Temukan segmen portofolio pinjaman paling berisiko
Masukkan data aplikasi beserta atribut dan hasilnya. Tool ini membandingkan segmen berdasarkan satu atau dua atribut, lalu mengurutkan segmen dengan bad rate di atas portofolio yang perbedaannya tidak dapat dijelaskan oleh kebetulan.
File pengajuan
Dari 3,860 aplikasi dengan hasil yang diketahui, 207 tergolong bermasalah dan 3,653 tergolong lancar. 140 aplikasi tanpa hasil yang diketahui tidak disertakan.
File dibaca di browser ini dan tidak pernah diunggah. Jika Anda meminta hasil dikirim lewat email, hanya jumlah yang dikirim.
Kolom yang digunakan sebagai atribut adalah store, region, product, channel, age, loan_amount, dan data angka dibagi menjadi lima rentang dengan jumlah aplikasi yang kira-kira sama.
application_id tidak disertakan karena hampir setiap aplikasi memiliki nilai sendiri, seperti ID, atau karena hanya sepuluh atribut pertama yang digunakan.
Segmen kecil bisa menunjukkan bad rate tinggi hanya karena beberapa aplikasi bermasalah. Karena itu, segmen di bawah jumlah ini tidak diuji.
Semakin banyak segmen yang diuji, semakin besar kemungkinan beberapa tampak bermasalah secara kebetulan. Karena itu, setiap segmen harus didukung bukti yang lebih kuat. Tingkat keyakinan yang lebih tinggi akan menandai lebih sedikit segmen.
Ini adalah 4.000 aplikasi demo buatan dari pemberi pinjaman yang beroperasi di titik penjualan, dengan beberapa segmen berisiko yang sengaja dimasukkan.
Segmen yang ditandai
10 segmen memiliki bad rate di atas portofolio yang tidak dapat dijelaskan oleh kebetulan pada tingkat keyakinan 95%. 10 segmen teratas mencakup 69.1% dari seluruh aplikasi bermasalah dan 45.4% dari total aplikasi. Segmen adalah titik untuk ditelusuri, bukan penyebab.
Bad rate segmen teratas
Batang merah menunjukkan segmen yang ditandai. Garis putus-putus menunjukkan bad rate portofolio.
Segmen berdasarkan jumlah aplikasi bermasalah berlebih
| Peringkat | Segmen | Pengajuan | Bad | Bad rate | Lift | Aplikasi bermasalah berlebih | Penanda |
|---|---|---|---|---|---|---|---|
| 1 | age = <24 | 745 | 71 | 9.53% | 1.8× | 31 | Ya |
| 2 | product = Phone · channel = online | 360 | 50 | 13.89% | 2.6× | 31 | Ya |
| 3 | channel = online | 1,164 | 89 | 7.65% | 1.4× | 27 | Ya |
| 4 | store = S07 | 178 | 30 | 16.85% | 3.1× | 20 | Ya |
| 5 | product = Phone | 1,171 | 80 | 6.83% | 1.3× | 17 | Tidak signifikan |
| 6 | channel = online · age = <24 | 240 | 30 | 12.50% | 2.3× | 17 | Ya |
| 7 | product = Phone · age = <24 | 239 | 29 | 12.13% | 2.3× | 16 | Ya |
| 8 | region = East · age = <24 | 180 | 25 | 13.89% | 2.6× | 15 | Ya |
| 9 | region = East | 1,005 | 69 | 6.87% | 1.3× | 15 | Tidak signifikan |
| 10 | age = <24 · loan_amount = <540 | 136 | 20 | 14.71% | 2.7× | 13 | Ya |
| 11 | store = S07 · product = Phone | 54 | 15 | 27.78% | 5.2× | 12 | Ya |
| 12 | region = East · product = Phone | 321 | 29 | 9.03% | 1.7× | 12 | Tidak signifikan |
| 13 | channel = online · loan_amount = [710,870) | 220 | 23 | 10.45% | 1.9× | 11 | Tidak signifikan |
| 14 | channel = online · loan_amount = <540 | 244 | 24 | 9.84% | 1.8× | 11 | Tidak signifikan |
| 15 | region = North · age = <24 | 208 | 21 | 10.10% | 1.9× | 10 | Tidak signifikan |
| 16 | region = East · channel = online | 303 | 26 | 8.58% | 1.6× | 10 | Tidak signifikan |
| 17 | age = <24 · loan_amount = [540,710) | 159 | 18 | 11.32% | 2.1× | 9 | Tidak signifikan |
| 18 | loan_amount = <540 | 738 | 49 | 6.64% | 1.2× | 9 | Tidak signifikan |
| 19 | loan_amount = [710,870) | 776 | 51 | 6.57% | 1.2× | 9 | Tidak signifikan |
| 20 | store = S07 · channel = online | 69 | 13 | 18.84% | 3.5× | 9 | Ya |
| 21 | store = S13 | 220 | 20 | 9.09% | 1.7× | 8 | Tidak signifikan |
| 22 | region = East · loan_amount = [710,870) | 187 | 18 | 9.63% | 1.8× | 8 | Tidak signifikan |
| 23 | product = Phone · loan_amount = <540 | 470 | 33 | 7.02% | 1.3× | 8 | Tidak signifikan |
| 24 | product = Appliance · age = <24 | 136 | 15 | 11.03% | 2.1× | 8 | Tidak signifikan |
| 25 | age = [34,46) · loan_amount = [710,870) | 158 | 16 | 10.13% | 1.9× | 8 | Tidak signifikan |
46 segmen lainnya tersedia dalam unduhan.
