Approbation automatisée des prêts
Défi
De nombreuses institutions financières disposent d’algorithmes basés sur des règles pour déterminer si un client est éligible à un prêt, en utilisant souvent l’historique des paiements comme facteur principal.
Cependant, il existe de nombreux autres facteurs, tels que les données démographiques, qui peuvent avoir un impact sur la probabilité qu’un client ne rembourse pas son prêt.
Les algorithmes d’apprentissage automatique avancés, comme le Deep Learning, peuvent être des outils puissants pour prédire les défauts de remboursement des prêts, mais les décisions sont difficiles à interpréter et à expliquer.
Solution
Conception et construction d’un modèle d’apprentissage automatique pour prédire le risque qu’un client ne rembourse pas son prêt, à l’aide d’algorithmes ML interprétables.
Intégration du modèle dans les systèmes d’entreprise pour l’approbation automatisée des prêts hypothécaires en quelques minutes à l’aide de quelques éléments d’information clés.
Création de rapports expliquant le fonctionnement de l’algorithme et indiquant pourquoi une décision spécifique (approbation ou non-approbation) a été prise afin de garantir la responsabilité.
Résultats
Réduction du taux de défaut de paiement hypothécaire.
Réduction du coût d’évaluation du risque de crédit.
Amélioration de l’expérience client en permettant une approbation de crédit
rapide de n’importe où.