Repérer les segments les plus risqués du portefeuille
Importez les demandes, leurs attributs et leurs issues. L’outil compare les segments selon un ou deux attributs, puis classe ceux dont le taux de mauvais payeurs dépasse celui du portefeuille au-delà de ce que le hasard peut expliquer.
Fichier de demandes
Sur 3,860 demandes dont l’issue est connue, 207 correspondent à des mauvais payeurs et 3,653 à des bons payeurs. Les 140 demandes sans issue connue sont exclues.
Le fichier est lu dans ce navigateur et n’est jamais téléversé. Seuls les effectifs sont transmis si vous demandez le résultat par e-mail.
Les colonnes utilisées comme attributs sont store, region, product, channel, age, loan_amount. Les valeurs numériques sont réparties en cinq tranches de taille à peu près égale.
Les colonnes application_id ont été écartées parce que presque chaque demande y a une valeur distincte, comme un identifiant, ou parce que seules les dix premières colonnes d’attributs sont utilisées.
Un petit segment peut afficher un taux élevé à cause de quelques mauvais payeurs. Les segments sous ce seuil ne sont pas testés.
Plus le nombre de segments augmente, plus certains peuvent sembler risqués par hasard. Le test exige donc des éléments plus probants pour chacun. Un niveau de confiance plus élevé signale moins de segments.
Ces 4 000 demandes de démonstration générées proviennent d’un prêteur en point de vente. Quelques segments à risque ont été intégrés aux données.
Segments signalés
Au niveau de confiance de 95%, 10 segments affichent un taux de mauvais payeurs supérieur à celui du portefeuille au-delà de ce que le hasard peut expliquer. Les 10 premiers regroupent 69.1% de l’ensemble des mauvais payeurs et 45.4% des demandes. Un segment est une piste à examiner, pas une cause.
Taux de mauvais payeurs des principaux segments
Les barres rouges signalent les segments retenus par le test. La ligne en pointillés indique le taux de mauvais payeurs du portefeuille.
Segments classés selon les mauvais payeurs en excès
| Rang | Segment | Demandes | Mauvais | Taux de mauvais payeurs | Lift | Mauvais payeurs en excès | Alerte |
|---|---|---|---|---|---|---|---|
| 1 | age = <24 | 745 | 71 | 9.53% | 1.8× | 31 | Oui |
| 2 | product = Phone · channel = online | 360 | 50 | 13.89% | 2.6× | 31 | Oui |
| 3 | channel = online | 1,164 | 89 | 7.65% | 1.4× | 27 | Oui |
| 4 | store = S07 | 178 | 30 | 16.85% | 3.1× | 20 | Oui |
| 5 | product = Phone | 1,171 | 80 | 6.83% | 1.3× | 17 | Dans la marge du hasard |
| 6 | channel = online · age = <24 | 240 | 30 | 12.50% | 2.3× | 17 | Oui |
| 7 | product = Phone · age = <24 | 239 | 29 | 12.13% | 2.3× | 16 | Oui |
| 8 | region = East · age = <24 | 180 | 25 | 13.89% | 2.6× | 15 | Oui |
| 9 | region = East | 1,005 | 69 | 6.87% | 1.3× | 15 | Dans la marge du hasard |
| 10 | age = <24 · loan_amount = <540 | 136 | 20 | 14.71% | 2.7× | 13 | Oui |
| 11 | store = S07 · product = Phone | 54 | 15 | 27.78% | 5.2× | 12 | Oui |
| 12 | region = East · product = Phone | 321 | 29 | 9.03% | 1.7× | 12 | Dans la marge du hasard |
| 13 | channel = online · loan_amount = [710,870) | 220 | 23 | 10.45% | 1.9× | 11 | Dans la marge du hasard |
| 14 | channel = online · loan_amount = <540 | 244 | 24 | 9.84% | 1.8× | 11 | Dans la marge du hasard |
| 15 | region = North · age = <24 | 208 | 21 | 10.10% | 1.9× | 10 | Dans la marge du hasard |
| 16 | region = East · channel = online | 303 | 26 | 8.58% | 1.6× | 10 | Dans la marge du hasard |
| 17 | age = <24 · loan_amount = [540,710) | 159 | 18 | 11.32% | 2.1× | 9 | Dans la marge du hasard |
| 18 | loan_amount = <540 | 738 | 49 | 6.64% | 1.2× | 9 | Dans la marge du hasard |
| 19 | loan_amount = [710,870) | 776 | 51 | 6.57% | 1.2× | 9 | Dans la marge du hasard |
| 20 | store = S07 · channel = online | 69 | 13 | 18.84% | 3.5× | 9 | Oui |
| 21 | store = S13 | 220 | 20 | 9.09% | 1.7× | 8 | Dans la marge du hasard |
| 22 | region = East · loan_amount = [710,870) | 187 | 18 | 9.63% | 1.8× | 8 | Dans la marge du hasard |
| 23 | product = Phone · loan_amount = <540 | 470 | 33 | 7.02% | 1.3× | 8 | Dans la marge du hasard |
| 24 | product = Appliance · age = <24 | 136 | 15 | 11.03% | 2.1× | 8 | Dans la marge du hasard |
| 25 | age = [34,46) · loan_amount = [710,870) | 158 | 16 | 10.13% | 1.9× | 8 | Dans la marge du hasard |
46 autres segments figurent dans le téléchargement.
