Credit Scoring : 10e partie – Grand angle – Systèmes décisionnels pour l'entreprise

Blog

Megaphone

Publié

22 nov. 2017

Catégorie

Science des données

Partager

Par : Natasha Mashanovich, Senior Data Scientist chez World Programming, Royaume Uni

Main image

Les articles précédents de cette série ont décrit les éléments clés de la boîte à outils nécessaire pour établir un score de crédit, notamment le modèle de fiche d'évaluation, la stratégie de scoring, la mise en œuvre et la surveillance. En assemblant les pièces de ce puzzle, nous créons une image plus large des systèmes décisionnels pour l'entreprise. Toutefois, cela ne suffit toujours pas pour exécuter le processus complet de décision sur le risque de crédit. Pour compléter l'image du système décisionnel, il nous faut d'autres morceaux du puzzle : traitement des demandes client, collecte de données internes et externes, régulations, modèles analytiques supplémentaires pour la détection des fraudes et la gestion du risque, optimisation, décisions forcées, et autres.

Avec ses trois composants fondamentaux (données, logique et interface), un système décisionnel offre une architecture permettant de traduire des données en décisions effectives en se basant sur des processus décisionnels basés sur les données, les modèles, les connaissances, la communication et les documents. Un système décisionnel n'est utile que s'il peut offrir les fonctionnalités suivantes :

  • automatisation ;
  • sécurité des données et des systèmes ;
  • processus parallèles ;
  • évolutivité permettant de traiter un nombre croissant de processus qui sont faciles à changer et à étendre ;
  • transparence, afin que les spécialistes techniques ou non puissent comprendre, partager, évaluer et contrôler les processus d'entreprise ;
  • hétérogénéité, avec diversité des sources de données, processus synchrones et asynchrones, locaux et distants.

Les décisions professionnelles sont le principal résultat attendu d'un système décisionnel. Les décisions sont « consommées » dans un flux de processus d'entreprise, et peuvent être réutilisées dans d'autres processus. Un mélange de règles métier et d'analyse de données avancée est généralement étudié lors de la création d'un diagramme des conditions pour la décision du risque de crédit (figure 1).

Part10 1.fr fr
Figure 1. Exemple de conditions de décision simplifiées pour le processus de demande de prêt avec BPMN

Les règles professionnelles peuvent être étendues, couvrant les politiques internes et externes, les régulations et les meilleures pratiques. Par exemple, les règles métier peuvent inclure des conditions l'âge, l'emploi, l'historique de crédit, les banqueroutes et cessations de paiement, les règles sur les fraudes, les archives internes sur les produits sortants, et autres.

On parle de décision forcée lorsque la décision professionnelle va à l'encontre des décisions prescrites par la valeur de seuil du score de risque de crédit. Les décisions forcées peuvent autoriser des demandes qui auraient été refusées par la règle, ou refuser des candidats dont le score de risque de crédit est supérieur à la valeur seuil. Les raisons pour lesquelles une décision forcée vient remplacer les scores de modèle sont basées sur des règles et des critères d'exclusion spécifiques à l'entreprise.

De nombreux modèles prédictifs peuvent être utilisés dans un flux de processus d'entreprise évaluant divers éléments de risque, tels que la fraude, le défaut de paiement, la perte de clientèle, ou le calcul des revenus disponibles et de la valeur vie. En outre, il est possible d'ajouter de nombreux niveaux d'optimisation au flux de processus en prenant en compte diverses fonctions objectives telles que la minimisation des frais d'exploitation ou l'optimisation de la marge. L'analyse du retour sur investissement – la mesure de l'impact des décisions professionnelles – peut également faire partie du processus d'entreprise afin d'informer la stratégie décisionnelle optimale.

La gestion et la surveillance des modèles sont aussi des composantes importantes d'un système décisionnel. Pour améliorer la prise de décision, les processus d'entreprise avancés peuvent inclure des techniques analytiques adaptatives à l'aide des fonctionnalités de surveillance des modèles et des algorithmes d'apprentissage automatique. Les fonctionnalités de surveillance des modèles permettent de détecter toute dégradation des modèles prédictifs existants et ainsi de renseigner les modèles d'apprentissage automatique permettant une auto-correction en temps réel. Ceci peut réduire fortement la durée du cycle de gestion du changement et améliorer l'efficacité du processus décisionnel.

Le processus de décision de risque de crédit d'une institution financière peut être entièrement personnalisé et propriétaire. Ceci induit cependant de nombreux risques, notamment une maintenance système complexe, le besoin en ressources humaines adaptées et un coût élevé. Il es également possible d'adopter un système décisionnel du commerce, plus rapide à mettre en œuvre, nécessitant moins de ressources et augmentant la productivité grâce à un investissement technologique.

Les systèmes décisionnels commerciaux sont généralement dotés de fonctionnalités de programmation visuelle et d'une interface graphique permettant aux spécialistes de la science des données et de l'analyse métier, même s'ils n'ont pas de connaissances en programmation, de créer des diagrammes de conditions de décision, de spécifier les paramètres en entrée, de contrôler les sorties du modèle, de mettre en œuvre des règles métier, d'exécuter des processus en parallèle ou de diriger les sorties vers d'autres processus internes ou externes.

Les systèmes décisionnels offrent des avantages notables, tels que la facilité de mise en œuvre, la rapidité des modifications, la conformité réglementaire et la modularité des composants. Ces avantages sont, en quelque sorte, le cerveau d'un corps complexe. Ils orchestrent les mouvements des composants du système.

Ainsi se termine notre série de billets sur le Credit Scoring, décrivant le développement de bout en bout. Nous espérons que vous l'aurez trouvée informative et intéressante. Pour les spécialistes du domaine du risque de crédit, elle peut ouvrir de nouvelles perspectives. Pour les novices, elle devrait offrir un bon point de départ sur la route longue et ardue de la découverte du domaine.

Si vous avez besoin de plus d'informations sur ce domaine ou que vous aimeriez en discuter de manière plus approfondie, n'hésitez pas à nous contacter par e-mail.

P.S. : Nos prochaines publications seront une série de vidéos « Comment... avec WPS Analytics », avec des démonstrations rapides qui compléteront cette série sur le risque de crédit. A bientôt !