Wie Auskunfteien mit Scoring-Methoden Menschen einteilen

933 Aufrufe

Veröffentlicht am

Über das Geschäft mit dem Scoring. Scoring, das heißt oft Kreditscoring, und da geht es darum zu berechnen, ob und gegebenenfalls wie kreditwürdig jemand ist, welche Bonität er hat. Das machen u.a. Institutionen wie die Schufa oder Creditreform. Aber diese Scoringmethoden werden auch in ganz anderen Bereichen eingesetzt, etwa, wenn es darum geht, wie wertvoll bestimmte Kunden zum Beispiel für ein Mobilfunkunternehmen oder für ein Möbelhaus sind.

Veröffentlicht in: Technologie
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
933
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
392
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Wie Auskunfteien mit Scoring-Methoden Menschen einteilen

  1. 1. Peter Welchering Scoring in Deutschland Methoden, Datenbasen, Merkmale und ihre Risiken • Scoring als Data-Mining-Methode (Clusteranalyse, Diskriminanzanalyse, Faktorenanalyse) • Anwendungsgebiete von Scoring (Kreditvergabe, Kundenbewertung, innere Sicherheit, Krankenkassen) • Datenbasen für Scoring-Anwendungen • Scoring-Merkmale und ihre Anwendung bei Schufa, Creditreform & Co
  2. 2. Peter Welchering Was ist eigentlich Scoring? Eine Methode zur Berechnung eines Wertes aus strukturierten und unstrukturierten Daten, der den Profilwert einer Person oder Organisation in Bezug auf ein gewünschtes Verhalten angibt
  3. 3. Peter Welchering Einsatzbereiche und Definitionen • Scoring und Rating • Statistische Analyseverfahren – intuitive Bewertungen • Verkaufs-Scoring, Vertragsscoring • Internes und externes Scoring • Bonitätsbewertung als Rasterfahndung • Scorewerte im Gesundheitsbereich
  4. 4. Peter Welchering Scorecard Quelle: Dittombée, Holger: Credit-Scoring in der Praxis, in: LDI NRW, 2005, 92
  5. 5. Peter Welchering Daten für das Scoring • Alter, Geschlecht, Familienstand, Anzahl und Alter der Kinder • Bildungsstand, Beruf • Art und Dauer der Beschäftigung, Arbeitgeber • Adresse, Wohndauer, Haushaltstyp, soziales Milieu, Umzüge • Nationalität, Religion • KFZ-Besitz, Wertanlagen, Immobilien, Sicherheiten • Monatseinkommen, monatliche Ausgaben • Kontoumsätze, Einzeltransaktionen, Kontensaldi, Überziehungen, Zahl der Kreditkarten, Zahl der Konten, Zahl der Verträge • Eigenkapitaleinsatz, vorherige Kredite, Scheckrückgaben • Studiengang, Zeugnisnoten, Fremdsprachenkenntnisse
  6. 6. Peter Welchering Datenarten • Eigenauskunft • Vertragsdaten • Finanzielle Daten • Soziodemographische Daten
  7. 7. Peter Welchering Datenquellen • Auskunfteien • Eigenauskunft • Kundendaten • Soziale Plattformen
  8. 8. Peter Welchering Aus der Zauberküche der Analysten • Entscheidungsbäume • Repressions-Algorithmen • Neuronale Netze • Genetische Algorithmen
  9. 9. Peter Welchering Scoring als Methode des Data Mining • Ermittlung von Assoziationsregeln • Ermittlung von Sequenzregeln • Klassifizierung gemäß der gerichteten Datenanalyse • Clustering in unstrukturierten Datenbeständen
  10. 10. Peter Welchering Beispiel: Kreditscoring • Datenbasis: Eigenauskunft, finanzielle Daten, Auskunftei-Daten, Soziodemographische Daten, Daten aus sozialen Plattformen • Prognose: Bedienung Zins und Tilgung • Methoden: Inferenzbildung, Plausibilitätsanalyse, Mustererkennung, Fehlerrechnung • Ergebnis hängt ab von der Bewertung der Datenarten
  11. 11. Peter Welchering Beispiel: Versandhandel • Prädiktive Berechnung der Zahlungszieltreue und der Rückgabe- Wahrscheinlichkeit • Prognose der Rückgabequote • Integration von Kaufkraftkarten und Cash-Limit-Analysen • Kundenkontenauswertung
  12. 12. Peter Welchering Beispiel: Mobilfunkanbieter • Ziel: Zahlungstreue, Vertragstreue • Daten: Eigenauskunft, finanzielle Daten, Soziodemographische Daten
  13. 13. Peter Welchering Innere Sicherheit • Gefährder-Scorecard • Klassifizierung • Assoziationsregeln • Verhaltensmodell • Faktorenanalyse
  14. 14. Peter Welchering Bewertungskriterien für das Scoring • Identifizierbarkeit • Qualität und Umfang der Simulationsalgorithmen • Qualität der Fehlerberechnung bei der Inferenzbildung • Umfang der Datenbasis • Detailgrad der Mustererkennung zur Prognose • K.O.-Kriterien für den Entscheidungsbaum- Algorithmus • Formulierung des Repressionsalgorithmus

×