Kirim hasil lewat email
Gunakan hasil ini untuk menguji pemeriksaan yang lebih ketat atau keputusan «refer» bagi segmen tersebut dengan data pengajuan sebelumnya. Mulai gratis
Cara segmen diuji
Bad rate = Bad ÷ Pengajuan Lift = Bad rate ÷ Bad rate portofolio Aplikasi bermasalah berlebih = Bad − Pengajuan × Bad rate portofolio z = (Bad rate − Bagian portofolio lainnya) ÷ √(p × (1 − p) × (1 ÷ n + 1 ÷ (N − n))) Penanda = p ≤ (1 − Tingkat keyakinan) ÷ Segmen yang diuji
Setiap segmen diuji terhadap bagian portofolio lainnya. Tingkat keyakinan diterapkan pada seluruh segmen yang diuji agar banyaknya pengujian tidak membuat lebih banyak segmen ditandai hanya karena kebetulan. Segmen dengan dua atribut hanya ditampilkan jika bad rate-nya lebih tinggi daripada bad rate masing-masing atribut secara terpisah.
Temukan segmen portofolio pinjaman berisiko tinggi
Bad rate per segmen menunjukkan proporsi pengajuan dengan debitur bermasalah dalam suatu kelompok, misalnya berdasarkan toko, channel, atau produk. Tool ini membandingkan bad rate tiap segmen dengan bad rate portofolio dan menguji apakah perbedaannya bisa terjadi secara kebetulan.
Debitur bermasalah bisa terkonsentrasi di toko, channel, atau kelompok nasabah tertentu, sementara bad rate portofolio secara keseluruhan tidak menunjukkan lokasinya. Gunakan segmen yang ditandai sebagai titik untuk ditelusuri, lalu uji pemeriksaan yang lebih ketat atau referral menggunakan data pengajuan sebelumnya.
Pertanyaan umum
Bagaimana menemukan segmen berisiko tinggi dalam portofolio pinjaman?
Bandingkan bad rate setiap segmen dengan bad rate portofolio. Tool ini menguji apakah perbedaannya lebih dari sekadar kebetulan dan mengurutkan segmen berdasarkan kelebihan debitur bermasalah.
Bagaimana membandingkan bad rate berdasarkan toko atau channel?
Gunakan toko atau channel sebagai atribut, lalu bandingkan bad rate setiap kelompok dengan bad rate portofolio. Tool ini juga menampilkan jumlah pengajuan, debitur bermasalah, lift, dan kelebihan debitur bermasalah untuk setiap segmen.
Apa arti lift dalam segmentasi risiko?
Lift adalah bad rate suatu segmen dibagi bad rate portofolio. Angka ini menunjukkan perbandingan bad rate segmen dengan bad rate portofolio secara keseluruhan.
Bagaimana membedakan segmen berisiko dari hasil yang kebetulan?
Tool ini menguji setiap segmen terhadap bagian portofolio lainnya dan menyesuaikan pengujian dengan jumlah segmen yang diuji. Segmen ditandai jika bad rate-nya lebih tinggi daripada bad rate portofolio dan perbedaannya tidak dapat dijelaskan oleh kebetulan pada tingkat keyakinan yang dipilih.
Mengapa debitur bermasalah terkonsentrasi di beberapa toko atau channel?
Bad rate portofolio secara keseluruhan dapat menyamarkan perbedaan antarkelompok. Perbandingan bad rate berdasarkan atribut dapat menunjukkan tempat debitur bermasalah terkonsentrasi, tetapi segmen hanya menjadi titik untuk ditelusuri, bukan penyebab.