Te ayudamos a cobrar tus facturas
El mejor servicio de cobro de facturas para empresas

Un Cuadro de Mando, gran herramienta para el Scoring

Sep 1, 14 • blogSin comentariosLeer más »

 

cuadro de mandoUno de los problemas inherentes a un cuadro de mando es que mientras que usted puede probar fácilmente probar si usted tomó la decisión correcta al aceptar una venta, es menos fácil de saber si usted tomó la decisión correcta al rechazar una venta. En la gestión del día a día en la gestión de cobros de un negocio esto podría no parecer un gran problema, pero es peligroso de dos maneras:

 · puede limitar las oportunidades de crecimiento de alta rentabilidad en torno al punto de perdida,  ocultando cualquier comportamiento segmentación un característica podría tener.

· puede conducir a un punto donde los datos que está disponible para la creación de nuevos cuadros de mando representa sólo una parte de la población que pueda aplicar. Como esta parte es desproporcionadamente “bueno” puede causar futuros cuadros de mando a subestimar el riesgo presente en una población.

 

La población en general en un mercado tendrá una probabilidad media de mal que está influenciado por diversas características nacionales y económicos, pero en general estable. Un subgrupo de población más pequeño de la población total de los solicitantes de cualquier tipo de préstamo dado -la probabilidad media de impago en esta población aumentará y disminuirá más fácilmente en función de marketing y diseño de producto. Es el riesgo de que la población total de los solicitantes, lo  que un cuadro de mando deberían tratar de entender. Sin embargo, los datos de los clientes existentes no es un reflejo completo de esa población. Se ha filtrado a través del proceso de aprobación y se ha liberado  de muchos de sus males.

A menudo, el problema de los datos clave en la construcción de una acumulación de puntuación es la falta de información sobre el “impago“, ya que eso es lo que estamos tratando de modelar, la probabilidad de una aplicación con un conjunto dado de características va a determinar el posible “impago”.  El más conservador de la estrategia de calificación de que se trate, más los datos se concentrará en las mejores cuadrantes de puntuación y el más débil se convertirá en la futura tarjeta de puntuación se basa. Es evidente que necesitamos una manera de traer de vuelta esa información. El hecho de que las solicitudes rechazadas eran demasiado arriesgado para aprobar no significa que es demasiado riesgos o para agregar valor en este ejercicio. Hacemos esto mediante la combinación de los datos de la aplicación de los solicitantes rechazados, con fuentes de datos externas o apoderados. La principal dificultad relacionada con este enfoque es la falta de disponibilidad y / o inconsistencia de los datos que pueden hacer que sea difícil clasificar un resultado como “bueno” o “malo”. Un número de métodos se puede usar para inferir el rendimiento de los solicitantes rechazados.

 

En Resumen,

No todas las solicitudes rechazadas habrían ido mal. Sabíamos que en el momento que ellos rechazaron, acabamos de saber que muy pocos se quedarían bien para compensar aquellos que no van mal. Así, mientras que un segmento de aplicaciones con un 15% de probabilidad de impago podría ser considerado demasiado riesgo, el 85% de ellos seguiría siendo buenas cuentas. El uso de ese conocimiento podemos reconsiderar las solicitudes denegadas en el ejercicio de datos.

 

· Un modelo de puntuación base se construye a partir de datos procedentes de los prestatarios cuyo comportamiento se conoce – el libro previamente aprobado.

· Utilizando el modelo desarrollado, las solicitudes rechazadas se califican y una estimación se hace del porcentaje de prestatarios “malos” y que el rendimiento se asigna al azar, sino en proporción a través de las solicitudes denegadas.

· El punto de corte se debe establecer de acuerdo con las normas de la política actual de préstamos que definen el nivel permisible de malos prestatarios.

· Información sobre las solicitudes rechazadas y aprobadas es fusionada y el conjunto resultante se utiliza para construir el modelo de puntuación final.

Tags: , , , ,

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

20 − 15 =

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies