Chez Experian, nous parlons beaucoup de la puissance de l’analyse et de leur capacité à donner aux prêteurs une meilleure compréhension des clients et plus de pouvoir pour prendre des décisions. Dans un podcast récent, nous avons parlé aux experts Experian de longue date, Paul Russell, directeur de l’analyse client, et Chris Curtis, responsable de l’analyse, sur la façon dont l’analyse a changé et pourquoi la qualité des données est plus importante que jamais.
Aujourd’hui, nous vous présentons certains des points clés de cette conversation. Si vous souhaitez écouter le podcast dans son intégralité, vous pouvez ici :
Plus de données, plus de puissance, plus de perspicacité
À certains égards, le principe consistant à collecter des données sur les clients, puis à appliquer des techniques pour obtenir des informations, n’est pas différent aujourd’hui de ce qu’il était il y a 30 ans.
Mais ce qui a changé, c’est qu’il y a maintenant beaucoup plus de données, une puissance de calcul bien supérieure pour les traiter et une gamme d’algorithmes qui peuvent être appliqués pour repérer les tendances et extraire du sens. C’est cette combinaison – et pas seulement l’analyse seule – qui donne aux entreprises de crédit plus de perspicacité pour prendre des décisions et mieux répondre aux besoins des clients de la bonne manière.
Bien que différents types de données vous permettent de construire une image plus complète, ce sont les analyses qui affinent la mise au point sur cette image.
Les prêteurs s’éloignent des techniques de régression pour adopter celles entraînées par l’apprentissage automatique
Bien que la notation soit toujours populaire, elle a ses limites dans le processus de prise de décision.Apprentissage automatique peut être appliqué aux données pour améliorer la modélisation des clients. Que vous travailliez à la marge, que vous souhaitiez améliorer la rentabilité de vos clients ou que vous cherchiez à vendre des produits de manière croisée, l’apprentissage automatique peut fournir une meilleure compréhension et éclairer votre prise de décision.
Cependant, il est important de se rappeler que l’apprentissage automatique est une technique purement mathématique appliquée aux données pour fournir un résultat. Peu importe la qualité de vos algorithmes, si les données sont médiocres ou biaisées, les résultats le seront également. La raison pour laquelle l’apprentissage automatique a parfois mauvaise réputation est que les données sur lesquelles il est basé ne sont pas bonnes en premier lieu.
En fin de compte, vous devez savoir ce que vous voulez réaliser et avoir les bonnes entrées de données. Si c’est le cas, l’analyse vous aidera à mettre en œuvre des décisions plus rapides à grande échelle.
Les analyses avancées peuvent vous aider à élaborer des stratégies préventives
Plus vous disposez de données sur les aspects du comportement d’un client, mieux vous êtes en mesure d’anticiper ses actions à l’avenir. C’est là que les données bancaires ouvertes, parallèlement aux données de bureau traditionnelles, peuvent être utiles. Par exemple, vous pouvez identifier les clients qui risquent de faire défaut plus tôt, si vous pouvez utiliser des analyses pour voir la trajectoire des flux de trésorerie passant par leur compte.
Bien sûr, vous ne pouvez jamais voir dans la personnalité de quelqu’un pour savoir s’il sera un mauvais payeur, mais vous pouvez rassembler des ensembles de données disparates pour construire une image plus détaillée. Une fois que vous avez cela, il existe des algorithmes complexes et complexes pour vous aider à maximiser le potentiel de vos décisions et à affiner vos modèles de risque.
Les consommateurs sont moins patients que jamais
Au cours de la dernière année, la pandémie a accéléré la tendance croissante à une plus grande numérisation. Ainsi, de plus en plus de clients exigent des décisions de crédit rapides et transparentes. Si les clients se heurtent à trop de frictions à tout moment du voyage, ils peuvent facilement abandonner et passer à des concurrents. L’analyse et l’apprentissage automatique peuvent vous donner un aperçu des raisons pour lesquelles ils peuvent le faire à différentes étapes.
