Proje İçeriği

ML tabanlı Tahsilat Sistemi projesi, bankamız gecikmeli müşterilerin takip ve tahsilatına yönelik doğru zamanda doğru aksiyonları alarak, hem finansal güçlük çeken müşterileri rehabilite etme hem de tahsilat kabiliyetlerini arttırmak amacı ile Makine Öğrenmesi Algoritmalarına dayalı modellerin oluşturulduğu bir projedir. Sistemin çalışma aşamaları aşağıdaki gibidir: 1. Veri Hazırlama Süreci : banka içi ve banka dışı (Bkm, Kkb, vb) verilere erişim sağlandı, geçmiş 6 dönem için yaklaşık 5000 farklı parametre ile çalışıldı, veri kalitesi çalışmaları yapıldı 2. Model Geliştirme : Makine öğrenme sürecinde doğru modelin belirlenmesi için bir çok algoritmalar ile çalışmalar yapıldı, model optimizasyonu için farklı periyotlarda simülasyonlar yapıldı, müşteriler 12 Segmente ayrıldı ve 12 Model oluşturuldu, yeni teknolojiler için Ar-Ge çalışmaları yapıldı 3. Model Otomasyonu : Otomasyon ile mevcut modelin iyi veya kötü yönde performans gösterdiğini izleyebiliyoruz , Otomasyon, daha iyi bir modelin olabileceği önerisini verebiliyor, böylece öğrenen ve kendini yenileyen bir yapı kurulmuş oldu. 4. Stratejinin Çalışması: Power Curve karar motoru üzerinde müşteriler için hazırlanan verilerileri işleyecek stratejiler hazırladı. Önceki aşamalarda günlük olarak hazırlanan risk, crm, segment, model bilgilerinin girdileri ile müşteriler için alınması gereken aksiyonlar, sinyal ve risk kodları üretirilir. 5. Strateji Çıktılarının İşlenmesi: Gecikmedeki müşteriler için stratejiden çıkan sms, mail ve mobil bildirimler otomatik olarak yollanır. Aranmasına karar verilen müşteriler için Çağrı Merkezi uygulamasına gerekli veriler yollanır ve müşterilerin aranması sağlanır. 6. Kullanıcı Arayüzleri: Gecikmeli müşterilerin bilgilerini detaylı şekilde gösteren ekranlar hazırlandı. Tahsilat ekipleri ve şubeler bu ekranlar ile müşterilerin bilgilerini detaylı şekilde analiz edebilmekte. Strateji karar çıkarmamış olsa da müşterilere gecikme bildirimleri için sms, mail yollayıp, sesli olarak arayabilmekte. Böylelikle gecikmeli ürünlerin tahsilatı en erken zamanda yapılabilmekte, tahsilat yapılamayacak durumda olan müşteriler için yapılandırma, borç öteleme, idari takip gibi işlemlere karar verilebilir ve gerekli aksiyonlar alınır. 7. Digital Kanal Entegrasyonu : Gecikmede ürünü olan müşterilerin, İnternet şube ve Mobil'den login olduklarında veya Çağrı Merkezi üzerinden bankayı aradıklarında; müşterilere gecikme bildirimi yapılıp, en yakın tarihe ödeme sözü vermesi için ekranlar hazırlandı.

Projenin Amacı

Fahri.Obek@turkiyefinans.com.tr

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Kurum içerisindeki Tahsilatlar sürecini iyileştirmek

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Makine Öğrenmesi Algoritmalarına dayalı modellerin oluşturulduğu bir projedir, bu sayede kurumumuzda ilk defa makine öğrenmesi altyapı mimarisi tasarlandı ve bu mimariye uygun yapı kuruldu

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Projenin her aşamasında detaylı bilgilendirmeler ile birlikte üst yönetime sunumlar yaparak bilgi paylaşımları yapılmıştır. Desteklerini her zaman belirttiler.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Proje kurum içerisinde Kredi Kalitesi ve Tahsilatlar iş ailesi için önemli faydalar sağlamıştır. Tek bir uygulama üzerinden toplanan veriler ML algoritmaları ile tahminleme yapılarak bir çok aksiyonlar otomatik olarak alınmaktadır. Tahsilatlar ekibinin, IT ekiplerine bağımlılığını azaltacak şekilde kendi stratejilerini üzerinde kurgulayıp çalıştırabilecekleri Power Curve karar motoru kullanılmıştır.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

Henüz ölçüm yapılabilecek kadar veri oluşmadı.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Projemizde 19 kişi aktif olarak görev aldı. DW / AI Arge geliştirme ekibi, veri toplama , veri kalitesi arttırıcı faaliyetler, model geliştirme çalışmalarında görev aldı. Veri Analistleri ekibi , verilerin analiz edilmesi, test edilmesi ve model çıktılarının değerlendirilmesinde görev aldı. Yazılım geliştirme ekibi, Model sonucuna göre müşteriler ile ilgili alınacak aksiyonlar ile ilgili geliştirme çalışmalarında görev aldı. ML Altyapı Admin ve Mimar, sistem tasarımı , kurulumu ve işletilmesi çalışmalarında görev aldı. Proje yönetimi - 1 kişi DW / AI Arge geliştirme ekibi - 6 kişi Veri Analistleri - 5 kişi Yazılım geliştirme ekibi - 10 kişi ML Altyapı Admin ve Mimar - 2

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Experian firmasından modelleme ve stratejinin geliştirilmesi konularında danışmanlık alındı.