I de senere år har finansielle institutioner øget deres anvendelse af data og nye teknologier til at styre kreditporteføljer. Faktisk McKinsey's
seneste undersøgelse af finansielle institutioner siger, at der er betydelige fremskridt med at bruge nye data og teknikker til kreditporteføljestyring.
Men det sætter også fokus på de udfordringer, der stadig er omkring data og teknologi i den finansielle sektor.
I denne artikel opsummerer vi McKinseys undersøgelse, undersøger de 3 største dataudfordringer for kreditstyring og ser på nogle interessante ideer til at overvinde dem.
McKinseys 2022 Financial Institution Study: Et hurtigt resumé
McKinsey undersøgte 44 finansielle institutioner globalt om den seneste udvikling inden for data og analyser til kreditporteføljestyring.
Målet
At forstå brugen af traditionelle og alternative datakilder til information om kreditrisiko, at bestemme, hvordan finansielle institutioner bruger analytiske tilgange på tværs af porteføljesegmenter, og at informere vejen frem for at inkorporere næste generations data og analyser.
Kernefundene
Finansielle institutioner har gjort betydelige fremskridt med at bruge nye data til kreditporteføljestyring:
-
60 % af respondenterne sagde, at de har øget deres brug af nye typer data og implementeret avancerede analyseteknikker i kreditporteføljestyring.
-
75 % forventer, at disse tendenser vil fortsætte over de næste to år.
Der er dog nye udfordringer, der står i vejen for at bruge nye data til kreditstyring, nemlig:
-
Datakvalitet, som citeret af 63 % af respondenter.
-
Ressourcer, som citeret af 42 % af respondenter.
-
Dataomkostninger, som citeret af 30 % af respondenter.
Sammenfattende, mens der gøres fremskridt, er der stadig barrierer for finansielle institutioner, der ønsker at forbedre kreditporteføljestyringen.
Med dette i tankerne, lad os komme ind i detaljerne – begyndende med indsigt i de data, der bruges.
Hvilke typer data bruger finansielle institutioner til kreditstyring i dag?
Mens de søger at implementere nye analyser inden for kreditstyring, indhenter virksomheder data fra kilder som:
-
Intern kreditadfærdsdata og data på tværs af produkter
-
Data fra kreditbureauerne
-
Økonomiske prognoser
-
Og nye data fra eksterne udbydere.
Dette inkluderer også alternative data; for eksempel i virksomhedsporteføljen bruger mere end halvdelen af respondenterne i øjeblikket, piloterer eller overvejer nyhedsmedier, sociale medier eller tredjepartskontodata.
Vores syn på dette er, at udnyttelse af alle eksisterende interne og bureaudata, som normalt er i separate dele af systemer og produkt-/kundedatabaser, er et problem. En anden tager en kundedatabase og matcher den med dataudbydere. Dette kan være dyrt og tidskrævende og vil ikke nødvendigvis tilføje værdi.
Top 3 nye data- og teknologiudfordringer
Som vi nævnte tidligere, blev alle deltagere i McKinseys undersøgelse spurgt om de største udfordringer, som kreditrisikoen står over for i de næste to til tre år.
De tre største nye udfordringer er:
-
#1: Datakvalitet: 60 % nævnte datakvalitet som den største begrænsning for at bruge innovative nye datakilder
-
#2: Ressourcer: 42 % nævnte ressourcer som den anden nye udfordring.
-
#3: Dataomkostninger: 30 % nævnte omkostningerne ved data som den tredjestørste udfordring.
Lad os se på hver udfordring mere detaljeret...
#1: Datakvalitet
I betragtning af, at finansielle institutioner udnytter enorme mængder data til at træffe kritiske forbrugerbeslutninger, kræver de datanøjagtighed og integritet til enhver tid.
Hvis kundedata er ufuldstændige, eller scoringsmetoderne er unøjagtige, kan outputtet i alvorlig grad påvirke forbrugernes retfærdighed. Desuden er finansielle tjenester tidsfølsomme, hvor en enkelt fejl hurtigt multiplicerer downstream-processer.
Forbedring af datakvaliteten kræver øget gennemsigtighed i de data, der opbevares af dataudbydere, såsom de tre bedste bureauer.
#2: Ressourcer
Ud over at ressourcer blev markeret som en topudfordring af McKinsey, blev det også fremhævet af mere end en fjerdedel af ledende medarbejdere i den finansielle sektor i en undersøgelse foretaget af data- og analysekonsulentfirmaet
Cynozure.
Undersøgelsen fandt også, at 39 % følte, at ledende medarbejdere ikke fuldt ud forstod værdien af data. En af hovedårsagerne til denne kvalifikationskløft skyldes tempoet i den teknologiske forandring.