Recevoir le résultat par e-mail
Le résultat permet de tester, sur les demandes passées, un contrôle plus strict ou une orientation des dossiers concernés dans la décision de crédit. Commencer gratuitement
Méthode de test des segments
Taux de mauvais payeurs = Mauvais ÷ Demandes Lift = Taux de mauvais payeurs ÷ Taux de mauvais payeurs du portefeuille Mauvais payeurs en excès = Mauvais − Demandes × Taux de mauvais payeurs du portefeuille z = (Taux de mauvais payeurs − Reste du portefeuille) ÷ √(p × (1 − p) × (1 ÷ n + 1 ÷ (N − n))) Alerte = p ≤ (1 − Niveau de confiance) ÷ Segments testés
Chaque segment est comparé au reste du portefeuille. Le niveau de confiance tient compte de l’ensemble des segments testés : multiplier les tests ne suffit pas à faire ressortir davantage de segments par hasard. Un segment croisant deux attributs n’est affiché que si son taux de mauvais payeurs dépasse celui de chacun des deux attributs pris séparément.
Repérer les segments à risque d’un portefeuille de prêts
Le taux de mauvais payeurs par segment indique la part des demandes avec une issue défavorable dans un groupe, par exemple un magasin, un canal ou un produit. L’outil compare le taux de chaque segment à celui du portefeuille et vérifie si l’écart peut s’expliquer par le hasard.
Les mauvais payeurs peuvent se concentrer dans certains magasins, canaux ou groupes de clients, sans que le taux global du portefeuille le révèle. Les segments signalés indiquent où chercher. Toute vérification renforcée ou orientation vers un autre circuit peut ensuite être testée sur les demandes passées.
Questions fréquentes
Comment repérer les segments les plus risqués d’un portefeuille de prêts ?
Comparez le taux de mauvais payeurs de chaque segment à celui du portefeuille. L’outil vérifie si l’écart dépasse ce que le hasard peut expliquer et classe les segments selon leur excédent de mauvais payeurs.
Comment comparer les taux de mauvais payeurs par magasin ou par canal ?
Choisissez le magasin ou le canal comme attribut, puis comparez le taux de mauvais payeurs de chaque groupe à celui du portefeuille. L’outil affiche aussi le nombre de demandes, de mauvais payeurs, le lift et l’excédent de mauvais payeurs pour chaque segment.
Que signifie le lift dans l’analyse des segments de risque ?
Le lift correspond au taux de mauvais payeurs d’un segment divisé par celui du portefeuille. Il indique comment le taux du segment se compare au taux global.
Comment distinguer un segment risqué d’un écart dû au hasard ?
L’outil compare chaque segment au reste du portefeuille et tient compte du nombre de segments testés. Un segment est signalé lorsque son taux de mauvais payeurs dépasse celui du portefeuille et que le hasard ne suffit pas à expliquer l’écart, au niveau de confiance choisi.
Pourquoi les mauvais payeurs se concentrent-ils dans certains magasins ou canaux ?
Le taux global du portefeuille peut masquer les différences entre groupes. La comparaison des taux de mauvais payeurs par attribut montre où ils se concentrent, mais un segment indique une piste à examiner, pas une cause.