Machine learning in creditmanagement

Wat is machine learning

Machine learning is kort gezegd het voorspellen van resultaten door grote hoeveelheden data te analyseren en hierin op zoek te gaan naar patronen en verbanden. Een van de meest bekende toepassingen van machine learning is het voorspellen van het weer. Door de aanwezigheid van de enorme hoeveelheden (historische) data en de vele variabelen kan machine learning een nauwkeurige voorspelling maken van het weer.

Machine learning is geen artificial intelligence‎

Artificial Intelligence‎ (kunstmatige intelligentie), beter bekend als AI, is een hot item deze dagen. Iedereen pretendeert iets met AI te kunnen of te doen. De term AI wordt vaak ten onrechte gebruikt door organisaties. Zij verwarren dit met machine learning. Artificial Intelligence (AI) is namelijk de simulatie van menselijke intelligentie door software. Ofwel het opkweken van kennis van een specifiek onderwerp. Deze intelligentie omvat leren, redeneren en zelfcorrectie. Intelligentie die alleen nog is weggelegd voor bedrijven met enorme (reken)capaciteiten zoals Google, IBM en Amazon.

Hoe kun je machine learning inzetten voor jouw organisatie

Machine learning helpt organisaties bij het analyseren van grote hoeveelheden data (big data). Door machine learning op de juiste manier toe te passen, kan het onder andere helpen bij het optimaliseren van marketingactiviteiten, uitvoeren van financiële analyses, inplannen van preventief onderhoud aan machines en het voorspellen van betaal- en klantgedrag.

Financiële analyses

Door de grote hoeveelheden data kan machine learning worden ingezet voor financiële analyses. In de financiële wereld wordt al op grote schaal gebruik gemaakt van machine learning. Zo zie je machine learning terugkomen in aandelenhandel, bij het afsluiten van leningen en het opsporen van fraude.

Voorspellen van onderhoud

Bij productiebedrijven wordt vaak preventief en correctief onderhoud gepleegd. Dit onderhoud is gemoeid met hoge kosten. Met behulp van machine learning kunnen betekenisvolle inzichten en patronen worden gevonden die verborgen zijn in de fabrieksgegevens. Hierdoor is het mogelijk om preventief onderhoud te plegen waardoor het risico op uitval wordt gereduceerd.

Marketing optimalisatie

Op het gebied van marketing kun je veel met machine learning doen. Er worden grote hoeveelheden data verzameld waaruit goede analyses kunnen worden gemaakt. Neem bijvoorbeeld advertenties. Machine learning kijkt op basis van historische data welke advertenties het best presteren en waar deze worden getoond. Zo kan de marketeer zich focussen op de content van de advertenties en webpagina’s en doet machine learning de optimalisatie van de plaatsing.

Machine learning in creditmanagement

In het creditmanagement speelt machine learning een steeds belangrijkere rol. De mogelijkheid om het betaal- en klantgedrag te voorspellen heeft voor een organisatie en haar klanten een groot voordeel. De organisatie weet wanneer en met welke betaalmethode de klant het best benaderd kan worden. De klant kan eenvoudig, met de voor hem of haar ideale betaalmethode, de factuur voldoen.

Betaalverzoek met de hoogste waarschijnlijkheid van betaling

Om tot een juiste voorspelling te komen maakt machine learning gebruik van duizenden opties. Denk hierbij aan: type bericht, tijdstip en tone of voice. Naast deze opties wordt er ook rekening gehouden met de variabelen van het betaalverzoek. Als laatst, maar zeker niet het minst belangrijk, wordt er gekeken naar het profiel van de klant. Dit alles samen resulteert in het betaalverzoek met de hoogste waarschijnlijkheid van betaling. Op deze manier genereert machine learning een uniek aanmaantraject voor elke klant. Dit traject wordt ook wel microsegmentatie genoemd.