Luciano Bruccola, Conectens                                       

Pubblicato su Leasenews.it il 7/6/2023: link

All’uscita dal biennio 2020-2021, caratterizzato dalla crisi economica conseguente la pandemia e dalle misure di contenimento degli effetti quali moratorie e facilitazioni all’accesso al credito, si temeva che il rischio di credito nel leasing avrebbe subito una impennata una volta venute meno tali misure.

Le analisi condotte da Conectens sul perimetro dei contratti e clienti leasing, attraverso i dati di BDCR Assilea, per il 2022 e per le prime evidenze del 2023, ritornano invece un impatto contenuto e inferiore alle attese: il rischio di credito nel leasing sembra assestarsi a livelli decisamente inferiori rispetto a quelli registrati pre-pandemia.

La Tavola 1, nella curva in nero, mostra l’andamento dei contratti in contenzioso nel periodo 2019 sino alle prime osservazioni riferite al 2023. A partire dal livello abbastanza stabile che si aveva nel 2019 alla vigilia della crisi pandemica, si è assistito – grazie proprio alle misure di contenimento messe in atto per arginarne gli effetti economici – ad un progressivo rallentamento del tasso di contratti segnalati in contenzioso dalle società di leasing. La definitiva uscita dalle misure ha comportato un aumento del tasso di contenzioso che è durato lo spazio di pochi mesi iniziali del 2022 per poi assestarsi a livelli decisamente più contenuti se comparato al 2019. Pur in presenza di qualche valore altalenante, le prime evidenze mensili del 2023 confermano tale andamento.

Tavola 1 – Andamento contenzioso e default tra il 2019 e il 2023

Se dalla visione contratto, ci spostiamo alla visione cliente, considerando quindi per ciascun cliente l’insieme dei contratti che questi conduce per le diverse tipologie, non muta la valutazione del contenimento del rischio di credito associato e testimonia il grande sforzo messo in campo dalle società di leasing in termini di controllo della qualità del credito sia in fase di erogazione sia in fase di gestione del proprio portafoglio.

Sempre in Tavola 1 per il periodo 2019-2023 è mostrato, con la spezzata in rosso, la percentuale di clienti classificabili in default a inizio di ciascun anno: risulta evidente la progressiva ed importante diminuzione a cui si è assistito negli ultimi anni, il cui trend comunque parte da lontano. Anche il tasso di clienti classificati come nuovi default nel corso del 2022, in leggero aumento rispetto all’anno precedente (minimo storico), si assesta a fine anno a livelli di almeno un terzo inferiori a quelli che si registravano prima della pandemia.

Il perdurare del conflitto in Europa con le conseguenze economiche già in parte sperimentate, la ripresa del ciclo inflattivo e il conseguente aumento dei tassi di interesse pongono degli interrogativi sulle ripercussioni possibili sulle aziende clienti e quindi sul livello di rischio di credito. D’altro canto, la crescita attesa dell’economia italiana e i livelli di partenza così contenuti del rischio di credito sembrano controbilanciare o quanto meno attenuare i timori di una ripresa dello stesso.

Una misura più contenuta del rischio di credito, in termini di contratti e di clienti coinvolti, non esclude la necessità di un monitoraggio attento dell’evoluzione dello stesso. Le analisi annuali di valutazione delle performance dei Bureau Scores realizzati da Conectens sulla base del patrimonio informativo disponibile in BDCR Assilea, confermano che questi strumenti possono essere un valido supporto per identificare preventivamente il deteriorarsi del profilo di rischio dei clienti misurandone il posizionamento rispetto al mercato leasing complessivo.

In particolare il Bureau Score Comportamentale, le cui performance sono presentate in Tavola 2, si conferma capace di discriminare ex ante i livelli di rischio associati ai diversi clienti, mantenendo un differenziale di rischio di 1 a 70 tra fascia 1 (minor rischio) e fascia 10 (maggior rischio).

Nel dettaglio la tavola presenta la suddivisione di tutti i clienti censiti in BDCR Assilea con almeno un contratto attivo per classe di score a seconda dei dati e delle informazioni presenti a inizio periodo (1 1 2022). I clienti già classificati in default a tale data vengono esclusi da questa analisi. Le performance rappresentate (default cliente) si riferiscono alle osservazioni del comportamento nei 12 mesi successivi alla classificazione. Gli istogrammi rappresentano la quota di clienti che cadono nelle diverse classi al 1 1 2022, la curva in nero rappresenta la parte di clienti che a fine periodo (31 12 2022) vengono classificati in default.

Tavola 2 – Performance Bureau Score Comportamentale nel 2022

Risulta evidente l’ordinamento di rischiosità da classe 1 a classe 10 e come quest’ultima, in corrispondenza delle classi 9 e 10, raggiunga i livelli relativamente più importanti. La capacità discriminante del modello si conferma in linea a quella osservata negli anni precedenti, testimoniando la robustezza del modello sottostante.

La possibilità quindi di seguire con cadenza mensile (periodicità di aggiornamento dello score) l’evoluzione di classificazione di un dato cliente permette, ad esempio, di valutare il passaggio da una classe meno rischiosa ad una più rischiosa: tale eventualità costituisce un alert di peggioramento di classificazione utile per valutare l’andamento del rischio e, se rilevante, prendere iniziative di contenimento.

Nel momento in cui si registrano degli insoluti invece, il Bureau Score di Collection si dimostra essere uno strumento capace di valutare la probabilità che un dato cliente rientri in bonis ovvero peggiori il proprio stato. Rilevante anche in questo contesto è la possibilità di beneficiare del contributo informativo di come i propri clienti si rapportano con le altre società di leasing.

Nella Tavola 3 sono presentate le performance relative a questo strumento. A inizio periodo, in questo caso il 30 6 2022, i clienti con insoluti vengono raggruppati nelle classi di score da 1 a 10 (contrassegnate con il prefisso Ins nella tavola) sulla base delle info presenti a quella data. L’osservazione delle performance a 6 mesi di distanza, sino al 31 12 2022, fa emergere la capacità dello strumento di ordinare i clienti in modo decrescente per l’evento rientro in bonis e, al contrario, in modo crescente per il perdurare o l’aggravarsi dello stato di insoluto.

Tavola 3 – Performance Bureau Score di Collection nel 2022

Anche in questo caso la possibilità di monitorare mensilmente il proprio portafoglio clienti, offre l’opportunità di inquadrare il grado di complessità delle situazioni da affrontare e di scegliere quindi, l’approccio di pre-collection o di recupero più consono alla maggiore o minore probabilità di registrare un rientro in bonis.

In conclusione, l’osservazione dei dati mostra come questi strumenti, misurando il posizionamento dei clienti rispetto al mercato leasing complessivo, possono essere un valido supporto per identificare preventivamente il deteriorarsi del profilo di rischio e nell’affrontare l’eventuale processo di recupero nel modo più appropriato: in definitiva possono contribuire a mantenere il controllo del rischio di credito ai livelli virtuosi che ha raggiunto.

Luciano Bruccola, Conectens. Proprietà riservata (2023)

L'articolo Evoluzione e controllo del rischio di credito nel leasing proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su La lettera di Assilea numero 6 anno 2016

La gestione del cliente al quale si è concesso credito e che comincia a registrare degli insoluti rappresenta sempre un momento delicato da affrontare: da un parte si cerca di salvaguardare la relazione con lo stesso e quindi si è più propensi ad interpretare l’avvenimento come un incidente di percorso prontamente recuperabile, dall’altro ci si preoccupa dell’esposizione complessiva nei confronti del cliente, avvertito come ammontare complessivo a rischio, e si cerca quindi di operare con tempestività al fine di ridurre i danni potenziali ed anticipare le azioni di recupero.

Sovente le due impostazioni suesposte – rappresentate da istanze aziendali specifiche, commerciale da un lato e di contenimento del rischio di credito dall’altro – trovano un punto di incontro nell’individuazione di un percorso comune di reazione che prevede lo stesso identico tipo di approccio al recupero (reiterazione della richiesta di pagamento, sollecito telefonico, visita diretta, passaggio al legale) e quindi a valutare solo al termine del percorso se si è in presenza di un incidente di percorso o meno. Va comunque sottolineato il fatto che spesso il processo è affidato a operatori diversi, sia interni che esterni, i quali naturalmente apportano la propria peculiare interpretazione e personalizzazione nell’applicazione delle azioni, introducendo degli elementi di differenziazione che ne condizionano ovviamente anche il risultato.

