Prezentace pracovní snídaně s názvem „Big data – jak z nich těžit informace“. Téma nastavení optimální úrokové sazby úvěru z pohledu rizika, že zákazník nabídku úvěru nakonec nepřijme nebo úvěr předčasně splatí.
20180201 2 salary detector – detekce mzdovych interakci v banceProfinit
Prezentace pracovní snídaně s názvem „Big data – jak z nich těžit informace“. Salary detector – hledá vztah „zaměstnavatel – zaměstnanec“ mezi klienty (účty) banky na základě transakčních dat.
Jak jsem refinancoval hypotéku aneb refinancování na 10 slidech
Minulý rok 2013 bylo hitem na hypotečním trhu refinancování hypotéky, většině majitelů hypotéky totiž končila jejich stará fixace a úrokové sazby, které teď nabízejí banky, jsou na znatelně lepších číslech, než například před 5 lety. I já jsem se svezl na vlně refinancování, a protože jsem si předem zjišťoval co nejvíce informací (a moc jsem jich nenašel), rozhodl jsem se podělit o své zkušenosti formou takového návodu nebo doporučení „Jak jsem refinancoval hypotéku aneb refinancování na 10 slidech“.
Neuvádím žádné složité grafy ani neskutečná čísla přesná na jednotky korun, chci dát dohromady stručné informace o tom, jak refinancovat hypotéku, že to není nic složitého a že se toho člověk nemusí bát. Doufám, že vám moje prezentace pomůže :-).
http://www.pujckyhned.cz/pujcka/Credit-365 Zajímavým úvěrovým produktem, který je dobrou alternativou na trhu nebankovních půjček, je spotřebitelský úvěr Credit 365 od akciové společnosti CreditPortal. Tato společnost patří k významným poskytovatelům nebankovních půjček a nabízí hned několik produktů – kromě této půjčky poskytuje i rychlé a malé úvěry Credit 30, dále pak půjčku s hotovostním výběrem na čerpacích stanicích (do 4 900 Kč) nebo refinancování stávající půjčky.
http://www.pujckyhned.cz/pujcka/Novacredit Většina nebankovních úvěrových společností se zaměřuje spíše na rizikové klienty, případně na zaměstnance, kteří hledají rychlou a dostupnou půjčku. Společnost Novacredit patří mezi poskytovatele, jenž svoje služby směřují na podnikatele, živnostníky a OSVČ – ti si mohou sjednat úvěr od 5 000 do 30 000 Kč se splatností až na jeden rok. Půjčka se sjednává online přes jednoduché webové stránky, k vyplnění žádosti jsou potřeba dva osobní doklady a číslo bankovního účtu.
Každá, i sebelepší, teorie jednou narazí na praxi. Naše teorie již narazila, proto jsme upravili pravidla hry. A vy se z toho můžete poučit. Připravili jsme pro vás praktické tipy pro vývoj softwaru na míru. Dotkneme se také témat, jak měřit výkonnost vývojářů, jak nastavit KPI a jak motivovat tým ke spokojenosti klienta, vývojářů i vás.
Během jednoho roku jsme kompletně změnili strukturu a řízení firmy. Vy se dozvíte, co všechno nám to přineslo a co od toho dále očekáváme.
Prezentace z Barcamp Ostrava 2019
20180201 2 salary detector – detekce mzdovych interakci v banceProfinit
Prezentace pracovní snídaně s názvem „Big data – jak z nich těžit informace“. Salary detector – hledá vztah „zaměstnavatel – zaměstnanec“ mezi klienty (účty) banky na základě transakčních dat.
Jak jsem refinancoval hypotéku aneb refinancování na 10 slidech
Minulý rok 2013 bylo hitem na hypotečním trhu refinancování hypotéky, většině majitelů hypotéky totiž končila jejich stará fixace a úrokové sazby, které teď nabízejí banky, jsou na znatelně lepších číslech, než například před 5 lety. I já jsem se svezl na vlně refinancování, a protože jsem si předem zjišťoval co nejvíce informací (a moc jsem jich nenašel), rozhodl jsem se podělit o své zkušenosti formou takového návodu nebo doporučení „Jak jsem refinancoval hypotéku aneb refinancování na 10 slidech“.
