Razendsnel naar een digitaal waarschuwingssysteem voor kredietrisico’s

Voor elke kredietverlenende instelling is het cruciaal: greep houden op de stortvloed aan data die impact kunnen hebben op de kredietwaardigheid van debiteuren. ING ontwikkelde samen met Google en PwC een digitaal waarschuwingssysteem voor kredietrisico’s bij multinationals, overheden en financiële instellingen. ‘Binnen twaalf weken hadden we een proof of concept.’

Toekomstige problemen met betalingen snel inschatten

Soms kunnen complexe uitdagingen in korte tijd worden teruggebracht tot het begin van een oplossing. Toen PwC werd betrokken bij het streven van ING om een early warning system (EWS) voor kredietrisico’s te ontwikkelen, was een van de eerste stappen om een zogeheten rudimentaire demo te bouwen. ‘Een eyeopener’, zegt Anand Autar, head of portfolio management bij ING. ‘Ik dacht: als we dit in twee weken kunnen bouwen, is er heel veel mogelijk.’

Autar is de drijvende kracht achter het digitale waarschuwingssysteem voor kredietrisico’s dat ING samen met Google en PwC ontwikkelt. ‘Als kredietverlenende instelling moeten wij klanten die bij ons lenen, goed kunnen monitoren, zodat we snel kunnen inschatten of zich in de toekomst betalingsproblemen kunnen voordoen. Het managen van kredietrisico's is voor ons dan ook een kerncompetentie. Niet alleen uit commercieel oogpunt, maar ook omdat het onze fiduciaire plicht is tegenover spaarders die hun geld aan de bank toevertrouwen.’

ING, Google en PwC

Van links naar rechts: Anand Autar (ING), Petra Stojanovic (Google) en Pieter Verheijen (PwC).

Greep houden op overvloed aan sterk gefragmenteerde informatie

De uitdaging is om greep te houden op de overvloed aan – vaak sterk gefragmenteerde – informatie. ‘Een woud van informatieverschaffers brengt dagelijks een stortvloed aan data de wereld in’, vertelt Autar. ‘Daardoor is het goed denkbaar dat een kredietmanager, die soms tientallen bedrijven in portefeuille heeft, relevant nieuws niet opmerkt tussen alle informatie die op hem afkomt. Denk bijvoorbeeld aan berichtgeving in een lokale krant over een fraudezaak bij een debiteur, in een taal die de kredietmanager niet machtig is.’

Om die reden begon ING al een aantal jaar geleden te experimenten met de ontwikkeling van een digitaal waarschuwingssysteem. Dat hielp de bank om de vereisten scherp te krijgen. ING wilde dat het systeem schaalbaar en eenvoudig aan te sluiten zou zijn op een groot aantal verschillende databronnen. Ook was het van belang dat ING de onderliggende machine-learningmodellen in het systeem kon uitleggen aan de toezichthouders; voor de bank een zwaarwegende reden om het EWS in eigen beheer te ontwikkelen.

Google-diensten als LEGO-bouwstenen

Dat ING in de zoektocht naar een oplossing vervolgens uitkwam bij Google, zal weinig verbazing wekken. ‘Google Cloud biedt een digitale omgeving die zeer geschikt is om zowel te experimenteren als later op te schalen. En Google News is een informatiebron waarvan ING graag gebruik wil maken’, zegt Petra Stojanovic, financial services lead bij Google. ‘Ook hebben we als tech- en databedrijf uitgebreide expertise op het gebied van machine learning en artificial intelligence. Die aspecten spelen in dit project een grote rol.’

Stojanovic vergelijkt de diensten en producten van Google Cloud met LEGO-bouwstenen, die bedrijven in staat stellen ‘op maat’ oplossingen te bouwen voor specifieke uitdagingen. ‘De technologie is er al; het gaat erom de bouwstenen op de juiste manier aan elkaar te koppelen. De modulaire structuur maakt het mogelijk snel te experimenteren. Als je eens de verkeerde afslag neemt, kun je gemakkelijk weer terug naar de beginsituatie en vanaf daar een nieuwe weg inslaan.’

Petra Stojanovic, financial services lead bij Google
Pieter Verheijen, senior manager innovatie bij PwC Advisory

Snelle, efficiënte en effectieve kernprocessen

Met die inzichten als vertrekpunt kwam de samenwerking tussen ING, Google en PwC tot stand. ‘Onze rol is om de oplossing die ING voorstaat, te realiseren met behulp van de technologie die Google biedt’, zegt Pieter Verheijen, innovatie-expert binnen de adviespraktijk van bij PwC. Daartoe werd een multidisciplinair team gevormd, waarin de experts van ING op het gebied van kredietrisico’s samenwerkten met een cloud-architect, data engineers, een user experience designer en een front-end developer.

