MARGO

Success Story

Le Machine Learning source de ROI commercial pour un acteur bancaire majeur

Découvrez notre retour d'expérience client sur la mise en oeuvre d'un projet de moteur de scoring

Par Mehdi Rahim Data Scientist
04/07/2019

La data est aujourd’hui devenu pierre angulaire dans la stratégie de transformation digitale des entreprises, en particulier dans le secteur bancaire où la data science est notamment utilisée pour optimiser les campagnes marketing et anticiper les besoins clients.

C’est dans cette optique que Margo accompagne l’un des acteurs majeurs de la banque dans la réalisation d’un projet de développement et d’industrialisation d’un modèle de Machine Learning. Ce projet a pour objectif de fournir une cible plus qualifiée aux conseillers bancaires afin de faciliter leurs démarches commerciales pour l’octroi d’enveloppes de prêts pré-accordés. Pour ce faire, une équipe de Data Scientists intervient à différents niveaux du processus : de la modélisation du moteur de calcul de scoring de crédits, jusqu’à son industrialisation.

Nous vous proposons notre retour d’expérience sur la mise en oeuvre de ce projet dans l’écosystème bancaire afin de mieux comprendre comment la datascience peut rapidement devenir génératrice de ROI pour nos clients.

 

Objectif : réaliser un moteur de scoring de crédit

 

La première phase du projet consiste à réaliser le PoC à travers la modélisation du moteur à partir des informations bancaires. L’expertise du métier lors de cette étape est cruciale, elle permet de cadrer les besoins et d’orienter le choix des variables explicatives des scores.

Le moteur de scoring répond à deux interrogations par deux modèles de machine learning. Le premier modèle est le score d’appétence, il répond à la question : “mon client est-il intéressé par un crédit ?”. Le deuxième modèle est le score d’octroi, il répond à la question : “mon client va-t-il rembourser son crédit sans incident ?”. La préconisation finale dépend des deux scores calculés pour chaque client […].

 

Découvrez notre retour d’expérience dans sa totalité sur le site de DecideoLa Data Science source de ROI commercial dans une grande banque française


Par Mehdi Rahim Data Scientist
Banque
Data
DataScience
Finance
Machine Learning
REX
Tribune

MiFiD II : révolution ou transition vers MiFiD III ?

L’industrie financière connait depuis quelques années une évolution exponentielle en termes de produits financiers et de progrès technologiques, offrant aux clients investisseurs un panel d’investissement plus large et plus accessible, du moins en théorie… La crise mondiale de 2008 a pointé du doigt les dysfonctionnements et a amené la commission européenne à mettre en place une directive visant à protéger les clients investisseurs en 2014 : MiFid II. Cette dernière s’articule autour de trois principaux axes : la transparence, la protection de l’investisseur et l’efficience des marchés. Devant entrer en vigueur en janvier 2017 puis reportée d’un an car trop complexe à mettre en œuvre dans les temps, son application a engrangé de nombreuses confusions et provoqué une profonde réforme des marchés financiers.

18/07/2019 Découvrir 
Tribune

DSP 2 en route vers l'Open Banking ?

L’obligation de mise en œuvre de la DSP 2 (Directive sur les services de paiement 2) a généré un nombre d’échanges tout à fait inhabituel ces derniers mois, pour tous les banquiers comme pour les Fintechs. DSP 2 est une directive européenne qui impose aux banques d’ouvrir leur système d’information aux agrégateurs de comptes (i.e. Bankin ou Lynxo) et initiateurs de paiements (i.e. Slimpay ou WorldPay). Mais elles ne doivent pas le faire n’importe comment, la directive fixe des règles non négociables : la sécurité doit être maximum avec un mécanisme d’authentification forte de la part du client, l’expérience utilisateur doit être confortable et le client disposera de droits augmentés en cas de litige avec la banque notamment dans la situation d’une utilisation frauduleuse de son compte.

05/07/2019 Découvrir 
Témoignage

Rencontre avec Gaël, Software Engineer Haute Performance IT chez Margo

En débutant chez Margo, j’ai eu envie de sortir de ma zone de confort et de me former sur un langage plus poussé techniquement. Mon projet me permet de travailler en Java 8, ce qui m’a donné l’opportunité d’approfondir mes connaissances en langage orienté objet.

Découvrir 
Actualité

Du Prototype à la Production : Itinéraire d’un Projet d’IA.

A l’occasion de la conférence AWS Summit Paris du 2 avril, Virginie Mathivet Directrice R&D au sein de Teamwork, Mohamed Aït El Kamel Solution Architect chez Corexpert et Xavier Michallet Head of Data Department chez Soitec (spin-off du CEA) nous ont partagé un retour d’expérience sur le développement et le déploiement d’un modèle de Machine Learning sur AWS pour de la reconnaissance d’image.

11/04/2019 Découvrir 
Actualité

Qu’est-ce que le Machine Learning a changé pour nos métiers ?

A l'occasion de la conférence AWS Summit Paris du 2 avril, Marc Cabocel AWS Solutions Architect et Adrian Pellegrini Chief DataScience Office Blue DME nous ont proposé une session sur les nouvelles capacités données aux entreprises grâce au Machine Learning. Découvrez avec Margo ce qu'il fallait retenir de cette session.

08/04/2019 Découvrir 
Actualité

Tutoriel - Intelligence Artificielle : du prototype au déploiement

Dans cet article, nous vous présentons un cas concret de construction d’un modèle d’Intelligence Artificielle et de son déploiement via une application mobile, le tout en moins d’une heure chrono !

22/03/2019 Découvrir