Scoring so trennscharf wie nie – So funktioniert der neue Consumer Delphi Score
Scoring-Modelle vergleichen und bewerten Daten und erstellen daraus eine Vorhersage des kunden-individuellen Zahlungsrisikos. Mit dem neuen Consumer Delphi Score (CDS) wird diese Bewertung auf ein völlig neues Level gehoben. Mit dem CDS lässt sich die Prognosegüte um bis zu zehn Prozentpunkte gegenüber bisherigen Scores steigern. Dadurch können Unternehmen bei gleichem Zahlungsausfall-Niveau mehr Umsatz generieren – ohne zusätzliche Aussteuerungen vornehmen zu müssen.
Wie Arnd und sein Team den Score optimiert haben, erklärt er Ihnen anschaulich in unter sieben Minuten in einer Whiteboard-Session.
Jetzt Video ansehen und unverbindlichen Datentest vereinbaren
Arnd Winter, Senior Product Manager bei Experian und Projektleiter des Consumer Delphi Score, erklärt, was den neuen Hochleistungsscore ausmacht.
Arnd, was ist das Besondere am neuen Consumer Delphi Score?
Mit dem CDS verfolgen wir im Risikomanagement erstmals einen integrativen Ansatz. Bisher gab es für die Bewertung des Zahlungsrisikos separate Komponenten für Betrug, Identität und Bonität. Diese Komponenten haben wir nun im Consumer Delphi Score erweitert und gebündelt. Damit erhalten wir nicht nur ein deutlich präziseres Ergebnis, sondern ermöglichen auch langfristig ein sehr hohes Qualitätsniveau bei Bewertungen von Anfragen – und das für jegliche Anwendungsfälle in den unterschiedlichsten Branchen, sei es im E-Commerce, bei Zahlungsanbietern, in der Telekommunikation, bei Versicherungen, Finance & Payment oder Utilities.
Ein Score für jede Branche. Wie ist das möglich?
Wir setzen auf hohe Flexibilität. Der Consumer Delphi Score ist kein One-size-fits-all-System, sondern individuell auf die Branche des jeweiligen Kunden abgestimmt. Er ist flexibel auf die unterschiedlichen Branchenbedürfnisse angepasst und kann seine Leistung so voll ausspielen.
Wie garantieren Sie die dauerhafte Präzision, also die Score-Qualität?
Mit der Zeit nimmt die Qualität eines Scores ab, da sich externe Bedingungen wie zum Beispiel Betrugsmuster ändern. Also muss der Score stetig optimiert und weiterentwickelt werden. Wir führen regelmäßig Score-Validierungen und Score-Updates durch und prüfen zudem im Score-Monitoring und -Alerting kontinuierlich, ob der Score den Erwartungen entsprechend performt. Die von uns gemessene Score-Qualität (Gini) übertrifft dabei bislang all unsere Erwartungen.
Wie erreichen Sie die extrem hohe Trennschärfe?
Der Schlüssel ist die intelligente Datennutzung und -verknüpfung. Hier haben unsere Data Scientists ganze Arbeit geleistet. Ohne viel zu programmieren, sondern mit reiner Konfiguration haben sie mehr als 2.900 Merkmale gebildet. Diese decken alle Datenebenen ab, von der Anzahl an verwendeten E-Mailadressen bis hin zu vielfältigen Transaktionskennzahlen, und zeichnen damit ein ganzheitliches Bild. So lässt sich das Zahlungsverhalten besser prognostizieren. Die exzellente Trennschärfe wird auch durch die Beachtung kleinster Nuancen erzielt: Wenn sich zum Beispiel ein zahlungswilliger Stammkunde in seiner E-Mail-Adresse vertippt hat, wird dies nicht sofort als verdächtig eingestuft.
Die Score-Berechnung erfolgt live in unter einer halben Sekunde, das ist nahezu Echtzeit.