Verkleinde kans op risico, verhoogde omzet
SAS en Python Predictions bundelden hun krachten om een credit scoring tool te ontwerpen voor Unigro. Deze tool helpt het bedrijf bepalen of ze nu wel of niet het krediet van een klant kunnen accepteren.
Gespecialiseerd in microcredit
Unigro, een dochteronderneming van 3SI, genereert 82% van haar omzet door verkoop op krediet. “Zelfs elektronica kan je bij ons kopen op krediet”, zegt Yves Moens, General Manager bij Unigro. “Onze klanten zijn mensen met een beperkt budget, zoals huisverlaters of recent gescheiden koppels. Een kredietlijn komt voor hen als een oplossing die meer dan welkom is!”
Hoewel dit microkrediet een aanwinst is voor Unigro, houdt het ook een zeker risico in. “De uitdaging voor ons zit in het laten toenemen van onze omzet, zonder dat het risicopercentage meestijgt. We zenden onze catalogus uit naar zowel potentiële als bestaande klanten met een laag risicogehalte, maar ook anderen kunnen bij ons shoppen. Op dit moment is 40% van onze omzet gegenereerd door online bestellingen, credit scores vormen dus een belangrijk onderdeel van onze bedrijfscultuur.”
Degelijk en betrouwbaar
Tot en met 2004 werd het beheer van Unigro’s kredieten toegewezen aan Cofidis, evenwel onderdeel van G3SI. Wanneer Unigro besloot om zelf hun kredieten te gaan managen, moesten ze op zoek naar een andere professionele tool die hun hierbij kon helpen. “Ik had persoonlijk tijdens trainingen ondervonden hoe betrouwbaar SAS was voor dergelijke data-mining projecten. De beslissing volgde dus snel om samen te gaan werken met SAS en Python Predictions.” Het nieuwe model kwam er binnen het jaar.
Scoring: een concurrentievoordeel
“Zonder deze tool zouden zowel het acceptance level als onze omzet een pak lager liggen.” , aldus Yves Moens. De tool helpt bovendien ook om het arbeidsintensieve deel te reduceren.
Het is het makkelijkst als iemand een goede of een slechte score heeft: dan wordt de bestelling simpelweg wel of niet geaccepteerd. Voor sommige mensen is het echter niet vaak zo’n zwart-of-witsituatie. In zo’n geval wordt de order persoonlijk behandeld. Dat betekent dat één bepaalde werknemer moet beslissen of het krediet aanvaard wordt of niet. Hun beslissing is dan meestal gebaseerd op het profiel van de klant en tal van andere factoren. Unigro slaagde erin om deze ‘persoonlijke behandeling’ tot een minimum te beperken dankzij het nieuwe model van SAS en Python Predictions.
Ook voor marketing en forecasting
Yves werkt momenteel aan verdere updates voor in de toekomst, vooral voor e-commerce.
“Het internet speelt een belangrijke rol in het scoring-proces, aangezien e-commerce een groot aandeel vormt in onze omzet. En niet alleen op dat vlak worden er zaken veranderd. Het komt erop aan om die factoren te identificeren die van groter belang zijn, om nieuwe ideeën te testen en om constant onze parameters te evalueren.”
Unigro is enorm tevreden over de samenwerking met SAS en Python Predictions. “Onze medewerkers in het credit departement zijn zeer enthousiast over dit credit scoring model. Zodoende bouwen we steeds verder aan het succes van dit model, zodat op termijn alle data-mining processen kunnen worden geoptimaliseerd!”
