B2B-Risikomanagement mit Advanced Analytics

Überblick: Case Study: B2B-Risikomanagement mit Advanced Analytics

DKV Mobility nutzt intelligente Datenprodukte und innovative Algorithmen, um Zahlungsrisiken im B2B-

Der europäische Mobilitätsdienstleister DKV Mobility bietet Produkte und Services rund um die Versorgung und Mobilität von Lkw- und Pkw-Flotten. Aktuell sind über 5,1 Mio. Tankkarten und Onboard-Units in 4 Ländern bei über 210.000 aktiven Kunden im Einsatz.

Ausgangslage & Herausforderung

Hohe Wachstumsziele erfordern digitale Entscheidungen
DKV Mobility verfolgt eine ehrgeizige Wachstumsstrategie, die sich neben dem Kerngeschäft auf mehr Digitalisierung, Nachhaltigkeit sowie Internationalisierung fokussiert. Hierfür ist mehr Professionalität in der Kundensteuerung erforderlich. Denn mehr Kunden bedeuten auch eine gesteigerte Gefahr von Zahlungsausfällen. Damit die Risikoabwägung automatisiert und zuverlässig erfolgen kann, sind digitalisierte Antragsprozesse und entsprechende Automatisierungen erforderlich. Bislang ist das Entscheidungssystem statisch und nutzt nur klassische Auskunftei-Daten.

Herausforderungen
  • Internationaler Ansatz notwendig trotz stark unterschiedlicher Markt- und Kundenstrukturen
  • Trotz Senkung des Ausfallrisikos muss der Umsatz signifikant steigern
  • Große Datenmengen vorhanden, aber nicht für analytische Aufgaben vorbereitet
Unternehmensprofil von DKV Mobility ansehen
Unternehmensprofil:

Über DKV Mobility
Unsere Unternehmensgeschichte ist von einer langen Tradition geprägt. Seit mehr als 85 Jahren ebnen wir unseren Kunden den Weg in die Mobilität. Unsere Produkte und Dienstleistungen bewegen Menschen und Waren in ganz Europa – grenzenlos und zukunftsorientiert. Wir verbinden Tradition mit Moderne und können so alle Wünsche unserer Kunden erfüllen. Egal welcher Kraftstoff, welche
Technologie oder welchen smarten Service Sie bevorzugen: Wir stehen an Ihrer Seite.
www.dkv-mobility-group.com/de

Das Projekt hat ein Optimierungspotenzial von über zehn Prozent bei den Verlusten durch Zahlungsausfälle offengelegt. Auch für internationale Märkte wie Italien konnte gezeigt werden, dass über die letzten Jahre ein in Summe mehrstelliger Millionenbetrag an Verlusten hätte vermieden werden können. Die Umsetzung im Produktivbetrieb und die internationale Ausweitung sind für uns deshalb nur logisch
Eckhard Kämmer, Project & Program Manager, DKV Mobility

Lösungen für DKV Mobility

Entwicklung analytischer Risiko-Vorhersagemodelle
DKV Mobility beauftragte Experian für ein fünfmonatiges Analyseprojekt, um eine flexible analytische Risikoabschätzung zu entwickeln und deren Leistungsfähigkeit unter Beweis zu stellen. Im Rahmen des Projekts „Smart Risk Management“ sollte unter anderem eine Komponente entwickelt werden, die frühzeitig die gezielte Ansprache und Kundensteuerung ermöglicht. Die Projektphase bezog Italien, Deutschland und Polen ein. Durch den Einsatz moderner analytischer Machine Learning-Verfahren (ML) auf der preisgekrönten Datenanalyse-Plattform „Ascend Analytics on Demand“, führten Experian-Experten verschiedene Analysen
und Bewertungen für DKV Mobility durch. So konnten sie zusätzliche Datenpunkte für die Antragsentscheidung gewinnen. In umfangreichen Workshops mit DKV Mobility wurden die bereitgestellten Analysedaten kontinuierlich verbessert. Konkret entwickelten die Experten analytische Vorhersagemodelle auf Basis logistischer Regression (klassische Risiko-Scorekarten) und dem ML-Verfahren XGBoost und verglichen so die Leistungsfähigkeit und Operationalisierbarkeit. Insgesamt wurden sechs Vorhersagemodelle entwickelt: Für Italien, Deutschland und Polen jeweils ein Modell für den Antrag sowie ein Modell für die Bestandsbewertung.

Sie wollen mehr erfahren? Vereinbaren Sie gleich heute einen unverbindlichen und kostenfreien Termin mit unseren Experten.
Anfrage senden
Ergebnisse
  • Aussagekräftige Vorhersagen, effizientere Prozesse, erhebliches Kosteneinsparpotenzial
  • Durch Einbeziehung von Experian Daten und Services kann eine hohe Prognosegüte erreicht werden
  • Advanced Analytics und ML bringen auch im B2B Segment sehr gute Ergebnisse
Lösungen
Case Study: B2B-Risikomanagement mit Advanced Analytics

Lesen Sie hier die Details zur Case Study mit DKV

Jetzt Case Study herunterladen

Jetzt einen unverbindlichen Termin vereinbaren

Kontaktieren sie uns
Case Study
UniCredit Leasing nutzt neue maßgeschneiderte Validierungsumgebung

Die UniCredit Leasing Deutschland stellt Unternehmen Leasing-Finanzierungen für Wirtschaftsgüter wie Maschinen, Anlagen, EDV und Fahrzeugen zur Verfügung. Um Risiken im gewerblichen Leasing früh zu erkennen und gegenzusteuern, werden die Geschäftsbeziehungen regelmäßig überprüft. Dass die zugrunde liegenden Modelle funktionieren, wird mit sogenannten Validierungen nachgewiesen.

Ganze Story ansehen >
Case Study
Warum Open Banking Daten nur für Banken nutzen und nicht auch im eCommerce?

Diese Frage stellte sich Laura Vogelsang, Head of Risk & Payment des Premium-Onlinehändler fashionette und hat zusammen mit uns eine Antwort gefunden. Lesen Sie jetzt wie fashionette mithilfe von Open Banking Daten 40 % weniger Ausfall hat und gleichzeitig die Manual Order Review Prozesse schlank hält.

Ganze Story ansehen >