‘Binnen twaalf weken hadden we een proof of concept’, blikt Anand Autar terug. Aan de kant van ING is ondersteuning op het hoogste niveau binnen de bank van cruciaal belang voor de ontwikkeling en uitrol van het early warning system, meent hij. ‘De bank heeft een duidelijke visie als het gaat om het toepassen van digitale technologie om de kernprocessen sneller, efficiënter en effectiever te maken. De ontwikkeling van het EWS past in die visie.’

Actuele marktdata en nieuws uit publieke bronnen

Het EWS is een applicatie die, op basis van machine learning, beschikbare data die impact kunnen hebben op de kredietwaardigheid van debiteuren verwerkt, ordent en presenteert. Het systeem biedt kredietmanagers een oplossing voor de overvloed aan informatie, fragmentatie van bronnen en taalbarrières. Op die manier ondersteunt de applicatie de besluitvorming.

Vooralsnog gebruikt ING het systeem uitsluitend voor het signaleren van kredietrisico’s bij grote bedrijven, overheden en financiële instellingen. Het EWS wordt ‘gevoed’ door actuele marktdata van Thomson/Reuters en nieuws uit publieke bronnen, onder meer via Google News. In de huidige opzet verwerkt het systeem circa 80.000 nieuwsitems per dag.

Het EWS bepaalt of een nieuwsitem daadwerkelijk betrekking heeft op het bedrijf in kwestie, of dat het bedrijf slechts ‘toevallig’ wordt genoemd. Ook gaat de applicatie na of het item relevant is voor de kredietmanager. Zo is een bericht over een ongeval waarin een automerk wordt genoemd, waarschijnlijk niet relevant, maar een bericht over een afwaardering door een kredietbeoordelingsbureau wel. De laatste stap is dat items over dezelfde gebeurtenis worden geclusterd.

Kredietmanagers kunnen zelf waarschuwingssignalen toevoegen. Bijvoorbeeld wanneer de aandelenkoers met meer dan een vooraf ingesteld percentage daalt, een bedrijf wordt genoemd in verband met fraude of een bepaald bericht een (zeer) negatief sentiment weergeeft. Doordat de eindgebruiker feedback kan geven op de gevonden resultaten, kan het algoritme steeds verder worden verfijnd.

Realtime marktdata en nieuws uit publieke bronnen

'Voor ING is het proof of concept pas het begin. Uiteindelijk willen we een tool die voorspellende waarde heeft als het om kredietrisico’s gaat.'

Anand Autar, ING

Succesfactoren van de samenwerking

Naast de multidisciplinaire samenstelling van het team en de ondersteuning van het project op senior niveau binnen ING zijn er nog andere succesfactoren. Pieter Verheijen: ‘We kiezen voor agile werken, op basis van korte ontwikkelsprints van twee weken die worden afgesloten met een demo voor een beperkte groep toekomstige eindgebruikers. we kunnen dan feedback direct meenemen in volgende sprints. Op die manier ontwikkel je in nauwe samenwerking met de eindgebruikers en kun je voortdurend bijsturen.’

Ook het zorgvuldig afbakenen van de reikwijdte heeft volgens Verheijen bijgedragen aan de snelle realisatie van het proof of concept. ‘We hebben de scope beperkt gehouden door uitsluitend gebruik te maken van publieke informatiebronnen. In dit stadium was het dus nog niet nodig om het systeem te koppelen aan databronnen van de bank zelf. Dat maakte de ontwikkeling van het proof of concept voor alle betrokkenen veel overzichtelijker.’

Verfijning van risicomodellen en algoritmen

Op dit moment wordt het systeem nog slechts door een beperkt aantal kredietmanagers binnen ING gebruikt. Anand Autar: ‘Het proof of concept laat zien dat het EWS werkt. De volgende fase is om het systeem uit te rollen binnen de gehele bank en te verankeren binnen de interne processen en de IT-infrastructuur. Daarbij zetten we ook in op training van de kredietmanagers, want zij gaan uiteindelijk met het systeem werken.’

Voor ING is het proof of concept pas het begin. ‘Uiteindelijk willen we een tool die voorspellende waarde heeft als het om kredietrisico’s gaat’, verduidelijkt Autar. Die ambitie vereist een verdere verfijning van de onderliggende risicomodellen en algoritmen. ‘Net als een mens leert het systeem van eerdere situaties. Zo moet de tool steeds beter worden in het signaleren van nieuws en ontwikkelingen in marktprijzen die impact kunnen hebben op de kredietwaardigheid van een debiteur. Met de kanttekening dat we niet willen dat het algoritme daadwerkelijk beslist; dat blijft mensenwerk.’

Contact

Pieter Verheijen

Senior Manager, PwC Netherlands

Tel: +31 (0)88 792 66 66

Otto Vermeulen

Partner, PwC Netherlands

Tel: +31 (0)88 792 63 74

Volg ons