Referenzprojekt Finanzdienstleistungen: Scoringmodell-Aufbau

Um die Finanzvermittler des Kunden bei der Zielsetzung der Potenzialausschöpfung zu unterstützen, sollten auf analytischer Basis berechnete Produkt-Affinitäten an diese ausgespielt werden. Das Scoringmodell für weiterführende NBOs gibt den Finanzvermittlern einen Hinweis, welcher Kunde mit hoher Wahrscheinlichkeit welches Produkt als nächstes abschließen wird. Dies soll helfen, Aktivitäten gezielt zu steuern und in kürzerer Zeit mehr Abschlüsse zu erzielen. Somit kann letztendlich effizienter gearbeitet werden.

Das CINTELLIC-Vorgehen in 6 Phasen:

1. Analyse und Beschaffenheit der Daten/Datenstruktur

• Untersuchung der Daten auf eine grundlegende Struktur und Vollständigkeit
• Weiterführende deskriptive Validierung der Güte der Daten (Ausreißer, Inhalt, etc.)

2. Stakeholder-Ansprache: Kampagnenziele & Workshop

1. Vorstellung des Projektes und Abfrage des Mehrwertes bei allen Stakeholdern
2. Ausarbeitung des Zielwerts für eine optimale Modellgüte

3. Integrierung einer algorithmischen Nutzer- bzw. Kundensegmentierung

• Analyse der bestehenden Kundensegmentierungen nach allen geltenden Regeln
• Algorithmische Ermittlung valider Kundencluster auf Basis latenter Charakteristika

4. Scoringmodell-Aufbau für jede Kundengruppe

• Erstellung eines algorithmischen Scoringmodells auf Basis der definierten Zielwerte
• Berechnung einzelner Scores auf Kundenbasis und bestmöglichen Produktaussteuerung

5. Integrierung der Scoringwerte in Vertriebs- und IT-Systemlandschaft

• Rückführung der berechneten Scores in das DWH
• Übergabe der NBO-Listen an ein Zielsystem (Vermittlerscorecards)

6. Durchführung und Auswertung des validierenden A/B Tests:

• Einleitung der Agentengruppen in eine Test- und Kontrollkohorte via A/B-Testing
• Statische Bewertung der Scoringlisten (Testgruppe) anhand im Workshop definierter Zielwerte

Im Rahmen eines Proof of Concepts wurden auf Basis der Datenanalyse Vertriebshinweise zur Verfügung gestellt. Ein Scoringmodell unterstützt die Entscheidungsfindung bei mehreren vorliegenden Alternativen. Demnach auch, welche Kunden man mit welchen Produkten anspricht. In diesem Falle unterstützt das Modell über die Berechnung von Abschlusswahrscheinlichkeiten, welcher Kunde in welchem Segment angesprochen werden sollte.

Im Scoring gibt es verschiedene Ansätze zur Kundenbewertung, die im Verlauf einer Modellierung verprobt wurden. Das Scoringmodell definiert eine Zieltabelle über alle Kunden und alle Sparten. Die Zieltabelle umfasst eine Kunden-ID sowie eine Berater-ID und alle relevanten Sparten für das jeweilig ausgewählte Land. Die Zieltabelle lässt sich nach Kundennummer oder nach Beraternummer filtern. Alle Abschlusswahrscheinlichkeiten sind nicht normiert und entsprechen dem exakten analytisch-berechneten Wert. Für jeden Kunden wird ein individueller Score errechnet. So wird definiert, wie hoch eine potenzielle Abschlusswahrscheinlichkeit für ein (weiteres) Produkt ist. Falls ein Kunde in einer bestimmten Sparte schon ein Produkt besitzt, wird das Feld nicht befüllt. So werden Irritationen vermieden und die jeweiligen Kundendaten bleiben im Datentypus.

Bei diesem Projekt wurden zwei Modellansätze gewählt:

1. Random-Forest-Modell
2. Logit-Modell

Beide Modelle wurden in eine sogenannte Forecast Combination eingebettet. Letztere bietet im Schätzprozess diverse Vorteile. Besonders zu erwähnen ist, dass es das Gesamtmodell robuster macht. Durch die Reduktion der Ausreißeranfälligkeit steigt gleichzeitig die Genauigkeit des Modells. Das lässt sich außerdem durch die gemeinsame Varianz der Schätzkombination zeigen. Darüber hinaus zeigt sich, dass sich über die Forecast Combination statistische Fehler erster und zweiter Art minimieren lassen.