Neuvádím žádné složité grafy ani neskutečná čísla přesná na jednotky korun, chci dát dohromady stručné informace o tom, jak refinancovat hypotéku, že to není nic složitého a že se toho člověk nemusí bát. Doufám, že vám moje prezentace pomůže :-).
http://www.pujckyhned.cz/pujcka/Credit-365 Zajímavým úvěrovým produktem, který je dobrou alternativou na trhu nebankovních půjček, je spotřebitelský úvěr Credit 365 od akciové společnosti CreditPortal. Tato společnost patří k významným poskytovatelům nebankovních půjček a nabízí hned několik produktů – kromě této půjčky poskytuje i rychlé a malé úvěry Credit 30, dále pak půjčku s hotovostním výběrem na čerpacích stanicích (do 4 900 Kč) nebo refinancování stávající půjčky.
http://www.pujckyhned.cz/pujcka/Novacredit Většina nebankovních úvěrových společností se zaměřuje spíše na rizikové klienty, případně na zaměstnance, kteří hledají rychlou a dostupnou půjčku. Společnost Novacredit patří mezi poskytovatele, jenž svoje služby směřují na podnikatele, živnostníky a OSVČ – ti si mohou sjednat úvěr od 5 000 do 30 000 Kč se splatností až na jeden rok. Půjčka se sjednává online přes jednoduché webové stránky, k vyplnění žádosti jsou potřeba dva osobní doklady a číslo bankovního účtu.
Každá, i sebelepší, teorie jednou narazí na praxi. Naše teorie již narazila, proto jsme upravili pravidla hry. A vy se z toho můžete poučit. Připravili jsme pro vás praktické tipy pro vývoj softwaru na míru. Dotkneme se také témat, jak měřit výkonnost vývojářů, jak nastavit KPI a jak motivovat tým ke spokojenosti klienta, vývojářů i vás.
Během jednoho roku jsme kompletně změnili strukturu a řízení firmy. Vy se dozvíte, co všechno nám to přineslo a co od toho dále očekáváme.
Prezentace z Barcamp Ostrava 2019
Reference data is something we often encounter in our projects. In our experience, it is often underestimated and does not get enough attention. In the webinar, we want to make you aware of some interesting aspects of ‘reference data’ such as how it relates to MDM, which it’s often mixed with.
Cloud in examples—(how to) benefit from modern technologies in the cloudProfinit
The world of cloud services is enormous, rapidly growing, and changing fast, so it can be challenging to choose the right service and architecture to meet your needs.
To help you better navigate the options and inspire you, we’ve made this webinar describing two practical ways to use cloud services and benefit from the out-of-the-box features and infrastructure the cloud provides.
Building big data pipelines—lessons learnedProfinit
What is the power of business departments? What is missing in communication between layers responsible for building big data solutions? What mistakes can happen when IT departments are too proactive in creating solutions for big data?
Understand your data dependencies – Key enabler to efficient modernisation Profinit
Modernising any system is a comprehensive task. Every step has to be estimated, appropriately planned, then carefully executed and verified. Data with its dependencies are the common denominator in almost every case and crucial in understanding the whole initiative.
In this webinar, experts from Profinit and Manta will present their approach to resolving data-related challenges while modernising software systems using Profinit Modernisation Framework in collaboration with Manta tools.
Knowing your clients well and knowing when they need financial support is a key part of a bank’s success in lending. But it is challenging to gather and process information about your customers to know them all entirely. Our senior consultant Lukáš Dvořák will show you how to use data to drive your lending business and improve the conversion rate of loan offers.
What to do when a system stops providing the value that your business needs and an immediate change is necessary? Replacing such a system is usually the first idea that comes to mind. However, is it the only and the best approach you should consider? Not necessarily!