Ligeledes er dataforskere, dataanalytikere og dataingeniører alle i høj efterspørgsel.
I store træk er der to muligheder, når man ønsker at lukke hullet: omskoling og opkvalificering af eksisterende personale for at give dem bedre datafærdigheder; eller ansættelse af eksterne talenter.
#3: Dataomkostninger
Ifølge PWC bruger store banker rundt om i verden lige så meget som
88 millioner dollars om året på data – information de er forpligtet til at træffe informerede beslutninger og overholde reglerne. Alligevel er der en tydelig mangel på gennemsigtighed, når det kommer til prisfastsættelse af bureaudata. Noget vi har diskuteret indgående i tidligere artikler.
Fra vores arbejde med banker og andre långivere ved vi, at finansielle institutioner i høj grad kan reducere omkostningerne forbundet med at købe data.
Banker og långivere ser stærke resultater:
-
Forhandling af kontrakt midtvejs sparer i gennemsnit 25 %-40 % på dataomkostninger – selv når de bliver hos den samme leverandør.
-
Brug af data fra flere bureaukilder kan hjælpe med prisfastsættelse og forskellige datakilder – og endda dække huller i kredithistorik, som andre bureauer kan have.
-
Én bank reducerede endda omkostningerne med £3 millioner om året, hvilket gav en besparelse på 50 % med løbende fleksibilitet til at bruge yderligere data i kundens livscyklus uden ekstra omkostninger.
Sammenfattende er der en betydelig mulighed for långivere til at reducere deres dataomkostninger og få data af højere kvalitet gennem øget gennemsigtighed i datapriser og kvalitet.
At løse disse udfordringer med de rette rammer
McKinseys undersøgelse viser, at mens kreditporteføljeforvaltere begynder at bruge innovative datakilder, er der stadig store barrierer. Fra at finde den rigtige datakvalitet til ressourcer og dataomkostninger.
McKinsey fortsætter med at sige, at evalueringen af datakilder, samt øget gennemsigtighed, vil hjælpe finansielle institutioner med at forstå det udviklende data- og leverandørlandskab. Og vi er bestemt enige.
Efter vores mening er disse udfordringer ikke noget nyt. Det er noget, vi ser igen og igen gennem vores arbejde med at støtte finansielle institutioner.
Den gode nyhed er: Finansielle institutioner kan tage fem trin for at løse de vigtigste dataproblemer:
#1: Forstå datakrav: Dette omfatter datakilder, datakvalitet og datanøjagtighed. Ved at samarbejde med eksterne specialister kan du kortlægge eksisterende datakilder, og hvad du betaler.
#2: Vurder datakvalitet og prisforskelle: Sammenlign din prissætning med andre med samme leverandør og fodaftryk.
#3: Evaluer virksomhedens databenchmark: Se efter alle potentielle besparelser, og find målpriser.
#4: Udbyg det vandfald af data og bureauer, du bør bruge: Mere om dette her.
#5: Forhandle: Eller opdater datakontrakter, politikker og procedurer med support sammen med forhandlingshåndtag gennem hver gentagelse af benchmarkingprocessen.
Løs dine dataudfordringer med databenchmarking
Afslutningsvis er fordelene ved en databenchmarking-tilgang klare og bør motivere institutioner til at intensivere deres indsats for at skaffe de mest højkvalitetsdata til den rigtige pris.
Fuld indsigt i databureauets prissætning, kvalitet og nøjagtighed kan give en personlig sammenligning for at informere leverandørforhandlinger – uanset om du vælger at blive hos din nuværende udbyder, flytte til en anden eller anvende en multi-bureau tilgang.
