<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=847228605309050&amp;ev=PageView&amp;noscript=1">

Riktig kredittscoring er en viktig komponent i verdikjeden din

Velger du feil algoritme eller feil datagrunnlag for kredittvurderingene dine, kan du gå glipp av store inntekter. Eller enda verre – tape masse penger.

Hva er scoring?

Scoring er en modell for risikoberegning av kreditt. Ved hjelp av historiske data beregnes risikoen for at låntageren skal pådra seg betalingsanmerkninger i løpet av det kommende året.

Hva vil skje i morgen?

Med andre ord brukes data fra fortiden til å forutse lånetakerens framtidige atferd. Lav scoreverdi indikerer høy risiko, mens høy score indikerer lav risiko.

– Tanken er å bruke tidligere observert atferd til å forutsi fremtidige hendelser, sier Dina Pchelina, leder for analyse i Bisnode for Norge og Danmark.

I denne artikkelen kan du lese mer om:

  1.   Hva kredittscoring er og hvorfor du bør bruke det
  2.   Hvordan du lager de beste scorekortene for din bedrift
  3.   Hvor hurtig du kan få på plass en løsning for å kredittscore kundene dine
  4.   Ny forskrift om forsvarlig utlånspraksis for forbrukslån

Les også: Derfor bør du kredittsjekke kundene dine

Dette påvirker fremtiden innen kredittscoring

– Det er tre ting som kommer til å styre dette markedet fremover.:
1.  Automatisering
2.  Compliance  
3.  Digitalisering.

Med andre ord – roboter, lovgivning og automatiserte beslutningsprosesser. Lovendringene gjelder i stor grad forbrukslånsmarkedet. Buzzordene big data, maskinlæring og kunstig intelligens går også igjen i vår bransje, sier Pchelina.

Dina-Pchelina-Bisnode-Norge

Hvilke data er verdifulle for en kredittscore?

Ikke all data bedriften har tilgjengelig om kundene sine kan brukes i kredittvurderingen. Det er heller ikke alt som er like verdifullt.

Det handler om å velge ut de parameterne som forklarer kundenes atferd best mulig.  Bisnode har mange pålitelige datakilder som kan brukes som input i standardiserte scoremodeller. Disse kan implementeres i løpet av noen timer gitt at bedriften har integrasjon mot Bisnode.

Kredittbeslutninger du kan stole på

– Vi legger mye ressurser i å utvikle så nøyaktige og oppdaterte løsninger som mulig.

Scorekortene våre blir validert jevnlig, og det blir gjort endringer som maksimerer prestasjonene. Med en løsning fra Bisnode får du en ferdig kredittbeslutning som du kan stole på, forteller Dina.

Les også: Hvordan håndtere kunder og risiko?

Nye lover og forskrifter – er du oppdatert?

Med det nye gjeldsregisteret og regjeringens forskrift om forsvarlig utlånspraksis for forbrukslån er det viktig at du vet at dine rutiner og systemer er i samsvar med gjeldende lovgivning.

Det er mye data som må hentes inn for å være trygg på at det gis kreditt som tilfredstiller rammene gitt i regelverket.

kredittscore

Blant de nye kravene til forbrukslån finner vi følgende:

• Betjeningsevne: Kunden skal tåle renteøkning på 5 prosentpoeng på all gjeld

• Gjeldsgrad: Kundens samlede gjeld bør ikke utgjøre mer enn 5 ganger brutto årsinntekt

• Løpetid: Det bør ikke innvilges lån med løpetid over 5 år

• Rapportering: Finansforetakene skal hvert kvartal rapportere til eget styre om foretakets etterlevelse av retningslinjene

– Vi i Bisnode er klare for disse endringene og har allerede produkter som hjelper våre kunder med å etterleve disse kravene, sier Dina Pchelina.

Les også: Big data: Slik går du fra dumme data til smarte beslutninger

Hva påvirker kvaliteten på scoren?

Som med så mye annet i vår bransje, er det kvaliteten på dataene som avgjør hvor godt scoremodellen predikerer.

Generisk score er utviklet på hele den norske kredit-aktive befolkningen. Denne scoren tar utgangspunkt i informasjon som for eksempel, alder, inntekt, populasjonssegment, betalingsanmerkninger og lånebyrde.

For mange bedrifter er det ønskelig å lage en mer tilpasset løsning. Da legges også bedriftens egne data inn.

creditscore

Få eget scorekort tilpasset din bransje

Bedrifter som formidler forbrukslån, telekom-tjenester, kredittkort eller inkasso har forskjellige behov og ulik risikovilje. Bisnode har scoremodeller for spesifikke bransjer.

Lavere risiko i telekom

– Et godt eksempel er telekombransjen. Ut ifra vår statistikk og tilgjengelige data vet vi at mobil og mobilabonnement er produkter som alle er avhengig av og som de prioriterer å bruke penger på. Det er derfor lavere risiko forbundet med å gi kreditt til telekomkunder, sier Pchelina.

Dermed kan det være lønnsomt å velge en lav cut-off – det vil si en aksept for en lavere scroreverdi – i telekombransjen. I den strengt regulerte boliglånsbransjen derimot, er det andre parametere som gjelder.

– Riktig algoritme kan også si noe om hvorvidt kunden kommer til å refinansiere lånet på sikt. Dette vil kunne gi banken insentiv til å gi bedre betingelser for å beholde kunden. Her har noen aktører begynt med maskinlæring for å vurdere hvilken score man bør gi.

Dette er Dina Pchelina

Dina Pchelina er leder for analyseavdelingen i Bisnode for Norge og Danmark. Hun har fem års ingeniørøkonom-utdannelse fra TalTech – Tallinn University of Technology – og en mastergrad i internasjonal markedsføring og strategi fra BI.

Før hun kom til Bisnode, jobbet hun blant annet i metodeavdelingen til SSB og som analytiker for EnterCard. 

Mer informasjon?

Vil du vite mer om kredittscore, vennligst kontakt Dina.
E-post: dina.pchelina@bisnode.com Tlf.: 22 45 90 00.

 

 

Motta våre nyeste blogginnlegg!