Aufrufe
vor 3 Jahren

01 | 2012 NEWS

  • Text
  • Experten
  • Banking
  • Technologie
  • Sicherheit
  • Msggillardon
  • Ikano
  • Basel
  • Anforderungen
  • Banken
  • Produkte
  • Analyse
  • Informationen
  • Operational
Emotional oder rational

u Business u

u Business u Unternehmenssteuerung Für die univariaten Analysen wurden aufgrund der metrischen Gestalt der Zielgröße in Abhängigkeit der Charakteristika der unabhängigen Variablen die Verfahren des t-Tests und der linearen Regression verwendet. So wurde für metrisch skalierte Merkmale die univariate lineare Regression eingesetzt, deren Bestimmtheitsmaß einen guten Indikator für die Trennschärfe eines Merkmals liefert 8 . Anhand des Streuungsdiagramms zwischen den Ausprägungen der Zielvariablen und des jeweiligen abhängigen Merkmals wurde zudem überprüft, ob ein linearer Zusammenhang zwischen den Merkmalen besteht bzw. ob eine Klassifizierung des Merkmals durchgeführt werden muss, um den linearen Zusammenhang herzustellen. In der nachfolgenden Grafik ist der SAS-Output der univariaten linearen Regression exemplarisch für ein Merkmal dargestellt. Es wird deutlich, dass kein eindeutiger linearer Zusammenhang zwischen dem Merkmal und den durchschnittlichen monatlichen Umsätzen zu beobachten ist. Dieses Merkmal ist somit als Erklärungsvariable für das Inkasso-Scoring nicht geeignet und wurde folgerichtig aus der Modellentwicklung ausgeschlossen. bzgl. der Zielvariablen besitzen. Diese Merkmale werden als Input für die multivariaten Analysen herangezogen. Im ersten Schritt der multivariaten Analyse wurde zunächst auf Korrelationen zwischen den Merkmalen getestet, da diese zu Verzerrungen in der linearen Regression führen können. Traten hohe Korrelationen zwischen einzelnen Merkmalen auf, wird eines der betroffenen Merkmale aus dem Modell entfernt. Die verbleibenden Merkmale werden in die lineare Regression integriert. Die finale Gestalt des Modells wurde mittels des sogenannten Stepwise-Algorithmus ermittelt. Dieser Algorithmus entfernt sukzessive aus der Liste der Merkmale diejenigen Variablen, die keinen wesentlichen Beitrag zu der Trennschärfe des Modells liefern, bzw. fügt die Variablen hinzu, die eine Erhöhung der Trennschärfe des Modells implizieren. Können keine weiteren Merkmale zur Trennschärfesteigerung dem Modell hinzugefügt bzw. aus dem Modell entfernt werden, stoppt der Algorithmus und gibt das optimale Modell aus, wobei dann sämtliche Merkmale bzw. deren Ausprägungen zu einem festgelegten Signifikanzniveau verbleiben. Durch die initiale Validierung konnten die Ergebnisse aus der Modellentwicklung entsprechend bestätigt werden, sodass keine weiteren Anpassungen erforderlich waren. Das weiterentwickelte Inkasso-Scoring bei der Bausparkasse wird aus zehn Merkmalen bildet. Aufgrund der Charakteristika der Inkassotätigkeiten haben sich vier Merkmalskategorien als besonders bedeutend erwiesen: Abbildung 3: SAS-Output der univariaten linearen Regression Als Resultat der univariaten Analyse, die für sämtliche zur Verfügung stehenden Merkmale durchgeführt wurde, ergab sich eine verkürzte Liste an unabhängigen Merkmalen, auch Short List 9 genannt, deren Ausprägungen einen wesentlichen Erklärungsgehalt > > Merkmale, die das bisherige Zahlungsverhalten des Kunden charakterisieren, z. B. die Existenz vorheriger Zahlungen, > > Merkmale, die die Existenz von Pfändungsrechten bzw. Abtretungen angeben, z. B. die Abtretung der Rente, > > Merkmale, die die Vermögenssituation des Schuldners beschreiben, z. B. das monatliche Einkommen, sowie > > Merkmale, die Vertragsinformationen beinhalten, z. B. die Höhe der ausgebuchten Forderung. 18 I NEWS 01/2012