I tempi di corretta interpretazione dei fenomeni di insoluto e di pronta e coerente reazione rispetto a questi, possono fare la differenza in termini di salvaguardia della esposizione ed anche della relazione con il cliente. In quest’ottica si inquadra l’utilizzo di appropriati processi decisionali supportati da sistemi specifici di scoring che hanno proprio l’obiettivo di aiutare a inquadrare da subito la tipologia dei fenomeni in esame e a differenziare modalità e tempistica di reazione – e quindi i processi di recupero sottostanti – sulla base delle caratteristiche di controparte e dell’insoluto stesso.

Con l’obiettivo di sviluppare uno strumento a supporto delle società di leasing per la gestione del recupero di fronte a clienti che registrano insoluti, Assilea Servizi e Conectens hanno intrapreso lo sviluppo dello Score di Collection sui dati di BDCR Assilea che consente di valutare, a livello di controparte e nel momento in cui si presenta un insoluto, la probabilità di un rientro in bonis ovvero di un aggravamento in una finestra temporale di sei mesi.

Quando ci si appresta a costruire strumenti statistici di questo genere si fronteggiano due temi importanti: da una parte è necessario avere basi sufficientemente rappresentative per l’analisi, dall’altra emerge il fatto che l’evento che si registra (sia quello rappresentato dal rientro in bonis, sia quello rappresentato dall’aggravamento dell’insoluto) è condizionato anche dalle azioni e dalla tempestività che la società pone in essere per gestire questo problema. L’eventuale frammentarietà dei processi o il fatto che intervengano attori diversi che possono cambiare anche nel corso del tempo, introduce una variabilità di difficile sistematizzazione all’interno dei modelli.

Lo sviluppo dello score di collection su una base ampia e consistente rappresentato dall’insieme dei contratti di leasing gestiti dalla BDCR Assilea consente di superare agevolmente l’ostacolo della dimensione della base necessaria per la conduzione della analisi mentre rende più articolato il secondo tema, in quanto non solo si fronteggiano approcci al recupero differenziati all’interno di una singola società ma si fronteggiano evidentemente anche i diversi approcci al recupero adottati da società a società. I risultati ottenuti – e presentati in dettaglio successivamente – consentono di guardare con meno preoccupazione a questo tema, che rimane comunque una chiave di interpretazione da tenere presente.

Nel dettaglio, lo sviluppo del modello di scoring di collection sui dati di BDCR è stato intrapreso su una popolazione di insoluti recenti con al massimo due segnalazioni di insoluto. Il razionale dietro il restringimento della popolazione di sviluppo a questo sottoinsieme è quello di consentire di valutare con attenzione il comportamento dei clienti che si presentano con un nuovo insoluto. L’evento da prevedere, in una finestra temporale di sei mesi, è stato suddiviso in 3 diversi stati: il completo rientro in bonis, l’aggravamento dell’insoluto, la diminuzione dello stesso ma senza rientro in bonis. Mentre il primo e il secondo stato sono facilmente attribuibili a un evento positivo e negativo rispettivamente, i clienti ricadenti nel terzo degli stati descritti sono classificati come indeterminati per lo sviluppo del modello e recuperati successivamente per l’attribuzione dello score.

L’analisi dei dati in BDCR afferenti alle caratteristiche di controparte, di relazione con le diverse società di leasing, all’operatività complessiva del cliente (numero contratti, ammontare finanziato ad esempio), alle caratteristiche proprie dell’insoluto ed alla credit history del cliente, ha portato alla individuazione delle variabili più rilevanti per la previsione dell’evento e alla definizione del modello.

