Oppgaver fra Sparebank 1

Foreslått av:

Christian Meland
Analyse- og kredittsjef
SpareBank 1 Kredittkort AS
christian [dot] meland [at] sparebank1 [dot] no

System for å raskt avdekke nye gambling brukersted

Det er forbudt å formidle betalinger til/fra gamblingtjenester som ikke har tillatelse fra Lotteritilsynet. Det er håndtert ved at brukersteder som har brukerkoden som indikerer gambling blir blokkert fra vårt system. Mange gamblingtjenester omgår dette ved å sette opp brukersteder under falskt flagg. Kundene finner fort frem til disse nye brukerstedene. Når vi ser at en kunde har hatt titallt transaksjoner på 1000€ til et brukersted med et intetsigende navn, mistenker vi raskt gambling. Samtidig behøver ikke dette alltid være tilfelle. Vi ønsker å identifisere slike nye steder med størst mulig sikkerhet når de dukker opp, slik at vi kan sperre for bruk. Vi ønsker ikke å finansiere våre kunders gambling.

Kontakt: John Tyssedal

Tidlig flagging av risikoadferd

Vi ønsker en modell som analyserer kundenes tidlige adferd (input: transaksjoner (bruk), kanal kunden kom inn via, demografiske data om kunden, scoringdata etc. Her kan vi tom. se på om kunden for eksempel søkte kort natt til lørdag…) og gir oss en pekepinn på sannsynlighet for fremtidig mislighold. Dette for å bedre kunne styre kundens kredittgrense etc. Her ligger det store gevinstmuligheter for oss. Vi har mye og gode data. En del av jobben blir også å definere hva som er mislighold, i det vi ser at svært mange av de vi sender til inkasso blir friskmeldt ved at de betaler det de skylder i løpet av kort tid.

Kontakt: John Tyssedal

Risikobasert scoring

Finansbransjen scorer i dag sine kunder for å treffe rett PD, dvs propability of default. Det er ikke optimalt. Du kan se for deg to kunder som har samme sannsynlighet for å gå til inkasso, men der den ene (gitt IKKE inkasso) ender opp som en lønnsom kunde men den andre i beste fall går i null (de vanlige lover om risiko og gevinst er ikke alltid like gjeldende i kredittkortbransjen, der vi ser an kundens adferd før vi øker kredittgrensen) Et prosjekt for å utvikle en verdibasert (gevinstoptimalisert) scoremodell kan være meget spennende og lærerikt for en talentfull student, og resultatene vil vekke oppsikt om det fungerer. Dette er en spennende og utfordrende oppgave, som inkluderer bruk av logistisk regresjon og andre statistikkmetoder. Overføringsverdien til praktisk arbeid i finans/forsikring er høy.

Kontakt: John Tyssedal

Segmentering av kundemassen vår, til bruk i markedsarbeid og risikostyring

Vi har ca 500.000 kunder og vi har store mengder data om hver av dem. Vi ser at for å øke vår inntjening må vi begynne å behandle disse kundene individuelt ut fra deres karakteristika, ønsker og behov. 20% av vår verdiskaping kommer fra 1,6% av kundene. Hva kjennetegner disse? Hvordan kan vi sikre at de ikke forlater oss? Kan vi få andre kunder til å bli mer som disse? Kan vi vekke passive kunder (vi har ca 160.000 av dem, så gevinsten ville vært formidabel) Dette er en meget åpen og fri oppgave, men vi vil stille krav om en mulig nytteverdi for oss.

Kontakt: John Tyssedal

Mulige gevinster i bruk av autorisasjonsdata

I tillegg til alle transaksjoner som blir foretatt, har vi også detaljerte data om all FORSØK på bruk. Det kan for eksempel være en kunde som vil ta ut penger i minibank, men som taster feil kode gjentatte ganger, eller en kunde som vil kjøpe en ny sofa men som ikke har tilgjengelig ledig kreditt på kortet. Det kan også være forsøk på svindel. På dette området har vi gjort svært lite arbeid, og kunnskapen er lav. Et prosjekt her vil erfaringsmessig ha stor mulighet for å komme med ny kunnskap som igjen kan gi stor verdi. Det er alltid spennende og utfordrende å være den første som slipper til nye data. Kan vi øke bruken ved å sende sms til de som taster feil pin? Kan vi tilby økt kredittgrense til noen av de som ikke får gjennomført de kjøpet de ønsker å gjennomføre? Kan vi hindre svindel som ikke fanges opp av de systemene vi har i dag?

Kontakt: John Tyssedal

Betalingsløsning for lukkede arrangement, eksempelvis en festival eller en konsert

Det stilles krav til raskt oppgjør, offline funksjonalitet (Vipps og tilsvarende krever kontakt med nettet, det kan du ikke stole på når 30.000 mennesker er samlet på ett sted) og en løsning mange kan bruke. Vi vil fortrinnsvis at kundene skal bruke kredittkort (vårt) når de betaler for øl ++ på festivaler, men i dag kjøper de proprietære kortløsninger som ofte er verdiløse når festivalen er over, og det er tungvint og kostbart å få ut pengene du har satt inn (om du ikke har brukt opp hele saldoen) Hvordan kan vi sikre trygt oppgjør med mCash uten nettilgang, dvs uten at mCash applikasjonen kan sjekke om brukeren har tilgjengelig kreditt på sitt kort? En teoretisk løsning her (neppe gjennomførbar?) innebærer en blockchain løsning der mobilen kommuniserer med andre mobiler i umiddelbar nærhet.

Kontakt: Kristian Gjøsteen

2018-01-04, Hallvard Norheim Bø