Dzięki temu wyodrębniono zarówno sprawy, które powinny zostać przekazane w danym momencie do call center, jak i te, które nie wymagają angażowania pracowników obsługi, lub których obsługa będzie w danym momencie nieopłacalna.
PROBLEM
- Ponoszenie kosztów obsługi wszystkich spraw bez rozróżnienia, które z nich rokują lepiej, a które gorzej.
- Przeszacowana/niedoszacowana oczekiwana wartość spłaty utrudnia planowanie i kolejkowanie działań call-center.
- Było wiadomo, że niektóre sprawy powinny zostać „zamrożone” na kilka miesięcy, a nawet rok czy dwa , ale brakowało syntetycznego wskaźnika, który uprościłby to zadanie.
ROZWIĄZANIE
- Budowa modeli predykcyjnych dla spójnych segmentów spraw, podobnych pod względem planowanego procesu obsługi.
- Przewidywanie prawdopodobieństwa spłaty oraz wartości spłaty całkowitej po określonym czasie obsługi.
- Określenie punktów cut-off na potrzeby zarządzania grupami spraw – doboru intensywności scenariusza windykacji lub „zamrożenia” obsługi sprawy.
Efekt/korzyści:
- Obniżenie kosztów obsługi portfeli długów.
- Zwiększenie przychodów z windykacji spraw poprzez inwestowanie środków w sprawy lepiej rokujące.
- Wsparcie planowania krótko i średniookresowego poprzez dostarczanie informacji o prawdopodobieństwie spłat oraz ich szacowanej wartości np. w przeciągu następnych 6 miesięcy.
Próba dopasowania modelu do realiów biznesowych może wymagać więcej niż jednego kroku. Ostatecznie wybór padł na algorytm indukcji reguł C5.0 z boostingiem.
Szczegóły projektu
|
Czas realizacji |
Oprogramowanie |
Zaangażowany zespół |
|---|---|---|
|
1 model: od 2 do 6 tygodni |
PS CLEMENTINE PRO |
Predictive Solutions - 2 osoby. Po stronie klienta - 1 osoba zaangażowana bezpośrednio i 1 osoba odbierająca wyniki. |
