First Consulting helpt bank bij risicomonitoring van leningen
First Consulting heeft een grote bank geholpen bij de risicomonitoring van zijn risicovolle leningenportfolio. Elke klant wordt op een centrale, overzichtelijke plek gemonitord. Door de historische data visueel inzichtelijk te maken, kan de bank het risiconiveau van nieuwe leningen beter inschatten.
De structurering, de sluiting en het beheer van event-driven leningen wordt verzorgd door één afdeling binnen de bank. Zeker in onzekere tijden zoals deze en onder toenemende druk van toezichthouders (bijv. ECB en FED), wil de afdeling meer grip krijgen op de positie van zijn klanten zodat verlies voorkomen kan worden.
De bank werd hierin beperkt door een verouderd systeem, dat monitoring tot een tijdrovend, complex en inefficiënt proces maakte. Na het uitvoeren van een design sprint werd besloten om de oude tool te vervangen door een nieuwe applicatie en dashboards. De nieuwe applicatie en alle hierin vastgelegde informatie stelt de bank in staat om een model op te stellen dat voor en na het afsluiten van een lening voorspelt of deze binnen de afgesproken termijnen kan worden afbetaald.
Vanwege de ervaring van First Consulting op het gebied van complexe Mendix-applicaties, Power BI-implementaties en data-migratie is het adviesbureau gevraagd om de digitale oplossing te ontwerpen, bouwen en implementeren.
Aanpak
Het werkproces bestond uit drie fasen, elk met een duur van circa drie maanden. Gedurende elke fase werd een Agile werkmethode gebruikt, waarbij in korte iteraties functionaliteit in hoog tempo werd ontwikkeld. Deze aanpak gaf de consultants de mogelijkheid om effectief om te gaan met de veranderende behoeften en de feedback van stakeholders binnen de bank.
Door het team bij het project te betrekken met regelmatige demo’s, waren zij in staat het nieuwe systeem en de nieuwe functionaliteiten zich snel eigen te maken en nieuwe teamleden zelf op te leiden.
Fase 1 - Centraliseren
In de eerste fase heeft het First Consulting-team samen met de afdeling het Minimal Viable Product (MVP) ontwikkeld, bestaande uit de Mendix-applicatie en het Power BI-dashboard. De applicatie slaat alle relevante historische data op, die vervolgens overzichtelijk op het client dashboard wordt weergegeven door middel van slice-and-dice visualisaties. Zo kan de status van de klant year-on-year worden geanalyseerd, wat ten goede komt aan monitoring van klanten/leningen.
Fase 2 - Visualiseren
In de tweede fase werd gewerkt aan nieuwe functionaliteiten voor de applicatie, zoals bijvoorbeeld klantspecifieke financiële waarschuwingen. Klanten die problemen ondervinden, worden onmiddellijk door het systeem geïdentificeerd en gebruikers worden snel gewaarschuwd. Daarnaast werd een tweede dashboard gebouwd om managers in staat te stellen de algehele status van het portfolio te volgen.
Hierdoor kan de bank snel year-on-year prestatievergelijkingen van het hele portfolio maken en bepalen wanneer maatregelen moeten worden genomen. Ook bij het sluiten van nieuwe leningen kunnen beide dashboards worden gebruikt, waarbij wordt gekeken naar de status van soortgelijke klanten (bijv. branchegenoten) alvorens de lening te sluiten.
Fase 3 - Automatiseren
De derde fase stond voornamelijk in het teken van het integreren van het nieuwe systeem met bronsystemen, zodat de benodigde informatie automatisch in de applicatie wordt geladen. Bovendien zijn er nieuwe functionaliteiten toegevoegd die het monitoringproces versimpelen. Zo kunnen rapportages met betrekking tot speciale situaties, zoals Covid-19, met één klik op de knop worden geschreven en geëxporteerd. Hierdoor kan het team meer tijd steken in het primaire proces van risicomanagement.
Resultaat en vervolgstappen
Dankzij de nieuwe applicatie en dashboards wordt het monitoren een efficiënter proces met veel automatische stappen. De afdeling kan individuele leningen en het hele portfolio monitoren en betere, datagedreven inschattingen maken van het risiconiveau van nieuwe leningen. Ook zijn regelgevende controles gemakkelijk uit te voeren.
De volgende stap staat in het teken van verder automatiseren van de invoer van belangrijke publieke klant- en marktdata met behulp van robotic process automation (RPA). Het inlezen van bestanden door middel van document recognition-technologie draagt bij aan deze verdere automatisering. Uiteindelijk zal dit bijdragen aan de kwaliteit en effectiviteit van het model.