Business t Unternehmenssteuerung t Um auf Basis des Outputs des Modells einen geeigneten Maßnahmenkatalog erstellen zu können, wurde im nachfolgenden Schritt eine Einteilung zu verdichteten Beurteilungsklassen entwickelt, die auf den Ergebnissen der linearen Regression aufsetzt. So wird in Zukunft jeder Schuldner anhand seiner Prognose in eine von fünf Klassen eingeteilt, anhand derer die durchzuführenden Maßnahmen definiert werden. Die Anzahl und die Einteilung der Klassen wurden hierbei so gewählt, dass eine klare Differenzierung zwischen den durchschnittlichen monatlichen Umsätzen zwischen den Klassen gewährleistet und dennoch jede Klasse ausreichend besetzt ist. Nutzen und Ausblick Das weiterentwickelte Inkasso-Scoring und die Einteilung der Schuldner in fünf Klassen, die die durchzuführenden Maßnahmen definieren, ermöglichen eine kostenschonende und effiziente Abwicklung der Inkassotätigkeiten. So werden kostspielige Maßnahmen nur für die Schuldner mit einer hohen Prognose bzgl. der erwarteten Zahlungsströme eingesetzt. Zudem kann anhand der Ausgestaltung der linearen Regression bestimmt werden, welche Variablen einen hohen Einfluss auf die prognostizierten Umsätze ausüben. Hieraus lässt sich ein deutlich besseres Verständnis der wesentlichen Treiber der Erlöse ableiten, das dem Sachbearbeiter eine bessere Einschätzung der Zahlungskraft des Schuldners ermöglicht und folglich auch die Verhandlungsbasis gegenüber den Schuldnern optimiert. Abbildung 4 zeigt, dass auf Basis des neuen Scorings eine wesentlich bessere Differenzierung zwischen den Schuldnern gewährleistet ist. Auf Basis des alten Modells wurde lediglich primär in sehr gute Kunden und schlechte Kunden unterschieden. Zwischen den alten Score-Klassen „B“ und „C“ ist nur eine minimale Differenzierung zu beobachten, die zudem nicht der fachlichen Wirkungsrichtung entspricht. 50 A B C A1 A2 A3 B C Abbildung 4: Durchschnittliche monatliche Umsätze auf Basis der alten (links) und der neuen (rechts) Klassifizierung Mit dem weiterentwickelten Modell können diese Informationen auch in der Gesamtbanksteuerung oder dem Risikomanagement verwendet werden. Aufgrund der langen Zeitdauer der Inkassomaßnahmen und der daraus resultierenden Zahlungsströme besteht z. B. die Möglichkeit, die internen Modelle zur Verlustquotenprognose (LGD) ebenfalls mit dieser Information anzureichern. Dadurch erhält man eine über den gesamten Lebenszyklus gehende Prognose, die wiederum zur Ermittlung des Risikovorsorgebedarfs oder aber auch zur Eigenkapitalunterlegung verwendet werden kann. Autoren Christian Maaß Management Beratung, msgGillardon AG > +49 (0) 89 / 943011 - 2865 > christian.maass@msg-gillardon.de 8 Für kategoriale Merkmale wird der multiple t-Test nach Bonferroni verwendet, um die Merkmale auf ihren Erklärungsgehalt bzgl. der durchschnittlichen monatlichen Umsätze zu überprüfen. 9 Im Vergleich zur Short List gibt es die Long List, die sämtliche erhobene Andreas Mach Management Beratung, msgGillardon AG > +49 (0) 89 / 94 3011 - 1523 > andreas.mach@msg-gillardon.de Merkmale enthält. NEWS 01/2012 I 19

msg

01 | 2018 public
02 | 2017 public
01 | 2017 public
02 | 2016 public
01 | 2016 public
02 | 2015 public
01 | 2015 public
01 | 2014 public
01 | 2014 msg systems study
01 | 2015 msg systems Studienband
Future Utility 2030
Lünendonk® Trendstudie
Digitale Transformation | DE
Digital Transformation | EN
DE | inscom 2014 Report
EN | inscom 2014 Report

msgGillardon

02 | 2018 NEWS
03 | 2016 NEWS
02 | 2016 NEWS
01 | 2016 NEWS
03 | 2015 NEWS
02 | 2015 NEWS
01 | 2015 NEWS
02 | 2014 NEWS
01 | 2014 NEWS
02 | 2013 NEWS
01 | 2012 NEWS
02 | 2011 NEWS
01 | 2010 NEWS
MaRisk
01 | 2017 banking insight
01 | 2015 banking insight
01 | 2014 banking insight
01 | 2013 banking insight
01 | 2012 banking insight
02 | 2011 banking insight
01 | 2011 banking insight
01 | 2010 banking insight
2018 | Seminarkatalog | Finanzen

Über msg



msg ist eine unabhängige, international agierende Unternehmensgruppe mit weltweit mehr als 6.000 Mitarbeitern. Sie bietet ein ganzheitliches Leistungsspektrum aus einfallsreicher strategischer Beratung und intelligenten, nachhaltig wertschöpfenden IT-Lösungen für die Branchen Automotive, Banking, Food, Insurance, Life Science & Healthcare, Public Sector, Telecommunications, Travel & Logistics sowie Utilities und hat in über 35 Jahren einen ausgezeichneten Ruf als Branchenspezialist erworben.

Die Bandbreite unterschiedlicher Branchen- und Themenschwerpunkte decken im Unternehmensverbund eigenständige Gesellschaften ab: Dabei bildet die msg systems ag den zentralen Kern der Unternehmensgruppe und arbeitet mit den Gesellschaften fachlich und organisatorisch eng zusammen. So werden die Kompetenzen, Erfahrungen und das Know-how aller Mitglieder zu einem ganzheitlichen Lösungsportfolio mit messbarem Mehrwert für die Kunden gebündelt. msg nimmt im Ranking der IT-Beratungs- und Systemintegrationsunternehmen in Deutschland Platz 7 ein.


© 2018 by msg systems ag - powered by yumpu Datenschutz | Impressum