Data Department, 2023 yılında Avrupalı bir fintek kredi pazaryerinin ekibine üç-dört ay boyunca dahil olarak çalıştı. Pazaryeri, hizmet olarak yazılım (SaaS, software as a service) şirketlerine gelire dayalı finansman sunuyor. Finansman yaklaşımını analiz ettik ve iki modül geliştirdik: Finansman seçeneğinin parametrelerinden geri ödeme planı üreten bir modül ve borçlunun kendi sistemlerinden alınan verilerle kredi riskini puanlayan bir modül.
Gelire dayalı finansman nedir?
Gelire dayalı finansman, bir şirketin ortaklık payı vermeden finansman bulmasının bir yoludur. Bu pazaryerinin modelinde SaaS şirketi bugün finansman alır, karşılığında gelecekteki düzenli (abonelik) gelirinin bir payını satar. Şirketin hisselerini satmaz.
Bu modelin cazibesi genel olarak açıktır. Düzenli abonelik geliri olan yazılım şirketleri; işe alım ya da pazarlama gibi büyüme harcamalarını, ortaklarının payını sulandırmadan finanse edebilir. Finansmanı sağlayanın sorusu da aynı ölçüde nettir: Bu şirket, finansmanı geri ödeyecek geliri elde etmeye devam edecek mi?
Karar neydi?
Bir kredi pazaryeri, başvuran her şirket için iki karar verir:
- Belirli bir finansman seçeneğinde geri ödeme planı nasıl oluşur?
- Bu borçlu ne kadar riskli ve bu seçenek sunulmalı mı?
İki kararın da çok sayıda başvuruda tutarlı ve tekrarlanabilir biçimde verilmesi gerekir. Bu kararları elle, hesap tablolarıyla vermek hem yavaştır hem de denetlenmesi zordur.
Ne geliştirdik?
| Modül | Ne yapar |
|---|---|
| Geri ödeme planı üretici | Finansman seçeneğinin parametrelerini alır, geri ödeme planını üretir |
| Kredi riski skorlaması | Lojistik regresyonla temerrüt olasılığını, yani borçlunun ödeyememe ihtimalini tahmin eder |
| Veri girdileri | Borçlunun sistemlerinden alınan muhasebe, bankacılık ve ticaret verileri |
| Veri bağlantısı | Bu verileri o sistemlerden çeken bir finansal veri API'si (uygulama programlama arayüzü) |
Neden lojistik regresyon? Lojistik regresyon, bir dizi girdiyi olasılığa dönüştüren, iyi bilinen bir istatistiksel modeldir. Kredi işinde, mantığı kredi ekiplerine ve denetçilere açıklanabilen bir model, açıklanamayan biraz daha karmaşık bir modelden genellikle daha değerlidir.
Neden borçlunun sistemlerinden veri? Muhasebe, bankacılık ve ticaret verileri, bir şirketin gerçekte nasıl kazandığını ve harcadığını gösterir. Geri ödemesi gelecekteki gelire bağlı olan bir finansman için bu, başvuru formundaki beyanlardan çok daha doğrudan bir kanıttır.
Sonuçlar
- Çalışma biçimi: 2023'te üç-dört ay boyunca müşteri ekibine dahil olarak.
- Geliştirilenler: Geri ödeme planı üretimi ve kredi riski skorlaması modülleri.
Bu proje için performans rakamı paylaşmıyoruz. Projenin değeri, iki temel kredi kararı için açıklanabilir bir altyapının kurulmasıydı.
Çıkardığımız dersler
Bu dersler, kredi ve risk projelerine genel yaklaşımımızdan geliyor.
Kredide açıklanabilirlik önemlidir. Kredi kararları gerçek işletmeleri etkiler ve sıkça incelenir. İnsanların takip edebildiği sade bir modele güvenmek, itiraz etmek ve onu geliştirmek daha kolaydır.
Veri bağlantısı işin önemli bir bölümünü oluşturur. Birbirinden farklı pek çok borçlu sisteminden tutarlı veri çekmek, çoğu zaman modelin kendisinden daha zordur. Bu nedenle veri bağlantısı en baştan planlanmalıdır.
İlgili çalışmalar için finans ve sigorta sayfamıza, müşteri ekipleriyle yan yana nasıl çalıştığımızı görmek için yapay zekâ stratejisi danışmanlığı sayfamıza bakabilirsiniz.
Sık sorulan sorular
Data Department kredi pazaryeri için ne geliştirdi?
İki modül geliştirdi: Finansman seçeneğinin parametreleriyle çalışan bir geri ödeme planı üretici ve lojistik regresyonla kurulan bir kredi riski (temerrüt olasılığı) skoru.
Risk modeli hangi verileri kullandı?
Borçlunun sistemlerinden finansal veri API'si (uygulama programlama arayüzü) aracılığıyla alınan muhasebe, bankacılık ve ticaret verilerini kullandı.
Bu proje için performans rakamları var mı?
Hayır. Neyin geliştirildiğini paylaşıyoruz; doğruluk ya da iş sonucu rakamı paylaşmıyoruz.