Effektivare affärsprocesser genom scoring
I Sverige talas det allt oftare om scoring som en del av företagens affärsprocesser. Inte minst beror det tilltagande intresset på de nya kapitaltäckningsreglerna i enlighet med Basel II, då en del av bankerna har konstruerat scoringmodeller för att räkna ut risken i bankens olika utlåningsportföljer. Så vad innebär då scoring ? Och på vilket sätt kan scoring effektivisera företagens affärsprocesser med ökad lönsamhet som följdeffekt?
I allmänhet kan sägas att scoring via en statistisk modell, en så kallad scoringmodell, utgår från en metodik där all väsentlig information – på säkrast möjliga sätt – vägs samman till en enda siffra som speglar en persons, eller ett företags, framtid i något avseende. För att komma fram till ett optimalt sätt används statistiska verktyg och statistisk metodik. Utan att gå in i detalj på vad som avses så är det en ekvation som räknar ut vad som är optimalt utifrån det som ska prognostiseras. Scoringmodellen ger en matematisk formel som kan användas idag för att beräkna vad som är sannolikt imorgon. Ett exempel på en praktisk tillämpning är att en person som har haft en betalningsanmärkning för två år sedan sannolikt har en högre risk att få ytterligare en betalningsanmärkning jämfört med en person som aldrig haft en sådan anmärkning.
Ett annat exempel på scoring, inom medicin, är att läkarna idag har ett verktyg för att räkna ut sannolikheten att en patient ska dö i hjärtinfarkt i framtiden. Läkaren mäter kolesterolhalt och blodtryck, sammanför vidare dessa värden med kön, ålder och ytterligare information om exempelvis patientens rökvanor. Ut kommer en prognos, men även en alternativ prognos: hur framtiden skulle kunna se ut om patienten slutade röka, motionerade mer, eller åt mindre fet mat.
Många företag inom en mängd olika branscher använder idag scoringmodeller för att hitta sannolika köpare av produkter och tjänster via direktreklam och/eller telefonförsäljning. Det är inte särskilt kostnadseffektivt att chansa på vilka målgrupper som har störst potential, utan det handlar om att skaffa sig kunskap om vilka personer som sannolikt kommer att köpa de aktuella produkterna eller tjänsterna. Genom att öka sin kännedom om personernas historiska beteenden kompletterat med basfakta får man en solid grund för sin selektering.
För att lyckas med sin scoringmodell är det av stor vikt att, över tid, samla på sig information utifrån tidigare kampanjer för att lära sig vad som kan tänkas ”trigga” ett framtida köp. Att ha information om tidigare beteenden, som exempelvis när i tiden kunden senast gjorde ett inköp, hur mycket kunden köpte för och om detta är en kund som brukar köpa, är i sammanhanget mycket värdefull. Detta kompletterat med basfakta – ålder, kön, inkomst och boendeort – ger en ännu mer komplett beskrivning bild om vilka kunder som ska bearbetas. I marknadsföringskretsar brukar detta benämnas Database Marketing.
Endast en handfull aktörer med affärsverksamhet inom kreditområdet har idag scoringmodeller inom samtliga fyra delar av den tillhörande affärsprocessen:
• Marknadsbearbetning – vilka svarar sannolikt på ett erbjudande?
• Ansökanshantering – vilka ska få krediter och till vilken ränta?
• Portföljriskmätning – vilka ska bevakas mer kontinuerligt när de har fått en kredit?
• Inkassohantering – vilka betalar när de hamnat på inkasso?
Scoringmodeller återfinns även inom ramen för låneansökansprocesser, där användandet över tid vuxit i relativt stor utsträckning. Bankerna vill veta om de ska ge kredit eller inte beroende på den enskilda risken vid ansökanstillfället. En hög risk kan betyda högre ränta för att i större utsträckning klara troliga framtida förluster.
För att möjliggöra införandet av scoring som en del av bankens vardag krävs fullt mandat från företagets ledning eftersom nya arbetssätt, till följd av automatiserade processer via scoring, också kräver djup förståelse och kunskap bland bankens medarbetare. En scoringmodell som är integrerad i den dagliga verksamheten innebär en högre grad av automatiserade processer. Dessa bidrar till att bankerna kan bli mer effektiva och i större utsträckning lägga ned arbete på rätt saker.
Traditionen av att effektivisera sina processer med hjälp av scoringmodeller sträcker sig långt tillbaka bland de största aktörerna i USA och England. De har därmed också konstaterat att investeringarna till grund för detta – exempelvis modellkompetens, IT – också på sikt innebär fördelar för verksamheten.
Karl Källberg, är ansvarig för UC:s Modell och Tjänsteutveckling, han har även erfarenhet
av Basel II implementationer.
