Under de senaste åren har finansiella institutioner ökat sin användning av data och ny teknik för att hantera kreditportföljer. Faktiskt McKinseys
färsk enkät av finansiella institutioner säger att det finns betydande framsteg när det gäller att använda nya data och tekniker för kreditportföljförvaltning.
Men det lyser också fokus på de utmaningar som kvarstår kring data och teknik inom den finansiella tjänstesektorn.
I den här artikeln sammanfattar vi McKinseys studie, undersöker de tre främsta datautmaningarna för kredithantering och tittar på några intressanta idéer för att övervinna dem.
McKinseys 2022 studie av finansiella institutioner: En snabb sammanfattning
McKinsey undersökte 44 finansiella institutioner globalt om den senaste utvecklingen inom data och analys för kreditportföljförvaltning.
Målet
För att förstå användningen av traditionella och alternativa datakällor för kreditriskinformation, att avgöra hur finansinstitut använder analytiska tillvägagångssätt över portföljsegment och att informera om vägen framåt för att införliva nästa generations data och analyser.
Kärnfynden
Finansiella institutioner har gjort betydande framsteg när det gäller att använda nya data för kreditportföljhantering:
-
60% av de tillfrågade sa att de har ökat sin användning av nya typer av data och använt avancerade analystekniker i kreditportföljhantering.
-
75% förväntar sig att dessa trender kommer att fortsätta under de kommande två åren.
Det finns dock nya utmaningar i vägen för att använda nya data för kredithantering, nämligen:
-
Datakvalitet, som citeras av 63% av respondenterna.
-
Resurser, som citeras av 42% av respondenterna.
-
Datakostnader, som citeras av 30% av respondenterna.
Sammanfattningsvis, medan framsteg görs kvarstår hinder för finansiella institutioner som vill förbättra kreditportföljförvaltningen.
Med detta i åtanke, låt oss gå in på detaljerna – börja med insikt i vilken data som används.
Vilka typer av data använder finansinstitut för kredithantering idag?
När de vill implementera ny analys inom kredithantering, hämtar företag data från källor som:
-
Intern kreditbeteendedata och produktövergripande data
-
Uppgifter från kreditbyråerna
-
Ekonomiska prognoser
-
Och ny data från externa leverantörer.
Detta inkluderar också alternativa data; till exempel i företagsportföljen använder mer än hälften av de tillfrågade för närvarande, testar eller överväger nyhetsmedier, sociala medier eller kontodata från tredje part.
Vår syn på detta är att utnyttjande av all befintlig intern och byrådata, som vanligtvis finns i separata delar av system och produkt-/kunddatabaser, är ett problem. En annan är att ta en kunddatabas och matcha den mot dataleverantörer. Detta kan vara kostsamt och tidskrävande och tillför inte nödvändigtvis mervärde.
De tre främsta nya data- och teknikutmaningarna
Som vi berört tidigare tillfrågades varje deltagare i McKinseys studie om de största utmaningarna för kreditrisk under de kommande två till tre åren.
De tre främsta nya utmaningarna är:
-
#1: Datakvalitet: 60 % nämnde datakvalitet som den främsta begränsningen för att använda innovativa nya datakällor
-
#2: Resurser: 42 % angav resurser som den andra nya utmaningen.
-
#3: Datakostnad: 30 % angav kostnaden för data som den tredje största utmaningen.
Låt oss titta på varje utmaning mer detaljerat...
#1: Datakvalitet
Med tanke på att finansinstitutioner utnyttjar enorma mängder data för att fatta kritiska konsumentbeslut, kräver de datanoggrannhet och integritet hela tiden.
Om kunddata är ofullständig eller om poängsättningsmetoderna är felaktiga kan utdata allvarligt påverka konsumenternas rättvisa. Dessutom är finansiella tjänster tidskänsliga där ett enda fel snabbt multiplicerar nedströmsprocesser.
För att förbättra datakvaliteten krävs ökad transparens i data som finns hos dataleverantörer, såsom de tre främsta byråerna.
#2: Resurser
Förutom att resurser flaggats som en topputmaning av McKinsey, lyftes det också fram av mer än en fjärdedel av ledande befattningshavare inom finanssektorn i en studie från data- och analyskonsultföretaget
Cynozure.
Forskningen fann också att 39 % ansåg att ledande befattningshavare inte helt förstod värdet av data. En av huvudorsakerna till denna kompetensklyfta beror på takten i den tekniska förändringen.
Likaså är datavetare, dataanalytiker och dataingenjörer i hög efterfrågan.
