Une décision de crédit plus juste et plus personnalisée

Traditionnellement, les banques prennent leurs décisions de crédit en se basant sur des signifiants démographiques et des questionnaires pour comprendre les revenus d'un demandeur et les capacités de service de prêt. Cependant, ces signifiants démographiques et ces questionnaires ne reflètent pas nécessairement le comportement financier réel des candidats. Le système de notation de crédit traditionnel manque également de transparence. L'open banking permet désormais de modéliser les comportements financiers réels à partir des données bancaires transactionnelles. Pour ce faire, un nouveau modèle de décision de crédit est nécessaire pour répondre aux besoins uniques des demandeurs de prêt et refondre le système de prêt de l'industrie financière française.

Pour atteindre ces objectifs, Algoan a utilisé Kubernetes Engine pour créer une plate-forme unique d'évaluation du crédit qui leur permet : d'accéder aux données brutes des transactions bancaires via l'open banking, - d'analyser de gros volumes de données de transactions bancaires, - de développer de nouveaux modèles ML plus sophistiqués pour le crédit. notation. Cette nouvelle plate-forme permet à la banque d'évaluer les décisions de demande de prêt sur mesure en fonction des données de transactions bancaires réelles des clients pour les particuliers. Par rapport à la méthode traditionnelle de calcul des cotes de crédit basée sur des questionnaires, les nouveaux modèles de crédit ML sont plus puissants et personnalisés pour les demandeurs de prêt. Résultat Une prise de décision de crédit plus juste et plus personnalisée qui reflète les besoins financiers complexes du 21e siècle.