HR:Hitelvisszafizetés forrásának megtekintése

=Forrás=
[http://miau.gau.hu/nappalos/2008osz/hr/mo.xls XLS]

=A tervezett alkalmazás/megoldás címe=
*Jó adósunk lesz-e a hitelért folyamodó leendő ügyfelünk?

=A feladat előtörténete=
*Manapság egyre elterjedtebb a személyi hitelfelvétel a magyar lakosság körében. Minthogy fogyasztói társadalomban élünk, sajnos fő célunkká vált a pénz mértéktelen költése és ezáltal a féktelen fogyasztás. Ezt finanszírozandó, megjelentek a piacon a pénzt, mint terméket forgalmazó hitelkihelyező vállalkozások. Ezen cégek működésének alapfeltétele, hogy minél több hitelfelvevőt, mint ügyfelet tudjanak kiszolgálni, amellett, hogy hitel kihelyezéseik megtérüljenek és hosszútávon megtarthassák ügyfeleiket. Tehát a hitelnyújtók célja az, hogy hitelüket az ügyfelek visszafizessék és azonnal újabb hitelt vásároljanak. Feladatommal az XY hitelnyújtó cég egyszerűen elbírálhatja, hogy az igénylő vajon visszafizeti-e az igényelt hitelt.

=A feladat megoldás jelenlegi helyzete és ennek értékelése=
*XY cég jelenleg az anyacég által előállított úgynevezett Score Card-al (értékelő táblázat)értékelni leendő ügyfeleit. Két éve ezzel dolgozik a cég. Ez alatt az idő alatt számtalan akadályba ütköztek és felfedezték, hogy ez a megoldás nem felel meg teljesen a magyarországi vállalatnak. 
*Az fő probléma abból ered, hogy az értékelő táblázat nem veszi figyelembe a magyar társadalom alapvető életszínvonalbeli különbözőségét a nyugati társadalmaktól. Példával szemléltetve: nyugaton egy nyugdíjas életszínvonala magasabb egy fiatal, vagy középkorú munkavállalónál, míg Magyarországon az a trend mutatkozik, hogy a nyugdíjasok jövedelmüket tekintve sajnos jelentősen elmaradnak a fiataloktól. Ennél a problémánál már alapjaiban megingott a jelenleg használt Score Card használhatóságának létjogosultsága. A másik felmerülő problémát pedig a táblázat elavultsága jelenti. Mára teljesen más szempontok kerültek előtérbe egy hitelbírálatnál, mint évekkel ezelőtt. Míg korábban ha valakinek több gyermeke volt és idősebb volt, méltán gondolhatták azt, hogy felelősségteljesebb, tehát jobban fizető ügyfél lesz. A jelenlegi hitelvisszafizetési gyakorlat például nem ezt mutatja.

=A tervezett megoldás adatvagyonának bemutatása (ANYAG)=
Szakértői rendszeremben kiragadtam az XY cég által használt ügyféladatbázisból olyan adatokat, amelyeket az általuk használt Score Card súlyozása szerint fontosnak tartanak egy elbírálási folyamatban. A cég által használt ügyféladatbázis a hitelt már visszafizető ügyfeleket, tehát múltbéli adatokat tartalmaz.

==Objektumok (sorok)==
A táblám objektumai az ügyfelek neve, amelyet most az etikai elvárások miatt az ÁBC betűivel jelzek.

==Attribútumok (X, Y oszlopok)==
Attribútumok - X oszlopként - megtalálhatók az ügyfelek neve mellett a felvett hitelt összege, a kor, gyermekek száma, foglalkozási iparág és a nettó jövedelem. Ezek vizsgálatával eljutunk a függő változónkhoz (Y)a törlesztési magatartáshoz, vagyis hónapra lebontott pontos visszafizetéshez.

=A feladat által érintett célcsoportok=
Egyértelműen a hitelnyújtó cégek kockázatelemzési osztályai.

=A feladat megválaszolása kapcsán várható hasznosság=
Feladatom eredményéül kapott elemző táblázat használatával XY cég hatékonyabban és pontosabban tudja elbírálni, hogy a jövőben hozzájuk forduló hiteligénylő milyen hitel visszafizetési magatartást fog tanúsítani. Pontosan meg tudják becsülni, hogy a hiteligénylő adatlapon szolgáltatott adataik alapján hány hónapot fognak késni a törlesztéssel, időben vagy esetleg várhatóan előbb fogják a havi részleteket befizetni. Természetesen az egyéni viselkedések eltérhetnek a trendtől, erre a problémára nem tértem ki a feladatom megoldása során.

=A saját megoldás bemutatása (MÓDSZER)=
*"Alapadatok" munkalapra rendszereztem a rendelkezésre álló adatbázist. Ez olyan adatokat tartalmaz, amelyek nem összehasonlíthatóak, ezért tovább kellett dolgoznom rajta.
*Az "Adatok" munkalapra gyűjtöttem az attribútumokat mértékegységekkel. Ez a rendszerezés jó alapot adott a kódoláshoz, melynek célja az volt, hogy egyszerűbben kezelhető és összehasonlítható számszerű adatokat kapjak. Ezek az adatok lettek a kódok. Attól függően, hogy milyen intervallumot kódoltam, 1-től 9-ig terjedő számokat kaptam.
*A kódokat ezután Pivot táblába rendszereztem, amely megmutatja az objektumot, az X-eket és az Y-t mostmár csak az egyszerűsített kódokkal, nem a tényadatokkal.
*A Rangsor táblában sorbarendeztem az adatokat. Itt olyan problémával kerültem szembe, hogy egy-egy ranghelyet több objektum is elfoglalt, tehát tovább kellett szűkítenem.
*Eredményül egy olyan táblát kaptam, ahol mostmár ténylegese használható egyszerű ransorszámok szerepelnek. Ezt használtam a Solver számítás alapjaként.
*A Lépcső tábla Solver számításai tartalmazzák az egyes attribútumok súlyszámát.
*A Becslés táblában hozzárendeltem FKeres függvénnyel az egyes objektumok attribútoraihoz tartozó súlyszámokat.
*A bemutatott módszer használatával jutottam el a megoldásomhoz, amelyet lent mutatok be.

=Az eredmények értelmezése (EREDMÉNY)=
A Becslés táblázatom folytatásaként, összegeztem az egyes attribútumokhoz rendelt súlyszámokat és így eredményül kaptam egy számot (Becslés oszlop), amely megmutatja, hogy az egyes ügyfelek paramétereinek ismeretében milyen várható törlesztési magatartást fog tanusítani.

=Ajánlások megfogalmazása (KÖVETKEZTETÉS)=
=Az információ többletérték lehetőségének levezetése (VITA)=
=Lépcsős függvény átforgatása szakértői rendszerként értelmezhető táblázatba=
=Kapcsolódó, ill. konkurens megoldások, dokumentumok=
[https://miau.gau.hu/mediawiki/index.php/Feladatterv:COCO:000_minta nyilatkozat és kitöltési segédlet]
[[Kategória:Szakértői rendszerek]]
[[Kategória:Hasonlóságelemzés_(special)]]
[[Kategória:Hasonlóságelemzés_(classic)]]