Die Operationalisierung von Machine Learning Modellen

Challenge

Prozessoptimierung – Effizienzgewinn durch Intelligente Automatisierung

Der intelligente Einsatz von Advanced Analytics, Automatisierung und Machine Learning wird für Banken bei der Betrugsprävention immer wichtiger. Nur so lassen sich gigantische Datenmengen effizienter als bisher analysieren, leichter verdächtige Muster aufdecken und potenzielle Risiken frühzeitig erkennen. Das reduziert den Aufwand, steigert die Effizienz und senkt die Kosten. Allerdings stellt vor allem die Operationalisierung von Machine Learning Modellen Unternehmen vor große technische Herausforderungen. Das Fallbeispiel der Einführung einer automatisierten Verdienstnachweiskontrolle im Kreditrisikobewertungsprozess bei den Volkswagen Financial Services zeigt, wie dies durch den Einsatz der ACTICO Decision Management Platform optimal gelingen kann: Die Lösung liegt in der Kombination von menschlich geschaffenen Regel-Modellen und Machine Learning Algorithmen.

 

Digitale Prozesse & Machine Learning

Die hohe Anzahl manueller Prüfungen von Verdienstnachweisen bindet personelle Ressourcen, die andere höherwertige Aufgaben wahrnehmen könnten.

Durch die Einführung digitaler Prozesse, Advanced Analytics (AA) und Machine Learning sollte die Zahl der manuellen Prüfungen reduziert und somit die Effizienz erheblich gesteigert werden.

Solution

Operationalisierung von Machine Learning Modellen

• Entwicklung eines statistischen Prognosemodells auf Basis von Machine Learning Algorithmen, das die Betrugswahrscheinlichkeit eines Kreditantrags bewertet und somit eine zielgerichtete Aussteuerung auffällige Anträge ermöglicht.
• Operationalisierung des Prognosemodells.

Impact

Business Value

• Effizienzgewinn: Die Zahl manueller Kontrollen von Verdienstnachweisen wurden um 80 % gesenkt.
• Durch diese Prozessautomatisierung erzielte VW FS ein jährliches Einsparvolumen in Höhe von über 1 Million Euro.