Syncasso Data Analyse
Altijd op zoek naar de beste, meest accurate voorspelling
Jeff Reijans is Onderzoeker bij Syncasso en dagelijks bezig met het analyseren van onze data en het ontwikkelen van (voorspel)modellen. Dit jaar heeft hij het executive programma Impactvolle Marketing Analist van de Rijksuniversiteit Groningen afgerond.
Zoeken naar de beste informatie
Informatie kan wanneer je die efficiënt inzet enorme voordelen opleveren voor je organisatie. De uitdaging zit vooral in de technieken om die informatie te ontsluiten, omdat die vaak verstopt is in transactionele, openbare of ongestructureerde data. Voor Syncasso is die uitdaging extra interessant. Marketing analyse richt zich standaard op het verkopen van producten of diensten. Dat gaat bij ons niet op. Er is een andere benadering nodig om betaalbeslissingen voor incasso te doorzien. Onze analyses richten zich op het herkennen van gedragspatronen en die proberen te beïnvloeden. Daarvoor werken we samen met de gedragspsychologen van de RUG.
Mensen niet onnodig belasten
Ons werk heeft daadwerkelijk impact op onze incassocommunicatie. We doen interessant statistisch onderzoek hoe verschillende mensen reageren op verschillende betaalverzoeken. We variëren de boodschap, het kanaal, de toon en de vormgeving in AB testen. Dat biedt ons de mogelijkheid om eindeloos te testen en te verbeteren. Vrij uniek aan Syncasso is dat ze naast het incasseren van vorderingen er veel energie in steken om dat op een sociaal verantwoorde manier te doen. Onze voorspelmodellen zorgen ervoor dat mensen die niet kunnen betalen, niet onnodig belast worden met ambtshandelingen en de extra kosten die dat met zich meebrengt.
Meest accurate voorspelling
Een mooi voorbeeld is ons voorspelmodel Verhaalscore. Dat is in 2012 ontwikkeld en daar zijn we bijna dagelijks mee bezig om dat door te ontwikkelen. Er zijn steeds meer databronnen beschikbaar, onder andere omdat Syncasso zelf telkens meer data registreert. We updaten het model continue met nieuwe informatiebronnen. Consequentie daarvan is dat selectie van de variabelen dynamisch verandert. Informatie die eerder voorspelkracht opleverde, kan door nieuwe relevantere informatie komen te vervallen. We zijn altijd op zoek naar de beste, meest accurate voorspelling. Afgezet tegen de referentiestroom kunnen we precies in kaart brengen wat het verschil maakt.
Nieuw algoritme voor Lang Lopende zaken
Op basis van data analyse van onze historische portefeuilles heb ik een algoritme ontwikkeld dat specifiek kijkt naar dossiers waarin een jaar (of langer) na betekening van het vonnis geen geldstroom op gang gekomen is. Het algoritme adviseert of doorbehandeling zinvol is door de kans te berekenen dat in de komende twaalf maanden een geldstroom op gang komt in het dossier. Hierbij kon ik helemaal blanco beginnen aan het bouwen van een model. Vanaf het definiëren en ontwerpen/ontwikkelen tot het daadwerkelijk testen van het scoringsmodel met collega’s op verschillende afdelingen. Mooi om te zien hoe het project in de organisatie wordt omarmd en direct wordt ingezet.
Meer plannen dan tijd
Er liggen nog een heleboel projecten op de plank die we graag willen oppakken. Wat levert tekstanalyse in ons Contact Center op bijvoorbeeld? Met machine learning de bezetting van ons Contact Center afstemmen op de campagnes. Waar leveren neurale (zelflerende) netwerken de meeste waarde op voor Syncasso. Meer plannen dan tijd, helaas.
Functie van de gerechtsdeurwaarder verandert
De gerechtsdeurwaarder heeft toegang tot specifieke, gevoelige informatie. Het gaat niet alleen meer over geld incasseren, maar met die informatie moet de gerechtsdeurwaarder ook inzicht bieden in de ontwikkeling van een vorderingenportefeuille. Steeds beter de waaromvraag achter het betaalgedrag beantwoorden. De gerechtsdeurwaarder wordt naast een juridisch dienstverlening in die zin ook een informatieleverancier. Daarmee neemt zijn maatschappelijke waarde nog verder toe.