Scores d’octroi et comportement génériques

La disponibilité de modèles de Scores d’octroi et de comportement.

Définition

Modèles de Scores d’octroi ou de comportement «prêts à l’emploi». Ils ne sont pas développés spécifiquement à partir de l’analyse statistique des profils de la clientèle de l’organisme hôte, mais préparés pour un contexte de crédit particulier :

  • Un produit ou groupe de produits particulier (prêt à la consommation, carte de crédit, compte courant bancaire, crédit immobilier, prêts et crédits aux professionnels,…),
  • Une clientèle définie (particuliers ou professionnels),
  • Une utilisation particulière (octroi, comportement, recouvrement,…)

Approche

Dans le cadre de son offre « RiskReady » Soft Computing propose une liste de 11 modèles de Score prédéfinis pour des contextes de crédit déterminés :

  • 1 Score d’octroi de prêt immobilier,
  • 1 Score d’octroi de crédit revolving,
  • 1 Score d’octroi de prêt amortissable affecté ou non affecté,
  • 1 Score d’octroi de prêt automobile,
  • 3 Scores de comportement pour compte courant,
  • 2 Scores de comportement pour compte revolving,
  • 1 Score d’octroi de crédit court terme (TPE/PME),
  • 1 Score de comportement sur crédit court terme (TPE/PME)

La mise en œuvre d’un de ces modèles s’accompagne d’une démarche projet pour l’adapter au contexte spécifique de notre client :

  • Cadrage et indentification du contexte business, opérationnel et technique de mise en œuvre du modèle,
  • Adaptation en mode expert du modèle sélectionné au contexte identifié, et validation éventuelle sur les données client disponibles,
  • Support à la définition de la politique de crédit,
  • Aide à la définition des rapports et procédures de suivi

Résultats

La disponibilité de modèles de Scores d’octroi et de comportement, dans chacun des cas de figures suivant où l’analyse statistique de la clientèle de l’organisme hôte est impossible :

  • Développement d’une offre de crédit sur un nouveau marché,
  • Développement d’une nouvelle offre de crédit,
  • Volume de données clients historisées trop faible pour constituer un fichier de développement d’un modèle de score statistique,
  • Diversité des données historisées trop limitée comparativement aux données disponibles opérationnellement,
  • Qualité et fiabilité des données historisées trop limitées pour qu’elles servent de source au développement statistique d’un modèle de score

 

Soft Computing, Publicis Groupe, est leader du conseil en sciences et technologies de la Data et du digital appliquées au marketing et à l’expérience client. Elle emploie plus de 400 experts et réalise un chiffre d’affaires de 47 M€, dont 21% à l’international, avec 200 clients qui sont principalement de grandes entreprises du retail, de la finance et des services.