I stort sett finns det två alternativ när man vill täppa till klyftan: omskola och uppgradera befintlig personal för att ge dem bättre datakunskaper; eller anställa externa talanger.
#3: Datakostnader
Enligt PWC spenderar stora banker runt om i världen lika mycket som
88 miljoner dollar per år på data – information de är skyldiga att fatta välgrundade beslut och följa föreskrifter. Ändå finns det en tydlig brist på transparens när det gäller prissättning av byrådata. Något vi har diskuterat utförligt i tidigare artiklar.
Från vårt arbete med banker och andra långivare vet vi att finansinstitutioner avsevärt kan minska kostnaderna för att köpa data.
Banker och långivare ser starka resultat:
-
Genom att förhandla kontrakt på mitten av tiden sparar man i genomsnitt 25–40 % på datakostnader – även när de stannar hos samma leverantör.
-
Att använda data från flera byråkällor kan hjälpa till med prissättning och olika datakällor – och till och med täcka luckor i kredithistorik som andra byråer kan ha.
-
En bank minskade till och med kostnaderna med 3 miljoner pund per år vilket gjorde en besparing på 50 %, med kontinuerlig flexibilitet att använda ytterligare data i kundens livscykel utan extra kostnad.
Sammanfattningsvis finns det en betydande möjlighet för långivare att minska sina datakostnader och få data av högre kvalitet genom ökad transparens i dataprissättning och kvalitet.
Att ta itu med dessa utmaningar med rätt ram
McKinseys undersökning indikerar att medan kreditportföljförvaltare börjar använda innovativa datakällor kvarstår stora hinder. Från att hitta rätt datakvalitet till resurser och datakostnader.
McKinsey fortsätter med att säga att utvärderingen av datakällor, såväl som ökad transparens, kommer att hjälpa finansinstitutioner att förstå det föränderliga data- och leverantörslandskapet. Och vi håller verkligen med.
Enligt vår uppfattning är dessa utmaningar inget nytt. Detta är något vi ser gång på gång genom vårt arbete med att stödja finansiella institutioner.
Den goda nyheten är: Finansiella institutioner kan ta fem steg för att ta itu med nyckeldatafrågorna:
#1: Förstå datakrav: Detta inkluderar datakällor, datakvalitet och datanoggrannhet. Genom att arbeta med externa specialister kan du kartlägga befintliga datakällor och vad du betalar.
#2: Bedöm datakvalitet och prisskillnader: Jämför din prissättning med andra med samma leverantör och fotavtryck.
#3: Utvärdera företagets datariktmärke: Leta efter alla potentiella besparingar och upptäck målprissättning.
#4: Bygg ut vattenfallet av data och byråer du bör använda: Mer om detta här.
#5: Förhandla: Eller uppdatera datakontrakt, policyer och procedurer med support tillsammans med förhandlingsspakar under varje iteration av benchmarkingprocessen.
Ta itu med dina datautmaningar med databenchmarking
Sammanfattningsvis är fördelarna med en metod för databenchmarking tydliga och bör motivera institutioner att intensifiera sina ansträngningar för att hämta ut de mest högkvalitativa data till rätt pris.
Full insikt i databyråernas prissättning, kvalitet och noggrannhet kan ge en personlig jämförelse för att informera om leverantörsförhandlingar – oavsett om du väljer att stanna hos din nuvarande leverantör, flytta till en annan eller använda ett tillvägagångssätt med flera byråer.