Automating Data Lakes, Data Warehouses and Data StoresProfinit
This webinar discusses automating data warehouses, lakes, and stores. It introduces the speaker, Petr Hájek, and his experience. Profinit, the company hosting the webinar, is introduced along with their competencies and certifications. The webinar then covers challenges with traditional manual approaches and how automation can help through frameworks, templates, and metadata to generate scripts. A case study of automating a data warehouse for a gambling regulator is presented, highlighting benefits like reduced time and costs. Automation is argued to make solutions more transparent, agile, and organized compared to traditional approaches.
When the complexity of all the data in your business exceeds a certain level, it is time to make a sound decision and start taking steps towards professional and systematic data governance and clear data architecture. This step is what we call “data landscape mapping”. At the end of this initial process, you will get something like a Google map of all the data in your company, visualised from different angles and dimensions.
What to do when a system stops providing the value that your business needs and an immediate change is necessary? Replacing such a system is usually the first idea that comes to mind. However, is it the only and the best approach you should consider? Not necessarily!
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...Profinit
Nowadays, many companies are facing challenges linked to their core systems. The systems lack support for the new business models, do not fit-for-purpose anymore or provide poor UX. In general, they are slow to change, risky and costly to enhance and maintain. What would you do, when a system does not provide the value that your business needs? Replacing such a system is usually the first idea that comes to mind. However, is it the only approach you should consider?
In our webinar, Michal Petřík (Profinit's Head of Software Development) will discuss a different approach that is often faster, safer and better suited for many businesses.
Dominik Matula presented Instalment Detector, a tool that reveals clients' payment behaviors from transactional banking data through advanced machine learning techniques. It aims to improve risk scoring, maximize profit, and help clients save through detecting hidden loan payments. The tool engineers complex features from relationships between transactions and uses Bayesian networks to achieve a 100% boost in detecting instalment payments compared to conventional methods. The tool provides interpretable results while adapting to market changes and can be applied to other financial fields.
Reference data is something we often encounter in our projects. In our experience, it is often underestimated and does not get enough attention. In the webinar, we want to make you aware of some interesting aspects of ‘reference data’ such as how it relates to MDM, which it’s often mixed with.
Cloud in examples—(how to) benefit from modern technologies in the cloudProfinit
The world of cloud services is enormous, rapidly growing, and changing fast, so it can be challenging to choose the right service and architecture to meet your needs.
To help you better navigate the options and inspire you, we’ve made this webinar describing two practical ways to use cloud services and benefit from the out-of-the-box features and infrastructure the cloud provides.
Building big data pipelines—lessons learnedProfinit
What is the power of business departments? What is missing in communication between layers responsible for building big data solutions? What mistakes can happen when IT departments are too proactive in creating solutions for big data?
Understand your data dependencies – Key enabler to efficient modernisation Profinit
Modernising any system is a comprehensive task. Every step has to be estimated, appropriately planned, then carefully executed and verified. Data with its dependencies are the common denominator in almost every case and crucial in understanding the whole initiative.
In this webinar, experts from Profinit and Manta will present their approach to resolving data-related challenges while modernising software systems using Profinit Modernisation Framework in collaboration with Manta tools.
Knowing your clients well and knowing when they need financial support is a key part of a bank’s success in lending. But it is challenging to gather and process information about your customers to know them all entirely. Our senior consultant Lukáš Dvořák will show you how to use data to drive your lending business and improve the conversion rate of loan offers.
What to do when a system stops providing the value that your business needs and an immediate change is necessary? Replacing such a system is usually the first idea that comes to mind. However, is it the only and the best approach you should consider? Not necessarily!
Automating Data Lakes, Data Warehouses and Data StoresProfinit
This webinar discusses automating data warehouses, lakes, and stores. It introduces the speaker, Petr Hájek, and his experience. Profinit, the company hosting the webinar, is introduced along with their competencies and certifications. The webinar then covers challenges with traditional manual approaches and how automation can help through frameworks, templates, and metadata to generate scripts. A case study of automating a data warehouse for a gambling regulator is presented, highlighting benefits like reduced time and costs. Automation is argued to make solutions more transparent, agile, and organized compared to traditional approaches.
