En banbrytande plattform för kreditbeslut

Vår plattform är byggd för att du ska kunna ta träffsäkra kreditbeslut anpassade efter ditt unika kundsegment inom loppet av ett ögonblick. Plattformen och modellerna är tränade på tusentals datapunkter och blir smartare för varje beslut. Alla modeller tillhandahålls från våra system och är integrerade till dig med hjälp av vårt online-API.

Uppdaterad i realtid

Skillnaden mellan konsumenters betalningsbeteende idag jämfört för 10 år sedan är enorm. Vår plattform är skapad med vetskapen om att beteendeförändringar sker i varje stund och uppdateras i realtid för att fånga trender tidigt.

Fullt automatiserad

Plattformen är designad för att lyfta ut överflödig handpåläggning till förmån för ett effektivare intelligent system som blir bättre efter varje beslut. Så att du kan omprioritera din tid och fokusera på dina kunder och relationer.

Ständigt optimerad

Plattformen är konstruerad för att optimera beslut efter ett önskat resultat. Säg att det är att öka konvertering utan att öka kreditförluster, efter att vinna fler budgivningar från inkommande agent-kanaler eller för att förstå när en skuld kommer återbetalas.


Artificiell intelligens möjliggör smartare beslut

Plattformen använder sig av tekniken artificiell intelligens (AI). Från historisk data lär våra modeller sig att hitta regler, mönster och komplexa samband som är för komplexa för en människa och traditionella beslutsmetoder att upptäcka.

Slutprodukten blir en modell som svarar på den fråga vi tränar och lär den att att bli expert på. En exempel kan vara: Kommer person A betala tillbaka sin skuld? Svaret på denna fråga baseras på den historiska data som har samlats in. Vi låter modellen förutsäga denna fråga baserat på vad modlelen har lärt sig från den historiska datan och hur andra personer betalat tillbaka sina skulder.

För att exemplifiera hur detta fungerar har vi ett konkret exempel på en modell. Denna modell ska bli expert på att svara på frågan: Kommer person A betala tillbaka sin skuld? Och är baserad på nedanstående data.

 I verkligheten processas våra modeller med tusentals variabler och historiska exempel. Men i detta exempel har vi valt färre datapunkter och få exempel för att göra det mer överskådligt.  Ett beslut fattat av vår AI-modell kan förklaras med ett träd på följande vis:

När modellen möts av en ny ansökan, kommer modellen ta in lånsökarens ålder, lön samt storlek på lånet och korsa genom trädet tills den når en av trädets slutdestinationer (e.g återbetald eller ej återbetald ) – vilket blir modellens prediktion. Om vi exemplifierar med person A ser vi att vår modell hade sagt ja – skulden kommer bli återbetald.

I ovanstående exempel har vi använt ett beslutsträd då det är väldigt enkelt att visualisera, men det finns många olika typer av AI-modeller som alla har sitt egna unika fördelar och sätt för att finna de gömda mönstren som finns i din data. De modeller vi använder är mycket mer sofistikerade än det illustrerade exemplet ovan.

Utvärdering av modellerna

När vi utvärderar modellerna använder vi en rad olika mätverktyg, detta för att olika mätverktyg är bra på att identifiera olika saker. De mest kända mätverktygen vi använder är GINI score, ROC och TOC kurvor samt träffsäkerhet i procent.  

Vill du lära dig mer om vår platform?

Kontakta gärna Tomas via:

 tomas.sellden@evispot.ai

Tomas SelldenVar platform