Bigdata verandert de incassobranche in rap tempo Arjen Houweling

1. BigData verandert de
incassobranche in rap tempo
Arjen Houweling – Manager ICT Development

2. GGN IN FEITEN & CIJFERS
Debiteuren
3,6 mln
Medewerkers
900
VESTIGINGEN
14
DEURWAARDERS
100+HOOFDSOM
VORDERINGEN
2 mrd
Dagelijks behandelen we 1 miljoen vorderingen

3. HET INCASSOPROCES BIJ GGN
Procedure Vonnis BeslagDagvaardingMinnelijk

4. BEROEPSMATIG TOEGANG TOT DATABRONNEN

5. KWALITEIT EN INFORMATIEBEVEILIGING

6. GGN KENT 25% VAN ALLE DEBITEUREN EN KENT DE ACHTERGROND VAN
ALLE NEDERLANDERS
Debiteur
Socio-
demografische
gegevens
Social
Media
(online)
behaviour
Let’s do the 360
(Historisch)
gedrags- &
betaal
informatie
Kanaal
en
content
voorkeuren
25%
100%

7. VERSCHIL TUSSEN KUNNEN EN WILLEN BETALEN

8. BETAALGEDRAG CLASSIFICEREN, DE GGN PERSONA’S
Kan niet betalen Kan wel betalen

9. VERSCHIL TUSSEN KUNNEN EN WILLEN BETALEN

10. TOEPASSING GGNPERSONA’S IN HET CALLCENTER / WLM
Debiteurenscore
(persoonlijk)
Belscript en
behandelprofiel
Streetview
Waar woont
de beller
Medewerker geeft een
beoordeling van het gesprek dat
hij/zij op basis van het profiel
heeft gevoerd

11. WILLEN EN KUNNEN BETALEN
Ster-rating
Profielen
Wil wel
Kan niet
(Sociale aanpak)
Wil wel
Kan wel
(Ontzorgen)
Wil niet
Kan niet
(Consulteren)
Wil niet
Kan wel
(Streng /
rechtvaardig)
Willen betalen
Kunnen betalen

12. GGN & ROBOTS
Mailrobot
• Tekstherkenning om de mail te
classificeren
• De mailrobot zoekt in de inhoud van
de E-mail naar het juiste
dossiernummer.
Bankrobot
• Herkennen van herkomst van
betalingen
• Voorspellen van betaalgedrag bij
debiteuren
• Realtime betalingen in dossiers
kunnen plaatsen

13. Geld overmaken naar GGN is moeilijk
Weet niet meer aan wie ik moet
overboeken. Help?
Achterstand Kloostersingel 18. Huur naar Wierden.
Rest a 750 volgt in februari. Helaas niet in 1x
kunnen regelen. Vader leent geld in 2x.
Excuses, vader zit in verpleegtehuis,
rekening gemist
MOEDERREGELING

14. De Bank Robot

15. Matchers
Betaling
Matcher
Dossier
Dossier
Dossier
Dossier
Dossier
DossierDossier
Dossier
Dossier
55
00

16. De iDEAL Matcher
Betaling
Dossier
Dossier
Dossier
Dossier Dossier
Dossier Dossier
Dossier
Dossier
iDEAL
200
00

17. Betaalgedrag kan betalingen voorspellen
Betaling
Dossier
Dossier
Dossier
Dossier Dossier
Dossier
Dossier
Dossier
Dossier
Bedrag
30
00

18. Standaard dossiernummer herkenning
Betaling
Dossier
Dossier
Dossier
Dossier Dossier
Dossier
Dossier
Dossier
Dossier
Dossiernr
120
00

19. Nearest neighbour matching dossiernummer herkenning
Herkend mogelijke typfouten
Betaling
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossiernr
120
00
80

20. Verschillende
matchers
maken de kans op
het juiste dossier
groter
Betaling
Dossier
Bedrag
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossiernr
iDEAL

21. Bedrag
Dossiernr
iDEAL
Betaling
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
Dossier
320
30
120
00
00
00
30
00
30

22. De beslisboom van alle matchers
Betaling
Bedrag
Dossiernr
iDEAL
BSN
IBAN
Bedrag
Bedrag
IBAN

23. Het resultaat:
De eerste resultaten gerealiseerd:
• Van 63% naar 90% automatische
herkenning van het juiste dossier
• Van verwerking 1 x per 24 uur naar
(near) realtime verwerking
Verwachte resultaten:
• Vermindering van onnodige griffiekosten
• Vermindering van ontruimingskosten
• Vermindering van klachten

24. VRAGEN VAN DEBITEUREN
Hoeveel
staat er
open? Ik heb
bezwaar.
Mag ik een
overzicht van mijn
openstaande
vorderingen?
Mag ik een
regeling?
Ik kan deze
maand niet
betalen.
Mag ik
uitstel?.
Mag ik
korting?
0
100
200
300
400
500
600
700
800
10 for IT
Bezwaar
Doorverbonden
Informatie
Informatie derd
Informatie explo
Informatie SHV
Klacht
Regeling
Specificatie

25. Socialmedia toevoegen om betaalgedrag nog beter te voorspellen

26. WE GAAN DE TOEKOMST VOORSPELLEN

27. VRAGEN?