυλάκιο: αλλαγές στα μοτίβα δαπανών, αυξημένη χρήση πίστωσης, παρατυπίες στις πληρωμές. Ο υπεύθυνος λαμβάνει ειδοποιήσεις 60-90 ημέρες πριν εμφανιστεί μια ανεξόφλητη δόση.
Τι αλλάζει
Το ποσοστό ανάκτησης στην πρώιμη διαχείριση είναι 3-5 φορές υψηλότερο από την ανάκτηση μετά την αθέτηση. Μειωμένες προβλέψεις χάρη σε χαμηλότερη καθυστέρηση στα χαρτοφυλάκια που διαχειρίζονται προληπτικά.
3-4 εβδομάδες
Έλεγχος των διαθέσιμων δεδομένων, της ποιότητας του πιστωτικού και συναλλακτικού ιστορικού και των κρίσιμων διαδικασιών. Εντοπίζουμε τις 2-3 περιπτώσεις με ROI υποστηρίξιμο μπροστά στην επιτροπή κινδύνων.
10-16 εβδομάδες
Υλοποίηση βελτιωμένης βαθμολόγησης, ανίχνευσης απάτης ή παρακολούθησης χαρτοφυλακίου σε συγκεκριμένο προϊόν ή τμήμα πελατών.
6-10 μήνες
Για ιδρύματα που θέλουν την ΤΝ ενοποιημένη σε κίνδυνο, απάτη, προσφορές και εξυπηρέτηση πάνω σε κοινή αρχιτεκτονική δεδομένων.
Η συμμόρφωση είναι σχεδιαστικός περιορισμός. Τα μοντέλα βαθμολόγησης και απάτης αναπτύσσονται με τεκμηριωμένη επεξηγησιμότητα (μεταβλητές που χρησιμοποιούνται, σχετικό βάρος, λογική απόφασης), επίσημο στατιστικό backtesting και τεκμηρίωση για έλεγχο από την εποπτική αρχή ή τον εσωτερικό υπεύθυνο συμμόρφωσης. Οι κατευθυντήριες γραμμές της EBA για τη χρήση ML στην πίστη αποτελούν μέρος του πλαισίου ανάπτυξης.
Με την κατάλληλη νομική βάση (έννομο συμφέρον για την απάτη, εκτέλεση σύμβασης για τη βαθμολόγηση), ναι. Ο Υπεύθυνος Προστασίας Δεδομένων (DPO) του ιδρύματος συμμετέχει από την αρχή για να επικυρώσει τη νομική βάση και την επεξεργασία. Τα δεδομένα δεν βγαίνουν από την περίμετρο του ιδρύματος.
Η ενοποίηση δεδομένων είναι σχεδόν πάντα το πρώτο παραδοτέο στα τραπεζικά έργα. Η διάγνωση χαρτογραφεί ακριβώς ποια δεδομένα βρίσκονται σε ποιο σιλό και προτείνει την αρχιτεκτονική ενσωμάτωσης. Δεν είναι εμπόδιο — είναι δουλειά του έργου.
Διάγνωση: 8.000 €-15.000 €. Πιλοτικό (βαθμολόγηση ή απάτη σε ένα προϊόν): 45.000 €-90.000 € ανάλογα με τον όγκο και την πολυπλοκότητα. Πλήρης πλατφόρμα: 150.000 €-300.000 €+ σε διάστημα αρκετών μηνών. Σε μεσαία ιδρύματα, το ROI από την απάτη που αποφεύγεται ή τη μειωμένη καθυστέρηση καλύπτει συνήθως το πιλοτικό τον πρώτο χρόνο.
Ιδανικό σημείο εκκίνησης. Το ελέγχουμε, εντοπίζουμε πού αφήνει αξία ανεκμετάλλευτη (τμήματα πελατών που υποβαθμολογούνται, μεταβλητές που δεν χρησιμοποιεί, σήματα επιδείνωσης που χάνει) και προτείνουμε σταδιακές βελτιώσεις ή ένα μοντέλο-αμφισβητία (challenger) που τρέχει παράλληλα πριν αντικαταστήσει το τρέχον.