Pusat Pinjaman Konsumen | Decisimo
Dalam pinjaman konsumen, keputusan mencakup beberapa area: antifraud, analisis kredit, penetapan limit kredit, penjualan silang dan penjualan produk tambahan, manajemen portofolio, serta penagihan. Perusahaan yang mengandalkan data dapat mengotomatiskan tiap area dengan bantuan decision engine.
Jika Anda baru mengenal bisnis pinjaman konsumen dan berencana memulainya, baca gambaran umum ini.
Pusat informasi ini membahas pengambilan keputusan di berbagai area utama pinjaman konsumen.
Antifraud
- Mencegah fraud identitas
- Menyusun aturan antifraud
- Fingerprint perangkat untuk mendeteksi fraud pada aplikasi pinjaman
Analisis kredit
- Menyusun proses persetujuan kredit
- Menyusun aturan kelayakan
- Suku bunga berdasarkan risiko
- Data alternatif untuk penilaian kredit
- 7 cara mengganti analisis kredit manual dengan logika keputusan otomatis
Manajemen portofolio
Analitik data
Pertanyaan yang sering diajukan
Bagaimana cara mengetahui apakah perubahan limit kredit berdampak berbeda pada tiap kelompok?
Bandingkan nasabah yang limitnya berubah dengan kelompok pembanding yang limitnya tetap. Lalu, uraikan hasilnya menurut kelompok nasabah yang relevan, dengan score band dan produk yang sama. Pantau tingkat kredit bermasalah, utilisasi, tunggakan, dan kerugian tiap kelompok selama cukup lama agar hasil pembayaran terlihat. Angka rata-rata keseluruhan dapat menyamarkan kenaikan tingkat kredit bermasalah pada kelompok tertentu. Sampel kecil juga dapat membuat selisih terlihat lebih besar atau lebih kecil dari kondisi sebenarnya. Karena itu, tetapkan jumlah minimum data dan pemicu peninjauan sebelum kembali mengubah limit.
Apa yang perlu diuji sebelum data alternatif digunakan untuk penilaian kredit?
Pertahankan sumber data hanya jika sumber tersebut memberikan informasi berguna di luar skor yang sudah ada, serta tetap tersedia dan akurat untuk pemohon yang Anda nilai. Uji dengan sampel dari periode berikutnya, bandingkan hasil persetujuan dan kerugian pada tingkat kelonggaran pemberian kredit yang sama, lalu periksa tingkat kesalahan pada kelompok yang relevan. Sumber yang memperbaiki pemeringkatan berdasarkan data historis tetap bisa gagal saat cakupannya berubah atau mencerminkan ketimpangan akses di masa lalu. Karena itu, pantau sumber tersebut setelah diluncurkan dan siapkan alternatif jika data tidak tersedia.