Die Maschinen lernen selbst.

Wie geht Inkasso digital? Die Datenanalysten der EOS Holding kennen die Antwort. Ihr Motto: Erfahrung ist gut. Aber mit der richtigen Technologie wird sie noch besser.

Jahresbericht

Lösungen auf der Basis fundierter Erfahrungen zu finden ist keine schlechte Idee. Bei EOS hat das über 40 Jahre lang bestens funktioniert. Wenn ein Kunde eine Forderung übergibt, definieren die bisherigen Inkasso-Systeme, wie Sachbearbeiter am besten vorgehen. Diese schicken dem säumigen Zahler dann beispielsweise einen Brief, weil sie damit in den vergangenen Jahrzehnten gute Erfolge erzielt haben. Doch jetzt kombiniert EOS sein Know-how im Forderungsmanagement mit algorithmischen Modellen und maschinellem Lernen. Die zentrale Anlaufstelle der EOS Gruppe für die Datenanalyse ist seit Juni 2017 das Center of Analytics (CoA) in Hamburg. Sein Ziel: „Wir werden künftig noch präzisere, objektivere Entscheidungen darüber treffen, wie wir den einzelnen säumigen Zahler individuell am besten ansprechen können“, erklärt Patrick Witte, Team Manager Business Analytics im CoA.

„Wir werden künftig noch präzisere, objektivere Entscheidungen treffen.“
Patrick Witte, Team Manager Business Analytics

Vorher wissen, was funktioniert.

„Unser Herzstück ist die analytische Plattform. Sie durchpflügt mit Hochgeschwindigkeit grosse Datenmengen und strukturiert diese“, sagt Joachim Göller, Head of Center of Analytics. Die Plattform besteht aus zwei Teilen: Auf dem Bereich, den die Entwickler nutzen, liegen Daten, die in der Vergangenheit bei EOS angefallen sind. Sie sind pseudonymisiert, lassen also keine Rückschlüsse auf einzelne säumige Zahler zu. In ihnen suchen Data-Scientists nach Mustern, um sogenannte Modelle zu programmieren. Ein solches Modell kann dann beispielsweise vorhersagen, wie hoch die Wahrscheinlichkeit ist, dass ein säumiger Zahler innerhalb der kommenden drei Monate seine Aussenstände begleicht. Ein anderes Modell könnte errechnen, wie hoch die Erfolgsaussichten einer Kontaktaufnahme per Brief sind. Ein drittes liefert zum Beispiel die Quote für die Chancen eines Telefonats. „Mithilfe solcher Modelle können wir künftig die beste nächste Inkassomassnahme einleiten“, sagt Witte.

Wie funktioniert digitales Inkasso bei EOS?

Wie das in der Praxis funktioniert, zeigen erste Beispiele bei EOS. Denn der zweite Bereich der analytischen Plattform arbeitet bereits im Livebetrieb mit realen Forderungen. Hier kommen die Modelle zum Einsatz, die im Test bewiesen haben, dass sie funktionieren. Sie liefern den verschiedenen angeschlossenen Inkasso-Systemen die Informationen, welcher nächste Schritt im Beitreibungsprozess optimal ist.

„In Deutschland ist das Projekt ‚Data Driven Decisions‘ an die Plattform angedockt sowie das neue Inkasso-System ‚Best Next Inkasso‘, welches ein Projektteam gerade entwickelt“, erklärt Witte. Mit „Best Next Inkasso“ bearbeitet EOS vorerst ausgewählte Forderungen. „Wenn wir eine neue Forderung erhalten, ermittelt das neue System in Echtzeit, mit welcher Massnahme die Sachbearbeiter bei dieser Forderung und diesem säumigen Zahler am schnellsten zum Erfolg kommen“, erläutert Witte. Anschliessend verarbeitet das Modell die Information, ob die Massnahme funktioniert hat oder nicht. Durch dieses maschinelle Lernen werden die Vorhersagen immer treffsicherer.

Geplant ist, bis Ende 2018 weitere Inkasso-Systeme innerhalb der EOS Gruppe an die Plattform anzuschliessen. In Frankreich kommt etwa „Oyo“ hinzu, in einem der osteuropäischen Länder das „Kollecto“-System. Nach und nach wird der Konzern die nächste beste Aktion im Inkassoprozess durchführen. „Indem wir uns auf fundierte Daten statt ausschliesslich auf jahrzehntelange Erfahrung verlassen, können wir für unsere Kunden und deren Kunden noch bessere Ergebnisse erzielen“, sagt Göller.

Das war die Challenge: Aus Daten werden Informationen und Entscheidungen.

Das Center of Analytics (CoA) in Hamburg erstellt selbstlernende digitale Werkzeuge, die pseudonymisierte Daten aus dem Inkassoprozess auswerten und nutzen. Auf Basis der gewonnenen Informationen lassen sich fundiertere Entscheidungen treffen, welche nächste Inkassomassnahme die grössten Erfolge erzielt. So verbessern Datenanalysen Inkassoprozesse und Ergebnisse.

Teilen

Drucken