SpareBank 1 KREDITT

Færre i gjeldsklisteret med maskinlæring

Den nye tjenesten til SpareBank 1 Kreditt roper varsku hvis noen søker om kredittkortlån som de ikke kan betjene. Det er veldig bra for både kunden, kredittgiveren og samfunnet.

Maskinlæring mot gjeldsklister

Målet er å unngå gjeldsproblemer

Kredittkortgjeld er et stort samfunnsproblem. Mange låner over evne, og selv om pengene løser et behov der og da kan det svi skikkelig etterpå. SpareBank 1 Kreditt vil gi bedre estimater for risiko i forbindelse med kredittkortsøknader, slik at færre havner i økonomisk knipe. Maskinlæring, at systemet lærer basert på erfaring og store datamengder, er godt egnet for å forutse betalingsproblemer.

 
Mange blir klassifisert feil

I dagens systemer for kredittvurdering og risikoanalyse blir mange søkere feil klassifisert, fordi datasettene har ujevnheter- og systemene dermed kan tolke og forklare klasser ulikt. Feilklassifisering kan ha en betydelig kostnad, for alle parter.

Her er noen spørsmål som vi ville finne svar på:


Design og utviklingsmetodikk

Prosjektet ble delt i to, med maskinlæringstjenesten på den ene siden og integrering i søknadsportalen på den andre. Vi startet prosessen med å snakke med kunder og tilbydere av kreditt for å kartlegge kundenes behov. Innsikten ga teamet et godt grunnlag for å forske på idéer og modeller for en bedre scoring av kredittkortsøknadene.

 

Vi utviklet maskinlæringsmodeller i Python, basert på gjeldsdata og data fra søknadstidspunktet. Teknikker som Synthetic Minority over-sampling technique (SMOTE) hjalp oss å balansere de skjeve datasettene.

Balansert datasett 

Etter opp- og nedsampling fant vi et balansert datasett vi kunne trene med. Det ga en treffsikkerhet på ca. 80% for de som sannsynligvis får betalingsproblemer, og 70% for de som ikke får det. Å forutse dette er svært verdifullt ettersom både kredittgiver og kunde taper stort på mislighold av lån.

 

Resultat 

Nå må modellen kjøre og lære og virke over noe tid, før vi forhåpentligvis kan se den store samfunnsgevinsten ved at færre låner over evne og havner i gjeldsklisteret - eller på Luksusfellen.