das Blog > Analytics & Consulting > Case Study: Kreditrisiko-Modelle automatisiert überprüfen
Kreditrisiko-Modelle automatisiert überprüfen

Überblick: Case Study: Kreditrisiko-Modelle automatisiert überprüfen

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.

Ausgangslage & Herausforderung

Höhere Effizienz und geringerer Aufwand
Bei UniCredit Leasing stehen Kreditrisiko-Parameter im Fokus: Mit vier PD-Modellen (Probability of Default) wird die Ausfallwahrscheinlichkeit vorhergesagt, ein LGD-Modell (Loss Given Default) prognostiziert die Verlustquote nach einem Ausfall. Bislang haben Dritte diese Modelle validiert, nun will UniCredit Leasing das selbst übernehmen. Das Ziel: Die eigenen Mitarbeiter sollen in der Lage sein, die Modelle qualitativ und quantitativ zu validieren. Von diesem Insourcing verspricht sich UniCredit Leasing eine höhere Effizienz und langfristige Zeit- und Kostenersparnisse.

Maßgeschneiderte Validierungsumgebung
Neben regulatorischen Vorgaben an den Validierungsprozess stand UniCredit Leasing auch vor der Herausforderung, ein neues umfangreiches Rahmenwerk des italienischen Mutterkonzerns UniCredit zu implementieren, unter anderem mit Vorgaben zu Analysen, Tests, Auswertungen und Triggerwerten. Außerdem stand die Automatisierung auf der Agenda: Die Daten sollen künftig weitgehend automatisiert verarbeitet, ebenso wie Tests durchgeführt und Berichte erstellt werden. Mit der Automatisierung soll der Aufwand der Validierung deutlich reduziert werden.

Unternehmensprofil von UniCredit Leasing ansehen
Unternehmensprofil:

Über UniCredit Leasing
Die herstellerunabhängige Leasinggesellschaft gehört als Teil des UniCredit Konzerns zu einem Leasingnetzwerk in 17 Ländern. Die UniCredit Leasing GmbH mit Sitz in Hamburg bietet sowohl klassische Leasinggeschäfte als auch strukturierte Finanzierungen an. Das Objektportfolio umfasst unter anderem Maschinen und Anlagen, Pkw, Nutzfahrzeuge und EDV.

Mit den neuen automatisierten Verfahren können unsere Mitarbeiter nun selbst die Kreditrisiko-Modelle effizient validieren. Wir schätzen die professionelle und zielgerichtete Zusammenarbeit mit Experian. Die Experten haben uns auch bei unvorhersehbaren Themen konstruktiv unterstützt und eine hohe Flexibilität bewiesen. Das alles hat das Projekt zum Erfolg geführt.
Claudia Renk, Leiterin Zentralens Risiko- und Kreditmanagement der UniCredit Leasing GmbH

Lösungen für UniCredit Leasing

Automatisierte Datenverarbeitung, Auswertung und Aufbereitung
Für die quantitative Validierung werden die Rohdaten – zum Beispiel Ausfalldaten, Ratings und Kundenmerkmale – jetzt so aggregiert und aufbereitet, dass die automatisierten Analysen darauf zugreifen können. Die Validierungsverfahren erlauben es dann auf Knopfdruck, die quantitativen Auswertungen qualitätssicher, schnell und absolut zuverlässig durchzuführen.Neben der automatischen Datenverarbeitung etablierte Experian eine entsprechende Auswertung und eine standardisierte Aufbereitung der Validierungsergebnisse. Testresultate werden nun vollständig automatisiert ausgewertet, die Ergebnisse anschaulich grafisch und tabellarisch aufbereitet. Auf Grundlage der Ergebnisse wird auch die Validierungsdokumentation aktualisiert. Alle technischen Prozesse hat Experian umfassend dokumentiert. Außerdem wurden die Mitarbeiter von UniCredit Leasing geschult.

Sie wollen mehr erfahren? Vereinbaren Sie gleich heute einen unverbindlichen und kostenfreien Termin mit unseren Experten.
Anfrage senden
Ergebnisse
  • Kostenersparnis von bis zu 25 Prozent durch Insourcing der Validierungsaktivitäten
  • Zeitersparnis von bis zu 50 Prozent
  • Unabhängigkeit von Dritten im Validierungsprozess
Lösungen
Case Study: Kreditrisiko-Modelle automatisiert überprüfen

Lesen Sie hier die Details zur Case Study mit UniCredit Leasing

Jetzt Case Study herunterladen

Jetzt einen unverbindlichen Termin vereinbaren

Kontaktieren Sie uns
Case Study
TF Bank AB nutzt Risikobewertung in Echtzeit für kontinuierliche Reduzierung der Zahlungsausfälle

Die TF Bank bietet digitale Bankdienstleistungen für Privatkunden und E-Commerce-Händler über eine eigenentwickelte automatisierte IT-Plattform an. Neben Konsumentenkrediten bietet die in vielen europäischen Ländern aktive Digitalbank auch Kreditkarten und professionelle Payment-Lösungen an.

Eine Kernherausforderung besteht für die Bank in einer zuverlässigen Abschätzung von Zahlungsausfallrisiken.

Ganze Story ansehen >
Case Study
Arval bietet Kunden vollständig digitales Onboarding mit CreditFactory+ von Experian

Der technologische Wandel sowie veränderte Konsumentenwünsche haben die Anforderungen an die Antragstellung für Konsumkredite substanziell und nachhaltig verändert.

Ob Online oder im stationären Geschäft, beim Onboarding von Kunden ist es erforderlich, dass Sie ihren potenziellen Kunden einen vollständig digitalen, medienbruchfreien und schnellen Antragsprozess ermöglichen, der bequem von überall durchgeführt werden kann. Eine Minimierung der Time-to-Yes, ein angenehmes Kundenerlebnis und die Maximierung der Abschlussquote sind das Ergebnis.

Ganze Story ansehen >
Case Study
Creditplus nutzt den Digital Account Check für beschleunigte Kreditantragsprozesse

Mit der digitalen Bankauskunft schnell und einfach zum Kreditabschluss.
Beschleunigte Kreditantragsprozesse für komfortable Kundenberatung am Point of Sale und Filialgeschäft – mit dem Digital Account Check.

Ganze Story ansehen >
Case Study
Daten und Ressourcen gezielter für Betrugserkennung einsetzen

Versicherungsbetrug hat viele Gesichter. Mit vorgetäuschten Schäden, falschen Schilderungen oder sogar fingierten Schadenfällen versuchen Betrüger immer wieder, unberechtigterweise an Auszahlungen zu gelangen. Diese Betrugsfälle müssen rechtzeitig erkannt und gefiltert werden, um eine fehlerhafte Regulierung abzuwenden. Gleichzeitig muss der Versicherer gewährleisten, dass seine redlichen Kunden schnelle Hilfe im Schadenfall erhalten.

Ganze Story ansehen >
Case Study
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.

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 >