When the complexity of all the data in your business exceeds a certain level, it is time to make a sound decision and start taking steps towards professional and systematic data governance and clear data architecture. This step is what we call “data landscape mapping”. At the end of this initial process, you will get something like a Google map of all the data in your company, visualised from different angles and dimensions.
What to do when a system stops providing the value that your business needs and an immediate change is necessary? Replacing such a system is usually the first idea that comes to mind. However, is it the only and the best approach you should consider? Not necessarily!
Profinit Webinar: Benefits of Software Systems Modernization over their Repla...Profinit
Nowadays, many companies are facing challenges linked to their core systems. The systems lack support for the new business models, do not fit-for-purpose anymore or provide poor UX. In general, they are slow to change, risky and costly to enhance and maintain. What would you do, when a system does not provide the value that your business needs? Replacing such a system is usually the first idea that comes to mind. However, is it the only approach you should consider?
In our webinar, Michal Petřík (Profinit's Head of Software Development) will discuss a different approach that is often faster, safer and better suited for many businesses.
Dominik Matula presented Instalment Detector, a tool that reveals clients' payment behaviors from transactional banking data through advanced machine learning techniques. It aims to improve risk scoring, maximize profit, and help clients save through detecting hidden loan payments. The tool engineers complex features from relationships between transactions and uses Bayesian networks to achieve a 100% boost in detecting instalment payments compared to conventional methods. The tool provides interpretable results while adapting to market changes and can be applied to other financial fields.
2. 2
Obsah
1. Několik pojmů úvodem
2. Tvrdý boj o klienta
– Životní cyklus půjčky
– Ztráta klientů
– Jak to statisticky modelovat?
3. Co říkají (velká) data?
– Očekávaná ziskovost půjčky
– Je nabídnutá sazba optimální?
– Zisk v závislosti na změně sazby
4. Ukázka PoC
3. 3
O čem to bude?
› Motto:
„Jak nastavit úrokovou sazbu, aby byli
klienti spokojení a já na tom vydělal.“
› Poznámky:
– Nulový úrok není řešení
– Jak/Zda upravit sazbu ve skóringu, NE jak být marketingově zajímaví
– Lze aplikovat i na další parametry půjčky (doba splácení, výše splátky, …)
– Vycházíme z aktuálního PoC pro Equa Bank
• (Uvedené výstupy jsou vytvořeny nad zašuměnými daty)
5. 5
Několik pojmů úvodem
› Kreditní churn
‒ odchod zákazníka (ke konkurenci)
‒ v dalším budeme uvažovat vč. předčasného splacení
(avšak analýzou transakcí jsme schopni tyto případy rozlišit)
zajímá nás, jak dlouho nám bude klient generovat zisk.
› Úvěr
dočasně poskytnuté finanční prostředky splatné podle
dohodnutých podmínek
› Jistina úvěru
částka, která je půjčena
› Úrok
peněžitá odměna za půjčení peněz
› Úroková sazba (míra)
procentuální vyjádření zvýšení jistiny za určené období
(převzato z wikipedie)
6. 6
Několik pojmů úvodem
› Ziskem v dalším rozumíme hrubý zisk, tj. nejsou odečteny
– Náklady na režii
– Riziková přirážka
– …
› Zisk je funkcí
– Času
– Úrokové sazby
– Jistiny
› Příklad:
– Půjčka na 7 let
– Jaký je zisk, pokud klient
„uteče“ po k měsících?
8. 8
Tvrdý boj o klienta
› Životní cyklus půjčky (v ideálním případě)
Neakceptace
Churn,
Předčasné splacení
Žádost
Scoring
Nabídka Ladění
půjčky
Podpis
Čerpání
Splaceno
Splácení
› Problém 1: Neakceptace
– Přijme klient podmínky? Nerozmyslí si to v zákonné lhůtě?‘
› Problém 2: Churn (+ Předčasné splacení)
– Odejde klient ke konkurenci? (Splatí půjčku předčasně?)
