Betrugsprophylaxe für Fahrzeugfinanzierungen

Ein Finanzierungsinstitut kann mit Advanced Analytics und Machine Learning manuelle Aufwände bei Finanzierungsvorgängen signifikant reduzieren.

"

Reduktion der manuell zu überprüfenden Gehaltsnachweise um 56%

T

Gleichbleibende Betrugserkennungsrate

Z

Optimierung der internen Prozess

Herausforderung

Zur Betrugsprophylaxe werden Gehaltsnachweise von Finanzierungsnehmern heute stichprobenartig nach einer Heuristik manuell überprüft. Um die internen Prozesse zu optimieren, soll die Anzahl der manuell zu überprüfenden Gehaltsnachweise reduziert werden. Die Betrugserkennungsrate soll sich dabei nicht verschlechtern.

Lösung

Es wird ein Machine-Learning-Modell zur Schätzung der Betrugswahrscheinlichkeit von Finanzierungsvorgängen entwickelt. Selbstauskunftsdaten und Informationen zum Fahrzeug und Finanzierungsprodukt bilden dabei die Datenbasis. Es wird der fachlich optimale Schwellwert zur Aussteuerung von Vorgängen zur manuellen Überprüfung ermittelt.

Ergebnis

Die manuell zu überprüfenden Gehaltsnachweisen können um über 50% reduziert werden – und das bei gleichbleibender Betrugserkennungsrate. Das Modell wird im Produktivsystem implementiert.

Haben Sie Interesse an eigenen Use Cases?

Data Science Use Cases

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.