ML bei der Automatisierung des Risikobewertungsprozesses in der Finanzindustrie

Der Kunde beschloss, mit uns bei der Entwicklung einer Software zur Bewertung der Zuverlässigkeit von Endkunden zusammenzuarbeiten. Ausschlaggebend für die Zusammenarbeit war unsere umfangreiche Erfahrung in Fintech-Projekten (für Factoring-Unternehmen, Inkassounternehmen, Banken) und unsere jahrelange Erfahrung in der Anwendung vieler Arten von mathematischen Modellen zur Lösung einer Vielzahl von Problemen.

An der Entwicklung des Modells waren 5 Personen (leitende Datenanalysten, Datenanalysten, Programmierer) unter der Aufsicht eines Fachmanns beteiligt.

1. Datenanalyse und -aufbereitung

• Ein Workshop zur Analyse der Geschäftsanforderungen.
• Analyse des Underwriting-Prozesses, d. h. der Maßnahmen zur Bewertung, Annahme oder Ablehnung von Risiken.
• Vorbereitung und vorläufige Analyse der in diesem Prozess gesammelten Daten. In dieser Phase konzentrierten wir uns darauf, die Merkmale der Daten zu verstehen, die Verbindungen zwischen verschiedenen Datensätzen zu erkennen sowie die Qualität der Daten zu bewerten (und zu verbessern).

2. Erstellung eines geeigneten ML-Modells und Integration desselben

• Zur Umsetzung der Lösungen haben wir uns für die Verwendung von Black-Box-ML-Modellen entschieden, die mit einem Erklärungsmechanismus (XAI) ausgestattet sind.
• Wir bereiteten einen großen Satz von Beispieldaten vor und führten den Lernprozess für das Modell durch.
• Bei der Anwendung empfängt das fertige ML-Modell die tatsächlichen Daten, verarbeitet sie und liefert das Ergebnis – es nimmt die Risikobewertung vor.
• Nachfolgende Modelle wurden schrittweise verfeinert. Die endgültigen Modelle wurden gründlich validiert, wobei die Verallgemeinerungsfähigkeit des Modells und die Empfindlichkeit der Vorhersagequalität gegenüber dem Zeitablauf bewertet wurden.
• Am Ende des Prozesses wurden die Modelle in das unternehmensinterne System integriert.