Om du är intresserad av hur databenchmarking fungerar, lämna en kommentar nedan.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
- Källa: https://www.finextra.com/blogposting/23935/3-emerging-data-challenges-in-credit-management-according-to-mckinsey?utm_medium=rssfinextra&utm_source=finextrablogs
- :är
- $UPP
- 1
- 2022
- a
- Om Oss
- Enligt
- Konto
- noggrannhet
- tvärs
- Dessutom
- Annat
- adress
- anta
- Antagande
- avancerat
- påverka
- mot
- Alla
- alternativ
- mängder
- analytiker
- Analytisk
- analytics
- och
- Annan
- tillvägagångssätt
- tillvägagångssätt
- ÄR
- runt
- Artikeln
- artiklar
- AS
- At
- genomsnitt
- Bank
- Banker
- barriärer
- BE
- Där vi får lov att vara utan att konstant prestera,
- nedan
- riktmärke
- benchmarking
- Fördelarna
- Bättre
- störst
- SLUTRESULTAT
- office
- by
- Samtal
- KAN
- säkerligen
- utmanar
- utmaningar
- byta
- laddning
- Välja
- citerade
- klar
- kommentar
- Företag
- Företagets
- jämförelse
- med tanke på
- konsult
- Konsumenten
- fortsätta
- kontrakt
- kontrakt
- Kärna
- Företag
- Pris
- Kostar
- täcka
- kredit
- kritisk
- Aktuella
- För närvarande
- kund
- konsument data
- datum
- Databas
- databaser
- beslut
- Efterfrågan
- distribuera
- utplacerade
- detaljer
- Bestämma
- utvecklingen
- DID
- Upptäck
- diskuteras
- distinkt
- flera
- varje
- Tidigare
- ansträngningar
- smärgel
- Ingenjörer
- enorm
- fel
- utvärdera
- utvärdering
- Även
- Varje
- utvecklas
- exempel
- befattningshavare
- befintliga
- förvänta
- extern
- extra
- vänd
- rättvisa
- finansiella
- finansiell institution
- Finansiella institut
- Finansiell sektor
- finansiella tjänster
- finna
- Finextra
- flaggad
- Flexibilitet
- Fotavtryck
- För
- Framåt
- hittade
- från
- fullständigt
- Få
- spalt
- skaffa sig
- få
- Globalt
- Går
- god
- kraftigt
- Grön
- Hälften
- Har
- Held
- hjälpa
- Hög
- hög kvalitet
- Markerad
- Anställa
- historia
- Hur ser din drömresa ut
- html
- HTTPS
- idéer
- förbättra
- in
- felaktig
- innefattar
- införliva
- ökat
- pekar på
- underrätta
- informationen
- informeras
- innovativa
- insikt
- Institution
- institutioner
- integritet
- intresserad
- intressant
- inre
- involverade
- problem
- IT
- iteration
- jpg
- Nyckel
- Vet
- Brist
- liggande
- Large
- största
- senaste
- senaste utvecklingen
- Lämna
- långivare
- Längd
- Hävstång
- livscykel
- tycka om
- se
- du letar
- gjord
- större
- göra
- Framställning
- hantera
- ledning
- chefer
- karta
- matchande
- McKinsey
- Media
- metoder
- miljon
- emot
- mer
- Dessutom
- mest
- flytta
- multipel
- nämligen
- nödvändigtvis
- förhandlingar
- Nya
- Ny teknik
- nyheter
- Nästa
- nästa generation
- erhållande
- of
- on
- ONE
- pågående
- Möjlighet
- Tillbehör
- Övriga
- Övrigt
- Övervinna
- Fred
- reservdelar till din klassiker
- bana
- betalar
- personlig
- plato
- Platon Data Intelligence
- PlatonData
- kontakt
- Strategier
- portfölj
- portföljförvaltning
- portföljförvaltare
- portföljer
- potentiell
- föregående
- tidigare artiklar
- pris
- prissättning
- Problem
- förfaranden
- process
- processer
- Framsteg
- ge
- leverantör
- leverantörer
- inköp
- PWC
- kvalitet
- Kvartal
- Snabbt
- snabbt
- skäl
- resumé
- senaste
- minska
- Minskad
- föreskrifter
- förblir
- kräver
- Krav
- forskning
- Resurser
- Resultat
- Risk
- Nämnda
- Samma
- sparande
- Besparingar
- säger
- vetenskapsmän
- poäng
- Andra
- sektor
- se
- segment
- senior
- separat
- Tjänster
- skall
- signifikant
- enda
- färdigheter
- kompetensgapet
- Social hållbarhet
- sociala medier
- några
- något
- Källa
- Källor
- tala
- specialister
- spendera
- Spotlight
- Personal
- Starta
- bo
- Steg
- stark
- Läsa på
- sådana
- SAMMANFATTNING
- stödja
- Stödjande
- Undersökning
- tillfrågade
- System
- Ta
- tar
- Talang
- Målet
- tekniker
- teknisk
- Tekniken
- Teknologi
- den där
- Smakämnen
- världen
- deras
- Dem
- Dessa
- Tredje
- tredje part
- tre
- Genom
- hela
- tid
- tidskrävande
- tidskänslig
- gånger
- till
- i dag
- topp
- rörd
- traditionell
- Öppenhet
- Trender
- typer
- förstå
- användning
- vanligen
- värde
- leverantör
- utsikt
- Sätt..
- VÄL
- Vad
- om
- som
- medan
- kommer
- med
- inom
- Vann
- Arbete
- arbetssätt
- fungerar
- världen
- linda
- år
- år
- Om er
- Din
- zephyrnet