La nécessité d’exploiter les données non-traditionnelles pour améliorer la prise de décision et la gestion du risque du crédit

Juil 24, 2020 | Tribunes

Experian est partenaire de France FinTech et est impliqué dans l’écosystème fintech. Ozgur Ererdem, nous présente la solution Web Data Insights au travers de cette tribune. 

L’évaluation du risque de crédit des entreprises, en particulier des PME représente un défi de taille pour les organismes financiers.

En effet, le manque de données disponibles ou l’absence d’antécédents en matière de crédit empêchent souvent les organismes financiers de prendre une décision éclairée. Cela peut être particulièrement problématique, notamment pour les entreprises nouvellement créées, donc sans historique. Même dans les situations où de solides bases de données sont disponibles, la nécessité d’améliorer constamment les modèles de risque soulève de réels défis pour les institutions financières.

Dans ce contexte, Experian a développé une nouvelle méthodologie innovante qui utilise l’intelligence artificielle et le machine learning pour collecter, classer et analyser de multiples sources de données issues du Web. Cela permet de créer de nouveaux modèles de gestion prédictive du risque de crédit qui vont bien au-delà de la méthode “traditionnelle” de notation basée sur des ensembles de données internes et externes.

Comment cette solution Web Data Insights fonctionne ?

La solution Web Data Insights proposée par Experian réunit une technologie de pointe et des capacités analytiques avancées dans une unique API simple à déployer, et qui peut transformer les processus décisionnels des PME, et ce tout au long de leur parcours. Elle sélectionne, recueille et analyse automatiquement les données web publiques pertinentes pour fournir des indications plus détaillées sur l’activité des PME, telles que la présence de l’entreprise dans les annuaires professionnels, dans les médias en ligne et les réseaux sociaux, son appartenance à des associations commerciales ou industrielles ou à des organismes professionnels, ou ses liens avec les institutions universitaires et les agences gouvernementales. Toutes ces informations non structurées sont ensuite converties en insights exploitables à l’aide d’algorithmes sophistiqués de text mining et d’analyse des sentiments permettant de créer des “clusters” provisoires puis en scores et finalement en indice représentant chacun différents degrés de risque de crédit.
Ces résultats peuvent être utilisés de manière indépendante ou combinée, c’est-à-dire que les résultats et modèles existants sont croisés pour en optimiser la précision.

La génération et la combinaison des scores se font en quelques secondes seulement et sont mises à disposition via des interfaces standards API interrogeables par le système décisionnel de nos clients, en temps réel.

Quels sont les bénéfices concrets de Web Data Insights ?

Notre technologie analytique de données Web a nécessité plus de cinq ans de développement. WDI permet aux organismes financiers de transformer leurs processus d’acceptation des demandes des PME en étant plus précis et rapides, permettant d’approuver plus rapidement les demandes des meilleurs clients, de réduire les process manuels et de fournir des indicateurs d’alerte proactifs sur la propension du client à acheter, à se tourner vers la concurrence ou à faire défaut.

TrackRecord #12

TrackRecord#12 - Nicolas Benady sur le seed de SwanNicolas est ce qu’on appelle un serial entrepreneur, et un expert des sujets de paiement. En 13 ans il en est à sa troisième société co-foundée. Après Limonetik et Antelop, Swan, développé au sein de l’environnement...

Conquête #6

Conquête#6 - Comment encourager l'épargne grâce à une UX incroyable ? - Raphaël Ronot (Cashbee)Raphaël Ronot est CMO/Designer chez Cashbee, une solution d'épargne via app. La société a levé plus de 1M€ depuis sa création.