Perspectives

La nouvelle science du risque de credit

Améliorer les décisions de crédit au moyen de l’analytique orientée sur le client


Les institutions financières ont longtemps eu recours à des critères rigoureux et bien définis et à des règles rigides pour filtrer les clients avant de commencer à utiliser l’analytique en vue de gérer ou d’éviter les pertes de crédit. Cette façon de faire traditionnelle se fonde normalement sur une vue généralisée et étroite des clients et de leurs comportements, ce qui incite souvent les banques à refuser des demandes tout à fait légitimes et à faible risque de la part de bons clients. Par ailleurs, l’adoption d’une approche plus globale de chaque client et de ses besoins ou la création de nouveaux produits adaptés aux clients marginaux nécessiteraient de remanier complètement le cadre décisionnel.

Cette vision simpliste des approbations de crédit et du processus décisionnel peut nuire à la production de revenus et causer de la frustration chez les clients, qui avaient accès jusqu’à tout récemment à peu d’options de crédit. Les entreprises de technologies financières et d’autres acteurs utilisent habilement l’apprentissage machine au moyen d’ensembles de données plus exhaustifs pour accélérer la prise de décisions. Ils permettent aux gens d’accéder à des fonds plus rapidement, de façon plus efficace et à moindre coût que les banques et autres prêteurs traditionnels.

Pour rester en affaires, les entreprises traditionnelles devront transformer leur processus de prise de décisions relatives à l’octroi de crédit.

Décisions personnalisées en matière d’octroi de crédit

Dans la plupart des cas, et pour différentes raisons, les décisions relatives à l’octroi de crédit ne réussissent pas à tirer parti de l’une des plus importantes ressources auxquelles les institutions financières ont accès : la mine de données sur les clients. Le moment est venu de changer les choses. Le faible coût du stockage des données et la puissance informatique permettent aux institutions financières de déployer plus facilement l’apprentissage machine et d’autres technologies afin d’acquérir des connaissances beaucoup plus détaillées et complexes sur chaque client. Au fil du temps, ces connaissances peuvent être mieux définies pour fournir une compréhension très nuancée du client et permettre ensuite de prendre des décisions de crédit en temps réel adaptées à chaque client. Il en résulte donc une expérience client hors pair et de nouvelles occasions de revenus.

Voilà comment la gestion traditionnelle du risque de crédit commence à se transformer en une science du risque de crédit, offrant un processus décisionnel aux organisations orientées sur l’information.

La science du risque de crédit ne se limite pas à appliquer les méthodes d’analytique traditionnelles aux données des clients, ces méthodes se fondant sur des corrélations ou des perspectives étroites tirées d’un sous-groupe de la clientèle. Des données plus vastes peuvent produire des prévisions toujours plus précises, mais uniquement pour des comportements standards et habituels, comme les dépenses des clients pour l’essence et l’épicerie de la semaine. Cette méthode n’est cependant pas aussi efficace lorsqu’il s’agit de dépenses rares et ponctuelles, que ce soit pour des rénovations domiciliaires imprévues ou pour une pièce unique trouvée chez un antiquaire.

L’analytique de la pertinence : des perspectives de niveau supérieur

Par ailleurs, l’analytique de la pertinence utilise la mémoire cognitive et des algorithmes fondés sur des modèles afin de repérer et d’intégrer les comportements rares qui sont très importants pour comprendre des clients précis, en plus de veiller à ce que ces perspectives fassent partie du portrait plus complet et plus approfondi de chaque client. Les entreprises sont ainsi en mesure de mieux reconnaître les clients qui peuvent être pratiquement impossibles à distinguer au quotidien, mais qui ont des besoins particuliers à différents moments.

En analysant constamment l’activité des clients de façon plus détaillée et en cernant les besoins en matière de dépenses et les séquences de dépenses des activités inhabituelles et habituelles, l’analytique de la pertinence permet aux institutions financières de mieux comprendre les besoins des clients individuels en matière d’octroi de crédit et d’y répondre.

La science du risque de crédit a déjà montré sa valeur dans le secteur de l’octroi de crédit, tant en ce qui a trait au chiffre d’affaires qu’au résultat net. Il est maintenant plus facile que jamais de réaliser une croissance résiliente en appliquant des perspectives fondées sur des données aux décisions d’octroi de crédit.

 

Avez-vous trouvé ceci utile?

Sujets semblables

/*Eloqua tracking*/
/*LinkedIn Insights tag*/