Wirtschaftsauskunftei

Big Data

Das Auffinden verborgener Muster und Beziehungen in den Daten der Auskunftei ist ein Schlüsselelement für die Erschaffung neuer und fortschrittlicher statistischer Indikatoren, die verschiedene Bereiche abdecken. Dies reicht von der Bonitätsprüfung von Subjekten, die keine oder eine kurze Kredithistorie haben, über Fraud Scoring bis hin zu Collection. CRIF setzt Techniken des maschinellen Lernens  ein, um den Wert seiner Auskunfteidaten voll auszuschöpfen und innovative Lösungen für bislang unbeantwortete Probleme bereitzustellen.

Ein Beispiel: Mit dem Fokus der Bevölkerung den Zugang zu Finanzdienstleistungen zu erleichtern, hat CRIF einen auf maschinellem Lernen basierenden Indikator entwickelt, der in der Lage ist, auch nicht in der Datenbank der Auskunftei vorhandene Person, Einzelunternehmer oder KMUs zu bewerten. Auf Basis von Informationen, die gewöhnlich mit den Antragsdaten geliefert werden, von technischen Abfrageinformationen, von öffentlich zugänglichen Daten, von intern berechneten Indikatoren und von abgeleiteten Variablen, kann ein statistischer Indikator ausgewiesen werden, der die Wahrscheinlichkeit eines Zahlungsausfalls über den Zeitraum des folgenden Jahres abbildet. Diese Berechnung funktioniert, auch wenn die Auskunftei keine Daten zum jeweiligen Kunden gespeichert hat.

Mit einer starken Mischung aus firmeneigenen Daten, einer speziellen Hadoop-basierten Big-Data-Infrastruktur, Datenanalysefähigkeiten, Kompetenz in den Bereichen Compliance und Datenschutz ist CRIF bestens aufgestellt, um den Wert seiner Auskunfteidaten auch weiterhin voll auszuschöpfen, indem maschinelle Lerntechniken mit bewährten Standardansätzen der Statistik gemixt werden.