Nella tavola 1 vediamo rappresentati i risultati ottenuti sul sottoinsieme di sviluppo: lo score puntuale è stato suddiviso in 10 fasce in modo tale da massimizzare – per ciascuna fascia – la distanza tra eventi positivi (Good) e eventi negativi (Bad); per ogni fascia di score così individuata è misurato l’evento registrato a sei mesi di distanza, viene inoltre rappresentato anche il tasso di contenzioso registrato sempre a sei mesi di distanza.

In dettaglio per l’insieme dei clienti con insoluti recenti (al massimo da due segnalazioni) al 31/12/2014 distinti per fascia di score, viene misurata la performance registrata a sei mesi di distanza e quindi al 30/6/2015: in verde sono rappresentati i ritorni in bonis, in rosso l’aggravamento dell’insoluto, in arancione i clienti per i quali c’è una riduzione dell’insoluto di partenza ma non si registra un rientro in bonis. La composizione dei clienti nei tre diversi stati per fascia riflette la minore o maggiore rischiosità di vedere il cliente con insoluti aggravare la propria posizione, ovvero al contrario consente di valutare la maggiore o minore tendenza a rientrare prontamente (in sei mesi) in bonis. E’ importante considerare l’andamento del tasso di contenzioso registrato nei sei mesi: la risoluzione del contratto (messa a contenzioso) è una scelta propria della società fatta a seconda del rischio che percepisce ed è interessante vedere come rifletta la rischiosità osservata per fascia di score, crescendo progressivamente dalla fascia 1 alla fascia 10.

In termini di implementazione il modello viene esteso a tutti i clienti che presentano insoluti, quindi anche per i clienti che registrano insoluti da più di due segnalazioni. Questi ultimi tendono a classificarsi nelle classi di score più rischiose, confermando che la variabile tempo gioca un ruolo nella definizione dell’insoluto. I risultati dell’implementazione del modello a questo insieme di clienti sono rappresentati in Tavola 2. Oltre agli elementi già presentati nella tavola precedente, la tavola riporta una analisi specifica sui clienti classificati come indeterminati al 30/6/2015 (quindi con un insoluto ancora presente ma inferiore o uguale a quello di partenza): questi ultimi infatti sono stati osservati sino al 31/12/2015 e classificati negli stati Good, Bad o Indeterminati a seconda del posizionamento – quindi a 12 mesi di distanza rispetto alla assegnazione dello score. Questa analisi permette di assottigliare di cica un 50% l’insieme dei clienti classificati come indeterminati al 30/6/2015 e anche di vedere confermata la tendenza per cui a score più bassi si registra una maggiore capacità di rientro in bonis ovvero che a score più alti si registra una maggiore probabilità di aggravamento dell’insoluto.

Il Bureau Score di Collection è in fase di implementazione in BDCR Assilea e sarà calcolato ad ogni aggiornamento mensile della base dati per tutti i clienti che presentano insoluti. L’utilizzo dello strumento, sia attraverso una interrogazione puntuale sia attraverso l’assegnazione dello score al portafoglio clienti, consente di beneficiare di un elemento aggiuntivo nella definizione delle strategie e del conseguente piano di azioni, al fine di gestire il recupero degli insoluti sin dalla prima evidenza degli stessi.

Luciano Bruccola, Conectens. Proprietà riservata (2016)

L'articolo Bureau Score di Collection in BDCR Assilea proviene da Conectens.

Luciano Bruccola, Conectens

Pubblicato su La lettera di Assilea numero 3 anno 2016

I flussi mensili di alimentazione alla BDCR Assilea, raccolti e gestiti dalla piattaforma di Monitoraggio delle Performance di Portafoglio, consentono analisi interessanti sulle dinamiche della qualità di portafoglio dei contratti leasing e più in generale sulle dinamiche di passaggio di stato dei contratti. Risulta possibile valutare le performance, da un punto di vista rischio di credito, per ciascun momento del ciclo di vita dei contratti dalla fase di origination, alla gestione comportamentale, alla fase di recupero. In questo articolo daremo qualche evidenza sulla evoluzione della rischiosità nelle tre fasi, beneficiando della disponibilità temporale dei dati dal 2011 sino a inizio 2016 e con particolare riferimento alle performance delle azioni di recupero sui primi segnali di insolvenza (early collection).

