Re-engineering Risk Prediction

Binnen één van ‘s werelds grootste financiële instellingen is de behoefte ontstaan om huidige risicovoorspelmodellen op de schop te nemen. Deze modellen berekenen de kans dat een klant aan wie geld of middelen verstrekt zijn niet meer aan zijn betalingen kan voldoen, en wat hierdoor de verliezen zouden zijn voor de geldverstrekker.

The Challenge
De complexiteit van dit project is enorm. Om nieuwe risicomodellen te kunnen construeren, is de eerste uitdaging om te voldoen aan goede, betrouwbare en uniforme data. Deze dienen te voldoen aan standaarden van de toezichthouder.
Om deze data beschikbaar te krijgen is het eerst noodzakelijk om inzichtelijk te krijgen wat de toezichthouder exact vereist, welke extra eisen de verstrekker zelf heeft, in hoeverre de huidig beschikbare data toereikend is, wat er nog ontbreekt (aan type data, kwaliteit van data, etc.) en hoe de datastructuren het beste opgezet kunnen worden.

Vanuit hier zullen verschillende data-source suppliers, elk met hun eigen unieke bronsystemen, de noodzakelijke aanpassingen gaan maken om te voldoen aan de nieuwe dataeisen.  Lokale business processen zullen waarschijnlijk ook aangepast moeten worden om te kunnen voldoen aan deze nieuwe eisen.
Na een intensieve systeemaanpassings- en testperiode kan vervolgens de nieuw beschikbaar gestelde data aan het hoofdkantoor geleverd geworden. Hier wordt in een aparte omgeving de data klaargemaakt zodat deze verder gebruikt kan worden voor modellering.
Daarnaast is het uiteraard ook zaak om te monitoren dat deze nieuwe modellen naar behoren blijven functioneren, waardoor ook een nieuw monitoringsproces opgezet zal moeten worden.

The result aimed
Na uitkomst van dit megaproject, dat enkele jaren in beslag zal nemen, zullen de voorspelmodellen verbeterd zijn waardoor de risico’s voor de verstrekker afnemen als gevolg van betere voorspellingen.
De nieuwe modellen zullen voldoen aan de vereisten van de toezichthouder. Daarnaast zal er meer uniformiteit zijn aangebracht en zal de datakwaliteit verbeterd zijn. Uiteindelijk zal de complexiteit afnemen door het aantal voorspelmodellen te reduceren, waardoor reconstructies aan en aanpassingen van de modellen in de toekomst gemakkelijker te realiseren zijn.