A lap 2011. január 26., 22:10-kori változata

Forrás

http://miau.gau.hu/oktatas/2010osz/mo.xls

A tervezett alkalmazás/megoldás címe

Törlesztőrészletek elmaradásának okai

A feladat előtörténete

Sajnos napjainkban egyre szélesebb körben elterjedt, hogy fogyasztásainkat hitelből fedezzük. Egyik leggyorsabban elérhető hitelfelvételi lehetőségnek a fogyasztási hitel mutatkozik. Ezt indokolja, hogy egyszerű és gyors a hiteligénylés és - folyósítás. E korszerű lehetőséget azonban súlyosan megfizettetik a fogyasztókkal a hitelkamat felszámításával, amelyet az ügyfelek jelentős százaléka a későbbiekben nem tud fizetni.

A francia tulajdonú fogyasztási hitelt szolgáltató leányvállalatnál folyamatosak a havi hiteltörlesztés elmaradások. A vállalat keresi a megoldást, miként lehetne kiszűrni azon hitelfelvevőket (jövőbeni ügyfeleket), akikről prognosztizálható, hogy olyan ügyfelekké fognak válni, akik törlesztőrészleteiket nem fogják tudni időben kiegyenlíteni.

A feladat megoldás jelenlegi helyzete és ennek értékelése

A magyarországi leányvállalat jelenleg a francia anyavállalat Score Card-ját használja az ügyfelek elbírálásánál. Számos hiba jelentkezik a folyamatban és olyan ügyfeleknek utalnak ki hitelt, akikről később bebizonyosodik, hogy fizetésképtelen.

Az anyavállalatnál jól működő értékelési rendszer nem lehet sikeres itthon, mint ahogy egy Magyarországra betelepülő külföldi multinacionális vállalat sem tudja, maradéktalanul "ráerőltetni" a náluk oly jól működő vállalati kultúrát, és vezetési módszereket, egyetlen magyar szervezetre sem. Ezeket mindig magyarosítani kell, azaz a helyi kultúrával együttműködővé kell, hogy váljon. Ugyanez vonatkozik egy francia ügyfélértékelő lapra is. Mivel hazánkban például teljesen más jövedelmi viszonyok vannak a különböző korosztályoknál, mint Franciaországban, ezért tévesen fogja vezetni az értékelést itt Magyarországon az ottani mérések alapjául szolgáló Score Card.

A tervezett megoldás adatvagyonának bemutatása (ANYAG)

Az adattáblázatom egy vállalati tábla, aminek megváltoztattam a tényleges adatait adatvédelmi szempontból. A táblázat tartalmazza az ügyfelek neveit, és a fizetési hajlandóságot meghatározó személyes jellemzőiket.

Objektumok (sorok)

Ügyfelek

Attribútumok (X, Y oszlopok)

Személyes jellemzők (X)

• Kor
• Netto jövedelem
• Gyermekek száma
• Engedélyezett hitelösszeg
• Foglalkozás iparága

Függő változó (Y)

• Késési törlesztési hónapok

A feladat által érintett célcsoportok

Egy részről érintett a jövőbeni fogyasztási hitelt igénylők nagy számú csoportja. Másrészről jelentősen érintett a hitelt folyósító francia anyavállalat és magyar leányvállalata.

A feladat megválaszolása kapcsán várható hasznosság

Az általam bevezetésre ajánlott hitelbírálati rendszer képessé teszi a vállalkozás menedzsereit, hogy hatásosan prognosztizálják a hiteltörlesztési késéseket. A hitelt folyósító vállalat elkerülheti a jelentős veszteségeket, amit a késve fizető ügyfelek "termelnek" a vállalatnak. Feladatom eredményéül kapott táblázat segítséget nyújt abban, hogy pontosabban meg tudják határozni, vajon a jövőbéli ügyfél időben vagy késve fog törleszteni. Azt is képesek lesznek megbecsülni, hogy hány hónapot fognak késni a törlesztéssel. Így a vállalkozás biztosabb alapokon nyugvó pénzügyi tervet tud készíteni.

A saját megoldás bemutatása (MÓDSZER)

Az eredmények értelmezése (EREDMÉNY)

• • "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.
• • Az Irány meghatározásával megmutattam, hogy a az arány fordított-e vagy egyenes. Pl ha a kód minél nagyobb, annál nagyobb sorszámot kap, akkor 0-át írtam a táblába. Ha fordított az arány, akkor 1-es számot.
• • 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.

Ajánlások megfogalmazása (KÖVETKEZTETÉS)

Az információ többletérték lehetőségének levezetése (VITA)

Lépcsős függvény átforgatása szakértői rendszerként értelmezhető táblázatba

Kapcsolódó, ill. konkurens megoldások, dokumentumok

nyilatkozat és kitöltési segédlet