Un primo elemento di analisi è il confronto delle performance delle diverse generazioni annuali di produzione dei contratti leasing. Nel grafico 1 è possibile osservare, per ciascuna delle generazioni dal 2011 al 2015, la decadenza a contenzioso nel corso del tempo. A parità di anzianità di contratto si osserva agevolmente la rischiosità più contenuta delle generazioni di produzione più recente. Per esempio a 25 mesi di distanza dalla rispettiva data di produzione è possibile misurare che la quota di contratti passati a contenzioso scende da circa 3,4% per la generazione 2011, a poco più di 1,6% per la generazione 2013, testimoniando quindi una crescente capacità complessiva di gestire il rischio sin dalla prima fase di selezione in accettazione. L’andamento della generazione di contratti 2014 presenta un ulteriore miglioramento del contenimento del rischio e le prime evidenze per il 2015 sono a quest’ultima allineate.

Un secondo elemento di interesse è rappresentato dall’andamento delle dinamiche di “produzione” di nuove insolvenze o contenziosi provenienti da contratti regolari. Il grafico 2 di seguito, costruito sulla finestra di osservazione giugno 2011 – marzo 2016, mostra come la produzione di nuove Insolvenze (area grigia ed arancione) e di nuovi contenziosi (area in azzurro) proveniente da contratti Regolari è decisamente in diminuzione.

Più in dettaglio, la quota parte dei contratti classificati come Regolari che a distanza di 3 mesi passano allo stato di Insolvenza (distinto in Leggera e Grave) ovvero al passaggio allo stato di Contenzioso passa da oltre 2,5% di inizio 2012 a 1,3% a marzo 2016.

Queste analisi testimoniano come ad una crescente capacità di selezionare il rischio in accettazione si accompagni anche una decisa diminuzione di Insolvenze e Contenziosi provenienti dai contratti Regolari.

Registrata la crescente capacità di contenimento del rischio, sorge la domanda su quale sia invece la dinamica dei contratti che entrano in insolvenza e in particolare, quale sia la capacità di gestire i processi di early collection e se questa abbia subito delle modifiche nel corso del tempo.

Una analisi di dettaglio sulle performance dei contratti classificati in Insolvenza Leggera (IL) può aiutare a misurare e comprendere meglio il fenomeno. La definizione di Insolvenza Leggera adottata in BDCR è basata sul confronto dell’ammontare dell’insoluto registrato rispetto a due parametri: il primo è relativo al valore del bene e presenta una soglia pari al 5%, il secondo è relativo all’ammontare dei canoni a scadere nei 6 mesi successivi e presenta una soglia pari al 35%. Nel caso in cui l’ammontare registrato dell’insolvenza sia inferiore ad entrambe le soglie, il contratto viene classificato in Insolvenza Leggera e, in definitiva, si può ritenere di essere in presenza di clienti/contratti con difficoltà contenute e per i quali il successo delle azioni di recupero (early collection) dovrebbe essere più elevato.

Il grafico 3 ci mostra l’andamento delle performance dei contratti classificati in Insolvenza Leggera a 3 mesi sempre nella finestra di osservazione giugno 2011 – marzo 2016. Mentre la quota di contratti che rientra in bonis si attesta nella forchetta 35-40%, la quasi totalità della restante parte si divide tra quelli che peggiorano la propria classificazione da Insolvenza Leggera a Grave (il cui ammontare dell’insoluto quindi varca almeno una delle due soglie precedentemente indicate), e quelli che restano nella stessa classe di stato. La quota di contratti che restano in Insolvenza Leggera mostra come lo spazio temporale di 3 mesi non sia sufficiente a garantire una definizione della difficoltà di rimborso.

La domanda che si pone è: vista la capacità di miglioramento della selezione in accettazione e la diminuzione della trasformazione di contratti regolari in insolvenza o contenzioso, ci si può aspettare anche un miglioramento delle azioni di early collection che consentano in generale un approccio più tempestivo e che portino ad un risultato migliore in termini di rientro in bonis?

