Konsolidierung von Konkurrenz-Krediten
Erkennen Sie externe Darlehen Ihrer Kunden
Entdecken Sie 2x mehr Konkurrenz-Kredite
Gewinnen Sie tägliche neue Leads
Project Brief
Einsatz modernster Daten-Analysen
und maschineller Lernmethoden zur
Erkennung von Darlehenszahlungen an externe Kreditgeber.
Als Teil unserer Lösung verwirklichte Profinit für uns ein Tool zum automatisierten Aufspüren externer Darlehen. Dieses Tool deckt finanzielle Verpflichtungen der Kunden gegenüber anderen Banken und Institutionen auf. So gewinnen wir wertvolle Informationen, um den Kunden bessere Angebote zur Kredit-Konsolidierung zu machen, Marketing zielgerichtet auszusteuern und unsere Risikobewertung zu optimieren.
Kunden-Kommentar
Der Projekt-Hintergrund
In dieser Erfolgsgeschichte ist unser Kunde die traditionsreiche Raiffeisenbank. Seit jeher überzeugt die Bank mit hervorragendem Online-Service und entwickelt kontinuierlich neue Produkte, um Wünsche und Erwartungen ihrer Kunden voll zu erfüllen.
Der Anspruch der Raiffeisenbank war und ist es, dauerhaft eine führende Rolle in der Branche einzunehmen – also schauten wir, wie wir ihr mit modernster Technologie dabei helfen können.
Bei der Zusammenarbeit mit unserem Kunden war die entscheidende Frage: “Wie können wir die gesammelten Daten bestmöglich nutzen, um Bankkunden noch besseren Service zu bieten?” Unsere Antwort: Mit fortschrittlicher Daten-Analyse und maschinellen Lernmethoden – wodurch wir den passenden Kunden wettbewerbsfähige Angebote zur Kredit-Konsolidierung machen können.
Die Business-Anforderungen
Unsere Lösung musste diese Spezifikationen abdecken:
- Erkennung von Kunden mit externen Krediten zur gezielten Ausspielung von Kampagnen zur Kredit-Konsolidierung.
- Präzisere Ergebnisse bei der Risikobewertung von Kreditkunden.
- Integration von Data Science Tools in die IT-Infrastruktur der Bank – inklusive Aufbau einer Big Data Pipeline zur Datenverarbeitung.
- Nutzung von Hochleistungs-Technologie, um Transaktionsdaten der Kunden ohne Verzögerung verarbeiten zu können.
Die Herausforderung
Um Ratenzahlungen an externe Kreditgeber innerhalb der Transaktionsdaten von Kunden zu erkennen, braucht es tagtäglich komplexe Berechnungen auf der Basis von Milliarden Datensätzen. Dies ist nur umsetzbar mit einer enorm leistungsfähigen Datenleitung, die parallele Datenverarbeitung ermöglicht und die Nutzung passender Data Science Tools und Methoden erlaubt.
Hier geht es um technologische Spitzenleistungen. Tatsächlich war dieses Projekt die erste Implementierung ihrer Art im Bankensektor – ohne jegliche vorab existierende Blaupause für die IT-Architektur oder das technologische Setup.
Die Lösung
Wir designten eine komplexe Datenverarbeitungs-Pipeline innerhalb eines lokalen Hadoop-Cluster – inklusive Data Science Tools wie Apache Spark, Hive und Jupyter. Um Kunden mit externen Krediten zu identifizieren, wendeten wir unseren selbst entwickelten Raten-Detektor an.
Der Raten-Detektor im Einsatz
Dieses Tool verarbeitet Bank-Transaktionsdaten und weitere Informationen zum Kunden. Es ist darauf spezialisiert, Raten-Zahlungen automatisiert zu erkennen. Das Modell basiert auf modernsten Methoden zum maschinellen Lernen, wie zum Beispiel vielschichtige Bayesian Netzwerke. Die Einbindung in unsere Big Data Pipeline erlaubte es dem Raten-Detektor riesige Mengen an Transaktionsdaten zu verarbeiten – bis zu mehreren Milliarden Einträgen täglich.
Tools & Technologien
Hadoop
Apache Spark
Hive
Python
R
Zusammenfassung
Unsere eigens für die Großbank designte und entwickelte Lösung brachte folgende Vorteile:
- Das neue Setup entdeckt doppelt so viele Fremd-Kredite wie die vorherige Lösung.
- Die neue Big Data Pipeline verarbeitet Milliarden von Transaktionsdaten täglich.
- Kundenberater gewinnen täglich neue Leads für Kredit-Angebote und optimales Targeting bei Marketing-Kampagnen.
- Zusätzliche Informationen über Konkurrenz-Kredite verbessern die Risikobewertung von Kreditnehmern.
Würde Ihre Bank vom Einsatz modernster Daten-Tools und Technologien profitieren?
Wir zeigen Ihnen gerne, wie Profinit innerhalb Ihrer Organisation Daten-Zugang und -Nutzung verbessern kann.
Weitere Erfolgsgeschichten und Lösungen
Raiffeisenbank Big Data Hadoop Plattform
Über eine End-to-End Big Data Plattform ermöglichte Profinit der Raiffeisenbank CZ umfangreiche Fall-Analysen zu betreiben – mit einer enormen Menge an Transaktionsdaten.
Mehr erfahren
Česká spořitelna (Erste Group) Prognosen-Berechnung gegen Betrugsversuche
Profinit half der Erste Group dabei, die Betrugserkennung extrem zu beschleunigen – durch die Analyse von 1,5 Milliarden Transaktionen pro Tag.
Mehr erfahren
Erste Group Bank Zentrale Log-Überwachung für mehr Sicherheit
Profinit half der Erste Group Bank AG dabei, sich auf neue Vorschriften zur Cyber Security einzustellen – und zugleich schnellen Datenzugang zu ermöglichen.
Mehr erfahren