Zestaw Skoringowy STATISTICA PL

Zestaw Skoringowy STATISTICA jest rozwiązaniem wspierającym proces budowy, oceny i utrzymania modeli i kart skoringowych stosowanym do różnego rodzaju skoringów. Modele skoringowe są jednym z najpopularniejszych rodzajów modeli statystycznych wykorzystywanych w biznesie. Są wykorzystywane wszędzie tam, gdzie z jednej strony dysponujemy odpowiednią ilością danych na temat klientów, a z drugiej strony istnieje potrzeba optymalizacji podejmowanych w ich kierunku działań. Modele skoringowe wykorzystywane są w instytucjach finansowych i ubezpieczeniowych, firmach telekomunikacyjnych, sprzedaży detalicznej, a nawet w medycynie.

Modele skoringowe zbudowane w Zestawie Skoringowym STATISTICA wykorzystuje się np. w procesie utrzymania klienta, gdzie wskazują osoby najbardziej zagrożone odejściem. Kolejny obszar zastosowań Zestawu Skoringowego STATISTICA to wsparcie procesu sprzedaży - za ich pomocą można optymalizować ofertę sprzedaży dla konkretnej grupy klientów. Model skoringowy potrafi wskazać osoby, które z największym prawdopodobieństwem odpowiedzą na ofertę poszczególnych produktów. Inne rodzaje zadań, w których stosowany jest Zestaw Skoringowy STATISTICA, to skoring kredytowy, skoring wyłudzeń (antyfraud), skoring windykacyjny oraz skoring medyczny. Krótko mówiąc, skoring sprawdza się, kiedy chcemy podzielić klientów na dwie kategorie: spłaci kredyt/nie spłaci, odpowie na ofertę/nie odpowie, przyniesie zysk/nie będzie dochodowy, zagrożony odejściem/pozostanie klientem.

Analizy danych, które wykonywać można w Zestawie Skoringowym STATISTICA, można podzielić na następujące etapy:

1. Wybór zmiennych do analizy umożliwia wykonanie rankingu istotności cech i selekcję jedynie tych, które są istotnie powiązane z badanym zjawiskiem. Dodatkowo istnieje możliwość identyfikacji grup skorelowanych ze sobą zmiennych i wybór ich reprezentantów.
2. Dyskretyzacja zmiennych umożliwia automatyczne bądź interakcyjne przygotowanie przedziałów analizowanych zmiennych jednorodnych ze względu na badane zjawisko. Moduł pozwala uwzględnić w analizie braki danych oraz obserwacje nietypowe.
3. Budowa modeli i tworzenie tablicy skoringowej. Modele skoringowe można budować przy użyciu szeregu mniej lub bardziej zaawansowanych metod statystycznych i data mining. Do najpopularniejszych należą: regresja logistyczna, drzewa klasyfikacyjne oraz różne „odmiany” drzew – drzewa wzmacniane (boosting trees) czy losowy las (random forest). Wykorzystywać można również sieci neuronowe, metodę wektorów nośnych (suport vector machines) czy k-najbliższych sąsiadów i szereg innych.

   Na podstawie przygotowanych danych model skoringowy może być zbudowany automatycznie za pomocą regresji logistycznej, z uwzględnieniem zaawansowanych strategii doboru najlepszego podzbioru predyktorów. Można także budować modele skoringowe typu SURVIVAL (z wykorzystaniem analizy przeżycia za pomocą proporcjonalnego hazardu Coxa), które pozwalają nie tylko określić prawdopodobieństwo zajścia danego zdarzenia, ale również czas, w jakim osiągnie ono dany (krytyczny) poziom – np. kiedy dana osoba odejdzie do konkurencji lub przestanie spłacać kredyt. W przypadku budowy modeli „małej próby” możliwe jest wykorzystanie techniki bootstrap.

   Model zbudowany z wykorzystaniem regresji logistycznej możemy również zamienić jednym kliknięciem na tablicę skoringową (wykorzystywaną powszechnie w skoringu kredytowym), którą następnie można zapisać w postaci pliku Excela, XML i innych formatów.

4. Ocena modeli: w tym module możemy ocenić zarówno tablice skoringowe, jak również modele zbudowane za pomocą innych technik (np. drzewa wzmacniane, sieci neuronowe). Dostępnych jest szereg miar jakości modeli, takich jak:IV (information value), statystyka KS (Kołmogorow-Smirnow), statystyka Hosmera-Lemeshowa, dywergencja, indeks Giniego, oraz wykresów: krzywa ROC, wykres przyrostu (Lift), wykres zysku (Gain).
5. Obliczanie skoringu daje możliwość obliczania punktacji skoringowej oraz prawdopodobieństwa dla nowych danych na podstawie zapisanego modelu.
6. Zarządzane punktem odcięcia umożliwia wybór optymalnego punktu odcięcia odpowiedzi modelu (możliwość wyboru do 3 różnych punktów odcięcia). Podjęcie optymalnej decyzji jest wspomagane przez zestaw wykresów i raportów, a także możliwość uwzględnienia czynnika finansowego (jaki punkt odcięcia jest najbardziej opłacalny).

Poza powyższymi modułami ogólnego przeznaczenia użytkownicy zajmujący się skoringiem kredytowym mogą skorzystać z dodatkowych modułów pozwalających na dodatkowe analizy związane z monitorowaniem portfela kredytowego (analiza Vintage) badaniem stabilności populacji i cech oraz analizą wniosków odrzuconych (reject inference).

Powyższy zakres Zestawu Skoringowego STATISTICA można w razie indywidualnych potrzeb i wymagań rozszerzyć i dostosować.

Skoring praktyczny, nie tylko kredytowy - artykuł z BANKU
Co nowego w wersji 3.0

Kurs: Skoring kredytowy (Credit scoring) w STATISTICA