La data est aujourd’hui devenu pierre angulaire dans la stratégie de transformation digitale des entreprises, en particulier dans le secteur bancaire où la data science est notamment utilisée pour optimiser les campagnes marketing et anticiper les besoins clients.

C’est dans cette optique que Margo accompagne l’un des acteurs majeurs de la banque dans la réalisation d’un projet de développement et d’industrialisation d’un modèle de Machine Learning. Ce projet a pour objectif de fournir une cible plus qualifiée aux conseillers bancaires afin de faciliter leurs démarches commerciales pour l’octroi d’enveloppes de prêts pré-accordés. Pour ce faire, une équipe de Data Scientists intervient à différents niveaux du processus : de la modélisation du moteur de calcul de scoring de crédits, jusqu’à son industrialisation.

Nous vous proposons notre retour d’expérience sur la mise en oeuvre de ce projet dans l’écosystème bancaire afin de mieux comprendre comment la datascience peut rapidement devenir génératrice de ROI pour nos clients.

Objectif : réaliser un moteur de scoring de crédit

La première phase du projet consiste à réaliser le PoC à travers la modélisation du moteur à partir des informations bancaires. L’expertise du métier lors de cette étape est cruciale, elle permet de cadrer les besoins et d’orienter le choix des variables explicatives des scores.

Le moteur de scoring répond à deux interrogations par deux modèles de machine learning. Le premier modèle est le score d’appétence, il répond à la question : “mon client est-il intéressé par un crédit ?”. Le deuxième modèle est le score d’octroi, il répond à la question : “mon client va-t-il rembourser son crédit sans incident ?”. La préconisation finale dépend des deux scores calculés pour chaque client […].

Découvrez notre retour d’expérience dans sa totalité sur le site de Decideo : La Data Science source de ROI commercial dans une grande banque française