Case Study: Il Credit Scoring negli Istituti di Credito

Nel tempo gli istituti finanziari hanno raccolto dati dettagliati relativi ai clienti - spesso inseriti in più database ed in vari formati. Soltanto grazie alle recenti evoluzioni della tecnologia di databasing e dei software di data mining, gli istituti finanziari hanno acquisito gli strumenti analitici necessari per la gestione dei rischi sulla base di tutte le informazioni disponibili, e per l'esplorazione di una vasta gamma di scenari. Negli ultimi anni, le strategie di business nel campo del settore bancario si sono sviluppate molto più rapidamente di quanto si siano sviluppate in precedenza.

STATISTICA Data Miner consente alle istituti finanziari di:

• Determinare i tipi di frode.
• Identificare le cause di rischio; creare modelli sofisticati e automatici di rischio.
• Segmentare e prevedere il comportamento di gruppi omogenei (simili) di clienti.
• Scoprire le correlazioni nascoste esistenti tra indicatori differenti.
• Creare modelli per la determinazione dei prezzi di future, opzioni, e stock.
• Ottimizzare il rendimento del portafoglio.

Strumenti e Tecniche di Data Miner

Attraverso il Classificatore Generale e gli strumenti di Regressione di STATISTICA Data Miner è possibile prevedere i comportamenti dei clienti al fine di individuare le regole per l'organizzazione della clientela in classi o in gruppi. È possibile scoprire chi siano i clienti più vantaggiosi e fedeli, e quelli invece meno propensi a prestiti o che mancano più facilmente i pagamenti. Attraverso l'applicazione di tecniche allo-stato-dell'arte è possibile costruire e confrontare un'ampia varietà di modelli lineari, non lineari, ad alberi decisionali, o a reti neurali.

Grazie alle opzioni contenute nel modulo di Analisi dei Gruppi e di Raggruppamento EM (Expectation Maximization) Generalizzato e K-means è possibile riconoscere le tipologie, i segmenti, e i gruppi. I metodi di raggruppamento, ad esempio, consentono di costruire un modello di segmentazione dei clienti a partire da grandi insiemi di dati. Attraverso i diversi metodi per la mappatura dei clienti e/o delle caratteristiche e delle interazioni dei clienti, come lo scaling multidimensionale, l'analisi fattoriale, l'analisi di corrispondenza, ecc., è possibile individuare le regole generali da applicare alle operazioni relative al cliente.

Il potente Esploratore Generale di Reti Neurali di STATISTICA Data Miner offre strumenti che includono la classificazione, l'individuazione di strutture nascoste, e la previsione, in coppia con un Intelligent Wizard che fa sembra semplici anche i problemi più complessi e le analisi più avanzate.

Con il modulo di Selezione delle Caratteristiche e di Filtraggio delle Variabili inclusi in Data Miner è possibile individuare le variabili più importanti tra migliaia di potenziali misure, o semplificare le variabili e gli insiemi di dati attraverso l'uso dell'Analisi delle Componenti Principali o dei moduli ai Minimi Quadrati Parziali.

STATISTICA Data Miner include inoltre i metodi più avanzati di previsione disponibili sul mercato:

Regressione Multipla Lineare e Non Lineare con funzioni di collegamento, Reti Neurali, ARIMA, Medie Mobili Pesate Esponenzialmente, Analisi di Fourier, e molti altri. Quando si applicano tecniche allo-stato-dell'arte di data mining come i modelli lineari generalizzati o additivi, gli Spline MAR, le reti ad albero (alberi boosted), ecc.,  è possibile ricavare una grande quantità d'informazioni dai dati disponibili, fornire servizi migliori, e guadagnare vantaggi competitivi.