Folkia
Folkia erbjuder mindre krediter till privatpersoner i Sverige och de övriga nordiska länderna samt Estland. Företaget startades 2006 och är störst på marknaden för mikrolån i Sverige med cirka 60 000 kunder. Folkia vill ha kunder som återkommer och ger därför bara lån om de tror att kunden kan betala tillbaka pengarna. Därför är urvalet av kunder av största vikt. Tillsammans med Aregab valde Folkia att ta fram en egenutvecklad kreditscoring.
Med Data Mining-verktyget STATISTICA har Folkia fått ett flexibelt och enkelt system för att uppdatera och skapa scorekort samt lära sig mer om sina kunder. Hela projektet med att ta fram det första scorekortet genomfördes på mindre än 3 månader. Arbetet med att ta fram analysdata och installation av systemet inleddes under april 2009 och 1 juli kunde Folkia sätta det nya scorekortet i produktion.
Kreditchef Nickolaus Karlsson är nöjd med samarbetet med Aregab.
”För oss har den här satsningen inneburit ”one-stop shopping”. Det har gjort systemet väldigt kostnadseffektivt, och det har gått jättesnabbt att ta fram. Med vårt nya kreditbeslutstödssystem minskar vi risken för återkommande kunder som inte kan betala tillbaka med cirka 40 procent. I relation till detta påverkas vår omsättning med en minskning på endast 3-4 procent.”
Med hjälp av Data Mining-verktyget STATISTICA har en stor mängd information behandlats i syfte att finna beteendemönster bland de kunder som inte betalar tillbaka sina lån. I verktyget finns stöd för flera statistiska modeller som logistisk regression, Boosting Trees och MARSpline. För Folkia var det en fördel att enkelt kunna testa olika modeller då de har lite olika egenskaper och förklaringsvärden.
Den färdiga scoringmodellen rangordnar kunderna efter trolig betalningsförmåga. Ett lägre score måste inte nödvändigtvis innebära att Folkia inte gör affär, men med hjälp av det nya scorekortet kan Folkia föreslå ett lägre belopp istället för att neka kunden lån.
Den information som visade sig vara viktigast vid avgörande av kreditrisken kom övervägande från Folkias kundbeteendedata. Detta visar hur mycket det finns att hämta genom att ta till vara sin kundinformation.
Nickolaus Karlsson berättar: ”Förutom möjligen storbankerna finns det idag, mig veterligen, ingen annan med vår inriktning på verksamheten som använder en liknande metod för scoring. I det här sammanhanget är scoremodeller som har ett KS värde (Kolmogorov–Smirnov), på över 40 väldigt bra. Vår modell har ett KS som överstiger 50.”
