Scorings com base em Machine Learning aumentam em 30% a eficiência operacional na concessão de crédito

O DESAFIO

Um banco com forte atuação no setor de financiamento de automóveis tinha como desafio simplificar a jornada de aprovação de crédito com intuito de agilizar o processo de decisão e ofertar soluções customizadas, automatizando ainda mais seus processos.

A acirrada competição no mercado de veículos e a inadimplência nesse segmento apresentou crescimento. Por isso, além da qualidade na concessão de crédito, flexibilidade e agilidade na resposta, a autonomia para poder alterar ou implementar qualquer tipo de mudança de scorings é crucial para obter maior conversão de ofertas e entregar experiência positiva aos clientes.

O banco queria reduzir o tempo de resposta das propostas de financiamento de veículos para ganhar vantagem competitiva frente à concorrência. Para isso, passou a utilizar modelos de scoring com base em machine learning, possibilitando a oferta de soluções adequadas a cada perfil de cliente. Porém, tinha dificuldades operacionais para integrar esses modelos na política de crédito. 

Era necessário, portanto, ter uma estrutura tecnológica robusta, rápida e flexível para integrar os modelos de scorings de machine learning do banco e, assim, oferecer crédito de melhor qualidade e com decisões muito mais ágeis.

A SOLUÇÃO

O banco utiliza a solução Crivo, robusta plataforma de decisão da TransUnion, que viabiliza o acesso a mais de 7.000 integrações nativas. Em parceria, os times da instituição, em conjunto com a TransUnion, analisaram os desafios da área de negócio em busca de novas oportunidades na diminuição do tempo de resposta ao usuário final e agilidade na aplicação de modelos de scoring baseados em machine learning.

A TransUnion conseguiu atender a esses pontos ao desenvolver o Crivo AI, funcionalidade capaz de integrar modelos estatísticos de machine learning à plataforma de decisão Crivo, incluindo políticas de crédito, em ambiente produtivo e de forma rápida. O banco se adequou ao dinamismo do mercado ao atualizar suas estratégias de financiamento de veículos e ofertar ao usuário final taxas e serviços adequados para diferentes perfis, além de reduzir a inadimplência.

O Crivo AI foi criado para integrar diferentes técnicas analíticas (xgboost, random forest, regressão) às políticas de decisão e dar autonomia para os times de analytics implantarem e substituirem os modelos a qualquer momento.

O RESULTADO

Como resultado, o banco aumentou sua eficiência operacional em 30%, reduziu em 10% o número de inadimplência e ainda ganhou 30% de market share. Um conjunto de fatores que ajudou a instituição a oferecer melhor atendimento de forma mais eficiente.

“O que diferencia a TransUnion no mercado é estar aberta a novas oportunidades, aceitando os desafios dos clientes. Nos ouviram, entenderam a demanda e desenvolveram uma solução exclusiva. Como resultado, conseguimos reduzir em 10% o número de inadimplência e ainda ganhar 30% de market share”