Banka
Klient
9. 9
Tvrdý boj o klienta
› Jak to modelovat?
› Neakceptace
– Klient se dostal do skóringu a dostal nabídku. Je na něm, zda na ni kývne.
– Odezva: binární (přijme/nepřijme naši nabídku)
– Model: logistická regrese
› Churn + Předčasné splacení
– Klient, který půjčku akceptoval, načerpal & splácí, může
• Odejít ke konkurenci
• Splatit půjčku předčasně
– Dvě možnosti:
• Odezva: binární (Churnuje/zůstane) logistická regrese
Anebo
• Odezva: doba, po kterou generuje zisk (cenzorovaná dobou sledování)
• Model: Coxův model (resp. obecně modely teorie spolehlivosti)
10. 10
Tvrdý boj o klienta
› Grafické znázornění - křivka setrvání klientů
– (zpátky k příkladu Půjčka na 7 let)
– Úvodní schod = neakceptující klienti
– Klesající křivka = model doby setrvání (přežití) akceptujících klientů
12. 12
Co říkají (velká) data?
› Průměrný hrubý zisk z poskytnuté půjčky:
– Připomenutí křivek ziskovosti a setrvání
– V našem příkladu – tipněte si, která z následujících sazeb je optimální?
13. 13
Co říkají (velká) data
› Vzorec:
– 𝒖 = 𝑢0, … , 𝑢 𝑘, … 𝑢84
⊤
… vektor zisků z půjčky, je-li splacena po k měsících
– 𝒑 𝒔 = 𝑝𝑠0
, … , 𝑝𝑠 𝑘
, … 𝑝𝑠84
⊤
… odhad pravděp., že je půjčka splacena po k měsících
𝑜č𝑒𝑘á𝑣𝑎𝑛ý 𝑧𝑖𝑠𝑘 = 𝒑 𝒔
⊤
⋅ 𝒖 =
𝑘=0
84
𝑝𝑠 𝑘
⋅ 𝑢 𝑘
14. 14
Co říkají (velká) data
› Lze spočítat i rozdíl v očekávaném zisku při změně úrokové
sazby:
– Δ 𝑧𝑖𝑠𝑘 ... rozdíl očekávaných zisků z půjčky na n měsíců, při změně
úrokové sazby z 𝑖𝑟𝐴 na 𝑖𝑟𝐵
– 𝑛 ... délka půjčky v měsících
– 𝑖𝑟𝐴, 𝑖𝑟𝐵 ... úrokové sazby
– 𝑝𝑠 𝑘, 𝑖𝑟 ... odhad pravděpodobnost, že půjčka s úrokovou sazbou ir bude
splacena v k-tém měsíci
– 𝑢(𝑘, 𝑖𝑟) ... zisk z půjčky s úrokovou sazbou ir, je-li splacena v k-tém měsíci
𝚫 𝒛𝒊𝒔𝒌 𝒊𝒓 𝑨, 𝒊𝒓 𝑩, 𝒏 =
𝒌=𝟎
𝒏
𝒑 𝒔 𝒌, 𝒊𝒓 𝑨 ⋅ 𝒖(𝒌, 𝒊𝒓 𝑨) −
𝒌=𝟎
𝒏
𝒑 𝒔 𝒌, 𝒊𝒓 𝑩 ⋅ 𝒖(𝒌, 𝒊𝒓 𝑩)
16. 16
Ukázka PoC
› Datový vzorek
– cca 35k pozorování
• žádosti o půjčku, jenž prošly fází Scoring
– Doba sledování churnu – od 1 do 25 měsíců
– Data uměle zašuměna (pro účely prezentace), upraveny modely
› Použitý software
– Modelování: R project
– Vizualizace: R project + Shiny