Modelowanie danych
Ryzyko jest zjawiskiem powszechnym w każdej dziedzinie biznesowej.
Oferujemy usługi konsultingu oraz budowy narzędzi data mining służących do modelowania danych. Budujemy modele raz prowadzimy analizy ryzyka na podstawie danych Klienta. Oferowane przez nas modele i podejścia do oceny ryzyka:
- Modelowanie i analiza danych programów lojalnościowych
- Modele ryzyka odejścia klienta/migracji (modele Churn)
Modele klasy Churn mają zastosowanie niezależnie od branży. Churn to rezygnacja z usługi/produktu. Celem analizy jest identyfikacja klientów, którzy zagrożeni są odejściem. Model Churn'owy pozwala na prognozowanie prawdopodobieństwa odejścia klienta na podstawie charakteryzujących klienta zestawu cech. Analiza Churn pozwala określić profil klientów skłonnych do rezygnacji z usług oraz zidentyfikować czynniki wpływające na to ryzyko. Wyodrębnienie grup klientów o wysokim prawdopodobieństwie odejścia pozwala firmie na wyprzedzenie działań tych klientów i podjęcie akcji prewencyjnych. Powszechnie stosowane modele w analizie Churn można podzielić na rodzinę modeli klasyfikujących (klient zagrożony/klient niezagrożony) oraz na klasę modeli w których otrzymujemy dokładne prawdopodobieństwo odejścia.
- Modele lojalności klientów
Modele lojalności klientów to przeciwieństwo modeli Churn'owych.
Pozwala na ustalenie prawdopodobieństwa pozostania klienta oraz ustalenia czynników determinujących lojalność.
- Modele ryzyka kredytowego, modele scoringowe (credit scoring, dla branży bankowej)
Ryzyko kredytowe to szerokie pojęcie, polegające na niedotrzymaniu warunków umowy, nie wywiązania się z zobowiązań finansowych. Ryzyko kredytowe należy rozpatrywać w kontekście pojedynczej umowy kredytowej jak i całego portfela kredytowego.
Do klasycznych metod pomiaru ryzyka zalicza się:
- Systemy eksperckie
Decyzja kredytowa w tym systemie leży w gestii urzędnika najniższego szczebla. Jest to bardzo subiektywna i nie stosowana obecnie metoda oceny wniosków kredytowych.
- Systemy scroringowe
Metoda polega na systemie punktacji tak zwanej karty scoringowej zawierające kluczowe czynniki niewypłacalności. Systemy te opracowano wiele lat temu systematycznie jednak udoskonalając. Systemy dzielą się na oparte na danych księgowych i oparte na wskaznikach pozaksięgowych.
- Systemy ratingowe
Systemy ratingowe działają na skali 1-9 (10), przydzielenie danemu kredytowi odpowiedniego ratingu odbywa się a podstawie mniej lub bardziej sformalizowanych zasad oceny firmy oraz dotychczasowych historii kredytowych.
- Sieci neuronowe, modele logit, modele AD
Podejście to jest zdecydowanie nowsze od prezentowanych powyżej. Opiera się na metodach wielowymiarowej analizy statystycznej. Dla stworzenia systemu konieczna jest znaczna wiedza z zakresu data mining.
- Modele KMV, CreditMetrics, CreditRisk
- Modele ryzyka niewypłacalności (branża obsługi wierzytelności)
Modelowanie ryzyka niewypłacalności to usługa skierowana przede wszystkim do branży obsługi wierzytelności. Poprawny model pozwala ocenić ryzyko jaka wiąże się z zakupem wierzytelności, ustalić prawdopodobieństwo skutecznej windykacji.
- Modele ryzyka nadużyć (fraud detection models)
Modele tej klasy pozwalają na wykrywanie oszustw oraz identyfikowanie potencjalnych nadużyć z zastosowaniem statystycznych modeli wielowymiarowych. Modele predykcyjne stosowane w data mining, bazując na historii wielokrotnych operacji gromadzonych w bazach danych firmy, pozwalają na wskazanie kluczowych czynników ryzyka oraz oszacowanie prognozy wskaznika ryzyka (prawdopodobienstwa nadużycia) dla każego klienta (każdej transakcji). Wzrastajšce lawinowo "oszustwa" (fraud) są związane z dynamiką nowoczesnych technologii i środków komunikacji. Rezultatem nadużyć i oszustw są wielomilionowe straty ponoszone m.in. przez sektor bankowy i ubezpieczeniowy. Pomimo zaawansowanego rozwoju technologii zabezpieczającej przed powstaniem tego zjawiska, nadużycia są zjawiskiem powszechnym. Metodologia i narzędzia wykrywania oszustw są niezbędne, pozwalają na wykrycie oszustwa w sytuacji gdy działania prewencyjne zawodzą. Metody analityczne i modele wykrywania nadużyć dostarczają efektywnych technologii do wykrywania zdarzeń określanych jako fraud. Analizy fraud detection mają zastosowanie w branży ubezpieczeniowej, telekomunikacyjnej, bankowej (kart kredytowych, e-commerce), naukowej lub medycznej. Nie bez znacznia w modelach fraud detection oferowanych przez BioStat jest udział audytora CFE w procesie projektowania.
- Modele ryzyka umieralności (badawcza branża farmaceutyczna)
Modelom ryzyka umieralności poświęcony jest szereg metod z zakresu biostatystyki. Uogólniając, są to modele stosowane w wielu schorzeniach pozwalające na oszacowanie prawdopodobieństwa zgonu pacjenta w trakcie lub po operacji. Popularnym przykładem zastosowania i wykorzystania modeli tej klasy jest ustawicznie udoskonalany system EuroSCORE (European System for Cardiac Operative Risk Evaluation), bazujący m.in. na idei modeli logit.
Stosowane powszechnie statystyczne techniki/modele/narzędzia w modelowaniu ryzyka:
- Modele analizy dyskryminacyjnej (DA)
- Modele Logit (modele zbliżone: probit, tobit)
- Modele sztucznych sieci neuronowych
- Modele drzew decyzyjnych
- Karty scroringowe
- modele KMV
- modele CreditMetrics, CreditRisk+
Zespół BioStat tworzą doświadczeni analitycy, wdrożeniowcy rozwiązan z zakresu modelowania i analiz danych w sferach biznesowych. W związku ze specyfiką modeli ryzyka grono naszych ekspertów powiększyło się o specjalistę z zakresu audytu posiadającego desygnację
CFE.