600K
USD ahorrados cada año
El impacto positivo estimado cada año del sistema ML que creamos fue de más de USD 600,000
8.6%
Aumento de ingresos
El ML pudo predecir con precisión posibles morosos de préstamos, aumentando así los ingresos
22%
Reducción de esfuerzo
El esfuerzo, el tiempo y el dinero necesarios para perseguir a los morosos de préstamos se redujeron drásticamente
La compañía de préstamos para automóviles con sede en los EE. UU. Poseía ingresos que superaban los USD 140 millones. Sin embargo, tuvieron que trabajar con un departamento que trató de llamar a los morosos e incluso visitarlos para que pagaran. Pocas veces lo lograron
El cliente es un gigante de TI de $ 20 mil millones con operaciones en todo el mundo que brinda servicios de TI de misión crítica. Con operaciones en 70 países a nivel mundial, el cliente impulsa la innovación en el mundo de TI. El cliente tiene más de 130.000 empleados en todo el mundo y es líder mundial en servicios de TI de Fortune 500.
RESUMEN DEL PROYECTO
Habiendo entendido el desafío, trabajamos con los equipos internos para ver si podían identificar un patrón entre los morosos. Mediante el uso de sistemas avanzados de aprendizaje automático y la realización de datos, análisis e información vigorosos, creamos un modelo que podría predecir los clientes que probablemente incumplirían
RETOS
El desafío clave en este caso fue la complejidad para obtener el préstamo moroso.
El cliente no pudo identificar qué clientes es probable que no paguen los préstamos.
Con el aumento de morosos, tenía que haber un aumento de las operaciones
Los ingresos se invirtieron en perseguir a los morosos a través de varios medios.
SOLUCIÓN
A través del aprendizaje automático, pudimos
Construir un modelo que fue capaz de predecir posibles morosos de préstamos
El sistema ML hizo predicciones semanales y se ajustó a sí mismo
Los datos que evaluamos incluyeron historial de préstamos, historial de pagos, correos electrónicos y llamadas.
Descargue el estudio de caso para saber más sobre los beneficios que entregamos y cómo ejecutamos este proyecto
XXXXXXXXXXXXXXXXXXXXXXXXXX
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
Respuesta al incidente
Lorem ipsum dolor sit amet, consectetur adipiscing elit. consectetur adipiscing elit.
.