Como a IA permite uma melhor avaliação do risco de leasing e expande o acesso

Introdução 

As opções de financiamento do leasing-to-own permitem o acesso e o poder de compra a pessoas com um historial financeiro reduzido. Uma empresa norte-americana oferece opções simples e diretas para ajudar os proprietários de automóveis a obter os pneus, as jantes e as pequenas reparações necessárias para manter os seus veículos na estrada. Prometem um processo de candidatura fácil com aprovação imediata para os candidatos com um historial financeiro reduzido.

Desafios enfrentados

1. O conjunto de candidatos era vasto e diversificado, com um historial financeiro limitado, pelo que os dados utilizados para avaliar o risco do leasing tinham de ser orquestrados a partir de muitos sistemas de dados antigos diferentes - tradicionais e não tradicionais - em diferentes formatos - APIs, bases de dados e folhas de cálculo. A integração com o legado é um desafio e consome muito tempo.
2. Um processo de candidatura fácil com aprovações imediatas significava que a empresa tinha de fazer mais com menos dados e tomar decisões em tempo real. A precisão e a exaustividade dos dados utilizados nos modelos são cruciais para a sua fiabilidade.
3. A empresa de leasing estava a expandir o seu negócio, pelo que o perfil dos candidatos mudaria ao longo do tempo, pelo que a migração de um processo de decisão baseado em regras estáticas para um motor de decisão dinâmico baseado em IA era um objetivo importante.
4. A organização queria escalar e modernizar a sua visão de 360 graus dos clientes e do negócio utilizando aplicações de BI modernas. 

Solução implementada

Orquestração de dados 

Os dados internos e externos de várias fontes - de terceiros, internos e fornecidos pelos utilizadores - foram orquestrados e combinados e analisados para compreender melhor os candidatos, estudando as distribuições, os padrões e as anomalias nos dados.

Criação de caraterísticas específicas para a avaliação de riscos 

Quanto melhores forem os dados fornecidos aos modelos para a tomada de decisões, melhores serão as decisões. Para reunir as informações mais relevantes para treinar o modelo, foram criadas caraterísticas adicionais, como rácios, velocidades e contadores de frequência, a partir dos dados de entrada disponíveis. Por exemplo, caraterísticas padrão como o rácio dívida/rendimento ou caraterísticas não tradicionais como a confiança no correio eletrónico. Isto foi feito sem problemas, utilizando as capacidades de AutoAI da plataforma RapidCanvas.

Modelação automatizada e IA explicável 

A plataforma AutoAI automatizou a criação do melhor modelo possível para prever, no momento do pedido de aluguer, quais as aplicações de risco. Com esta abordagem de caixa branca, o funcionamento interno do modelo e a importância de cada fator utilizado para a previsão podem ser facilmente explicados. Em situações de risco, é importante perceber não só se alguém é de risco, mas também porque é que é de risco. A explicabilidade é importante para garantir a responsabilidade, a equidade e a transparência dos sistemas automatizados de tomada de decisões.

Análise de hipóteses‍

A avaliação de um caso depende dos perfis individuais dos candidatos, bem como do ambiente macroeconómico. É importante ser capaz de simular situações de "e se?". Jogue com diferentes caraterísticas e descubra o impacto que têm nas previsões.

Aplicação abrangente de business intelligence  

Foram criadas aplicações de dados interactivas para que os utilizadores empresariais pudessem rever as previsões de risco de leasing e tomar decisões baseadas em dados. Com uma maior visibilidade do perfil de risco de cada candidato, a equipa foi capaz de compreender melhor os factores que influenciaram o risco de leasing e as tendências resultantes dos dados.

Actualizações contínuas do modelo 

Com um conjunto cada vez maior de candidatos e tendências em mudança, o modelo é continuamente atualizado para garantir que estão sempre disponíveis previsões eficazes para a equipa. ‍

Resultados e benefícios

Capacidade de escalar, reforçando simultaneamente a promessa da marca

A promessa da marca da empresa é um processo de inscrição fácil com aprovação instantânea para candidatos com um perfil financeiro esparso. A IA e o aprendizado de máquina permitiram que a empresa escalasse sua base de clientes, garantindo que a promessa da marca pudesse ser reforçada.

Aumento das receitas 

A equipa conseguiu detetar aplicações de arrendamento arriscadas e ter um impacto positivo nas suas receitas, na ordem dos 10%.‍

Melhoria da gestão do risco de leasing

Com os conhecimentos fornecidos através de modelos dinâmicos de aprendizagem automática em tempo real para prever resultados futuros, a equipa da empresa de leasing pôde avaliar e gerir melhor o risco, tanto durante a aplicação como no período de retorno contínuo.‍

Conhecimentos mais profundos sobre os clientes 

As aplicações de dados interactivas deram à equipa uma compreensão mais profunda das informações sobre os clientes. As aplicações de dados apresentam uma visão de 360 graus de cada cliente, segmento e grupo de utilizadores para compreender melhor os grupos de clientes com padrões e comportamentos semelhantes e para analisar e explorar resultados alternativos.