Hvis du er interesseret i, hvordan databenchmarking fungerer, så efterlad en kommentar nedenfor.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://www.finextra.com/blogposting/23935/3-emerging-data-challenges-in-credit-management-according-to-mckinsey?utm_medium=rssfinextra&utm_source=finextrablogs
- :er
- $OP
- 1
- 2022
- a
- Om
- Ifølge
- Konto
- nøjagtighed
- tværs
- Desuden
- Yderligere
- adresse
- vedtage
- Vedtagelse
- fremskreden
- påvirke
- mod
- Alle
- alternativ
- beløb
- Analytikere
- Analytisk
- analytics
- ,
- En anden
- tilgang
- tilgange
- ER
- omkring
- artikel
- artikler
- AS
- At
- gennemsnit
- Bank
- Banker
- barrierer
- BE
- være
- jf. nedenstående
- benchmark
- benchmarking
- fordele
- Bedre
- Største
- bygge
- kontor
- by
- Opkald
- CAN
- sikkert
- udfordre
- udfordringer
- lave om
- afgift
- Vælg
- citeret
- klar
- KOMMENTAR
- Virksomheder
- Selskabs
- sammenligning
- Overvejer
- rådgivning
- forbruger
- fortsæt
- kontrakt
- kontrakter
- Core
- Corporate
- Koste
- Omkostninger
- dæksel
- kredit
- kritisk
- Nuværende
- For øjeblikket
- kunde
- kundedata
- data
- Database
- databaser
- afgørelser
- Efterspørgsel
- indsætte
- indsat
- detaljer
- Bestem
- udvikling
- DID
- opdage
- drøftet
- distinkt
- forskelligartede
- hver
- tidligere
- indsats
- smergel
- Ingeniører
- enorm
- fejl
- evaluere
- evaluering
- Endog
- Hver
- udviklende
- eksempel
- ledere
- eksisterende
- forvente
- ekstern
- ekstra
- vender
- fairness
- finansielle
- finansiel institution
- Finansielle institutioner
- Finansiel sektor
- finansielle tjenesteydelser
- finde
- Finextra
- Markeret
- Fleksibilitet
- Fodspor
- Til
- Videresend
- fundet
- fra
- fuldt ud
- Gevinst
- kløft
- få
- få
- Globalt
- Goes
- godt
- stærkt
- Grøn
- Halvdelen
- Have
- Held
- hjælpe
- Høj
- høj kvalitet
- Fremhævet
- Ansættelse
- historie
- Hvordan
- HTML
- HTTPS
- ideer
- Forbedre
- in
- forkert
- omfatter
- indarbejde
- øget
- angiver
- informere
- oplysninger
- informeret
- innovativ
- indsigt
- Institution
- institutioner
- integritet
- interesseret
- interessant
- interne
- involverede
- spørgsmål
- IT
- iteration
- jpg
- Nøgle
- Kend
- Mangel
- landskab
- stor
- største
- seneste
- seneste udvikling
- Forlade
- långivere
- Længde
- Leverage
- livscyklus
- ligesom
- Se
- leder
- lavet
- større
- lave
- Making
- administrere
- ledelse
- Ledere
- kort
- matchende
- McKinsey
- Medier
- metoder
- million
- tankerne
- mere
- Desuden
- mest
- bevæge sig
- flere
- nemlig
- nødvendigvis
- forhandlinger
- Ny
- Nye teknologier
- nyheder
- næste
- næste generation
- opnå
- of
- on
- ONE
- igangværende
- Opportunity
- Indstillinger
- Andet
- Andre
- Overvind
- Tempo
- dele
- sti
- betale
- personlig
- plato
- Platon Data Intelligence
- PlatoData
- stik
- politikker
- portefølje
- porteføljepleje
- porteføljeforvaltere
- porteføljer
- potentiale
- tidligere
- tidligere artikler
- pris
- prissætning
- Problem
- procedurer
- behandle
- Processer
- Progress
- give
- udbyder
- udbydere
- køb
- PWC
- kvalitet
- Kvarter
- Hurtig
- hurtigt
- årsager
- resumé
- nylige
- reducere
- Reduceret
- regler
- forblive
- kræver
- Krav
- forskning
- Ressourcer
- Resultater
- Risiko
- Said
- samme
- besparelse
- Besparelser
- siger
- forskere
- scoring
- Anden
- sektor
- se
- segmenter
- senior
- adskille
- Tjenester
- bør
- signifikant
- enkelt
- færdigheder
- kvalifikationskløft
- Social
- sociale medier
- nogle
- noget
- Kilde
- Kilder
- taler
- specialister
- tilbringe
- Spotlight
- Personale
- Starter
- forblive
- Steps
- stærk
- Studere
- sådan
- RESUMÉ
- support
- Støtte
- Kortlægge
- adspurgte
- Systemer
- Tag
- tager
- Talent
- mål
- teknikker
- teknologisk
- Teknologier
- Teknologier
- at
- verdenen
- deres
- Them
- Disse
- Tredje
- tredjepart
- tre
- Gennem
- hele
- tid
- tidskrævende
- tidsfølsom
- gange
- til
- i dag
- top
- rørt
- traditionelle
- Gennemsigtighed
- Tendenser
- typer
- forstå
- brug
- sædvanligvis
- værdi
- sælger
- Specifikation
- Vej..
- GODT
- Hvad
- hvorvidt
- som
- mens
- vilje
- med
- inden for
- Vandt
- Arbejde
- arbejder
- virker
- world
- wrap
- år
- år
- Du
- Din
- zephyrnet