Comment l'IA permet d'améliorer l'évaluation des risques liés au crédit-bail et d'élargir l'accès au crédit

Introduction 

Les options de financement de la location-vente ouvrent l'accès et le pouvoir d'achat aux personnes ayant des antécédents financiers limités. Une société américaine propose des options simples et directes pour aider les propriétaires d'automobiles à se procurer les pneus, les roues et les réparations automobiles mineures nécessaires pour maintenir leur véhicule sur la route. Elle promet un processus de demande facile et une approbation instantanée pour les demandeurs ayant des antécédents financiers limités.

Défis à relever

1. Les données utilisées pour évaluer le risque de location devaient donc être orchestrées à partir de nombreux systèmes de données différents - traditionnels et non traditionnels - dans différents formats - API, bases de données et feuilles de calcul. L'intégration avec les systèmes existants est un défi et prend du temps.
2. Un processus de demande facile avec des approbations instantanées signifiait que l'entreprise devait faire plus avec moins de données et prendre des décisions en temps réel. La précision et l'exhaustivité des données utilisées dans les modèles sont cruciales pour leur fiabilité.
3. La société de crédit-bail était en train de développer son activité, de sorte que le profil des candidats allait changer au fil du temps. La migration d'un processus de décision basé sur des règles statiques vers un moteur de décision dynamique basé sur l'IA était donc un objectif important.
4. L'organisation souhaitait étendre et moderniser sa vision à 360 degrés des clients et de l'entreprise à l'aide d'applications BI modernes. 

Solution mise en œuvre

Orchestration des données 

Des données internes et externes provenant de sources multiples - tierces, internes et fournies par les utilisateurs - ont été orchestrées, assemblées et analysées afin de mieux comprendre les candidats, en étudiant les distributions, les modèles et les anomalies dans les données.

Créer des caractéristiques spécifiques à l'évaluation des risques 

Plus les données fournies aux modèles pour prendre des décisions sont bonnes, meilleures sont les décisions. Afin de rassembler les informations les plus pertinentes pour former le modèle, des caractéristiques supplémentaires telles que les ratios, les vitesses et les compteurs de fréquence ont été créées à partir des données d'entrée disponibles. Par exemple, des caractéristiques standard comme le ratio dette/revenu ou des caractéristiques non traditionnelles comme la confiance dans les courriels. Cette opération a été réalisée de manière transparente en utilisant les capacités d'IA automatique de la plateforme RapidCanvas.

Modélisation automatisée et IA explicable 

La plateforme AutoAI a automatisé la création du meilleur modèle possible pour prédire, au moment de la demande de bail, quelles demandes sont risquées. Grâce à cette approche "boîte blanche", le fonctionnement interne du modèle et l'importance de chaque facteur utilisé pour la prédiction peuvent être facilement expliqués. Dans les situations à risque, il est important de comprendre non seulement si une personne est risquée, mais aussi pourquoi elle l'est. L'explicabilité est importante pour garantir la responsabilité, l'équité et la transparence des systèmes de prise de décision automatisés.

Analyse d'hypothèses‍

L'évaluation d'un cas dépend des profils individuels des candidats ainsi que de l'environnement macroéconomique. Il est important de pouvoir simuler des situations de type "et si...". Jouez avec différentes caractéristiques et voyez comment elles influencent les prévisions.

Application complète d'intelligence économique  

Des applications de données interactives ont été créées pour permettre aux utilisateurs professionnels d'examiner les prévisions de risque de crédit-bail et de prendre des décisions fondées sur des données. Grâce à une meilleure visibilité du profil de risque de chaque candidat, l'équipe a pu mieux comprendre les facteurs qui influencent le risque de location et les tendances qui se dégagent des données.

Mise à jour continue du modèle 

Compte tenu du nombre croissant de candidats et de l'évolution des tendances, le modèle est continuellement mis à jour afin de garantir que l'équipe dispose toujours de prévisions efficaces. ‍

Résultats et avantages

Capacité à s'adapter tout en renforçant la promesse de la marque

La promesse de la marque de l'entreprise est un processus de demande facile avec une approbation instantanée pour les demandeurs ayant un profil financier clairsemé. L'IA et l'apprentissage automatique ont permis à l'entreprise de faire évoluer sa base de clients tout en veillant à ce que la promesse de la marque puisse être renforcée.‍

Augmentation des recettes 

L'équipe a été en mesure de détecter les demandes de location à risque et d'avoir un impact positif sur leurs revenus, à hauteur de 10 %.‍

Amélioration de la gestion des risques liés au crédit-bail

Grâce aux informations fournies par les modèles dynamiques d'apprentissage automatique en temps réel pour prédire les résultats futurs, l'équipe de la société de crédit-bail a pu mieux évaluer et gérer les risques à la fois pendant la demande et la période de remboursement en cours.‍

Des informations plus approfondies sur les clients 

Les applications de données interactives ont permis à l'équipe de mieux comprendre les informations sur les clients. Les applications de données présentent une vue à 360 degrés de chaque client, segment et groupe d'utilisateurs afin de mieux comprendre les groupes de clients ayant des modèles et des comportements similaires, et d'analyser et d'explorer des résultats alternatifs.