Paslaugos
Sektoriai
Programinės įrangos kūrimas
Kibernetinis saugumas
Skaitmeninė patirtis
Duomenų analitika
IT konsultacijos
Dirbtinis intelektas
Progress OpenEdge
Debesija
Prognozuojama, kad iki 2030-ųjų pradžios pasaulinė skolų išieškojimo paslaugų rinka viršys 41 mlrd. JAV dolerių ir kasmet stabiliai augs 2,7–3 proc. Norėdamos išlikti konkurencingos, organizacijos vis dažniau remiasi duomenimis grįstais įrankiais. Jie padeda geriau suprasti skolų portfelius, efektyviau valdyti skolų susigrąžinimą ir užtikrinti sklandesnį bendravimą su skolininkais.
„Legal Balance“ įžvelgė šią galimybę ir, norėdama dar labiau sustiprinti savo analitikos galimybes, pasirinko bendradarbiauti su „Baltic Amadeus“.pasirinko bendradarbiauti su „Baltic Amadeus“.
„Legal Balance“ yra skolų valdymo ir išieškojimo paslaugų įmonė. Ji taip pat perka ir administruoja smulkiųjų ir vidutinių įmonių, didelių įmonių bei įvairių organizacijų skolas.
Skolų išieškojimo srityje svarbu atsakyti į kelis esminius klausimus. Kaip atpažinti skolas, kurias greičiausiai pavyktų susigrąžinti? Kaip jas grupuoti pagal grąžinimo tikimybę, išieškojimo trukmę bei kitus veiksnius? „Legal Balance“ jau turėjo vidinius procesus šiems klausimams spręsti, tačiau norėjo jų įgyvendinimą optimizuoti. Įmonė siekė, kad skolų išieškojimas ir bendravimas su skolininkais būtų tikslesnis, efektyvesnis, labiau grįstas duomenimis bei nuoseklesnis visoje organizacijoje.
Projektui „Baltic Amadeus“ subūrė komandą, apjungiančią duomenų mokslo ir DI inžinerijos kompetencijas. Darbą komanda pradėjo nuo visų turimų skolininkų ir mokėjimų duomenų analizės. Taip atsirado vieningas duomenų rinkinys, kuriame kiekvienam skolininkui aprašyti apie 70 reikšmingų požymių. Šis rinkinys tapo tvirtu pagrindu tiksliam „machine learning“ (liet. mašininio mokymosi) modeliavimui.
Vėliau „Baltic Amadeus“ komanda per kelias iteracijas apmokė ir tobulino „machine learning“ modelius. Ji išbandė skirtingus metodus ir sutelkė dėmesį į tuos, kurie davė nuosekliausius rezultatus. Taip gimė „machine learning“ modelis, kuris priskiria skolininkus segmentams pagal grąžinimo tikimybę.
Remdamasi šiomis prognozėmis, „Baltic Amadeus“ duomenų analitikos ekspertų komanda sukūrė LLM asistentą, padedantį priimti kasdienius išieškojimo sprendimus. Asistentas surenka visą svarbią bylos informaciją ir pritaiko „Legal Balance“ verslo taisykles. Jis padeda vadybininkams greitai suprasti kiekvieną situaciją, nuspręsti dėl tolesnių veiksmų bei efektyviau bendrauti. Sprendimas veikia kaip Python pagrindu sukurta paslauga su vidine sąsaja. Ateityje jį numatyta integruoti į įmonės klientų ryšių valdymo sistemą (CRM).
DI projektas padėjo „Legal Balance“ aiškiau įvertinti grąžinimo riziką ir išieškojimo potencialą – ir atskirų bylų, ir ištisų skolų portfelių. Sujungusi skirtingus duomenų šaltinius, įmonė galėjo užtikrintai priimti duomenimis grįstus sprendimus, planuodama išieškojimo strategijas ir nustatydama darbų prioritetus.
Prognozavimo modeliai padėjo įvertinti grąžinimo tikimybę ir laiką, o DI asistentas palengvino kasdienį išieškojimo darbą. Vadybininkai galėjo greičiau peržiūrėti bylas, sutelkti pastangas ten, kur to labiausiai reikia bei nuosekliau pasirinkti išieškojimo ir komunikacijos būdus.
Taip „Legal Balance“ patobulino sprendimų priėmimą visose išieškojimo operacijose. Sprendimas sumažino rankinės analizės poreikį, padarė kasdienį darbą efektyvesnį ir sukūrė tvirtą pagrindą tolesniam automatizavimui bei integracijai į klientų valdymo sistemą.