Come ampiamente sottolineato le analisi precedenti sono costruite sulla base dei dati sottostanti alla piattaforma di Monitoraggio delle Performance di Portafoglio su dati BDCR ed è quindi possibile per ciascuna associata utilizzatrice del servizio ripercorrere le stesse analisi sul proprio specifico portafoglio per misurare i propri fenomeni ed effettuare le considerazioni del caso. Una volta misurati i fenomeni, è utile invero avere la disponibilità di strumenti che aiutino a prendere una decisione su quale potrebbe essere la strategia e l’azione associata di recupero più consona rispetto alle caratteristiche del contratto e del cliente in esame. Con questo specifico obiettivo è in fase di sviluppo sui dati di BDCR lo Scoring di Collection il quale, una volta implementato, consentirà di valutare le caratteristiche di un cliente (con tutti i contratti associati) rispetto alla probabilità che, una volta registrato un primo insoluto, a distanza di 6 mesi possa tornare in bonis ovvero peggiorare il proprio stato. La pubblicazione di questo scoring in BDCR consentirà agli utilizzatori di beneficiare direttamente dello strumento a complemento di quanto già in uso per gestire le azioni di collection.

Luciano Bruccola, Conectens. Proprietà riservata (2016)

L'articolo Evidenze sulla efficacia delle azioni di Early Collection nel Leasing proviene da Conectens.

Luciano Bruccola, Conectens – Massimiliano Gasparotto, BMW Bank – Giampiero Chirico, BMW Group

Pubblicato su La lettera di Assilea numero 3 anno 2015

Obiettivi e definizioni

L’obiettivo di BMW Bank è quello di migliorare l’allocazione delle risorse, in senso lato, dedicate a gestire i processi di collection, valutando il bilanciamento tra costi e benefici delle azioni implementate, sin dal momento in cui un cliente entra nella fase di gestione del recupero.

Lo sviluppo del modello di score di early collection – realizzato da Conectens in collaborazione con TREBI Generalconsult – consente di stimare per contratto/cliente, la probabilità di rientro (ovvero di permanenza) dal processo di collection nel momento in cui registra un insoluto, prevendendone l’evoluzione in termini di ritorno in bonis ovvero di persistenza/peggioramento dell’insoluto registrato.

Ai fini della definizione degli elementi di sviluppo del modello di score sono stati estratti 7 flussi – ogni flusso relativo alla fine di ciascun trimestre solare dal 31 12 2012 al 30 6 2014 – rappresentanti l’intero portafoglio contratti coinvolti nel processo di collection di BMW.

La costruzione delle matrici e dei percorsi di transizione, attraverso i 7 momenti di osservazione temporali, ha consentito di valutare e misurare l’evoluzione nel tempo dei contratti attraverso il grado di coinvolgimento nel processo di recupero: phone collection (contratti per i quali è attivato un processo di recupero telefonico), home collection (contratti per i quali è attivato un processo di recupero diretto), recovery (contratti per i quali è in corso un processo legale) e di verificare quando questi sono eventualmente rientrati in bonis al seguito di una azione di recupero.

Le risultanze delle analisi hanno permesso di definire gli elementi principali per lo sviluppo del modello: la popolazione di riferimento è l’insieme dei contratti che entrano nel processo di collection causa presenza di insoluti; la permanenza nel processo di collection – che evidenzia insoluti da sanare e costi aggiuntivi di gestione per BMW – è condizione per considerare un contratto nello stato di Bad, mentre i contratti che rientrano in bonis vengono considerati come Good; infine l’analisi della evoluzione trimestrale dei contratti ha portato a valutare come 6 mesi la finestra di osservazione più adeguata per la costruzione del sistema di score.

Basi dati e metodologia

Sulla base delle definizioni precedenti si è proceduto ad analizzare l’insieme delle informazioni disponibili e rilevanti per la costruzione del modello di score. E’ stato necessario approntare una base dati specifica che raccogliesse per i contratti oggetto di analisi l’insieme delle informazioni nelle seguenti aree: anagrafica cliente; informazioni di application, delle caratteristiche del veicolo oggetto di finanziamento e informazioni finanziarie del contratto; informazioni di andamento del contratto; informazioni sull’insoluto in capo al contratto; la storia creditizia del contratto e della controparte.

Le consuete analisi di qualità e rilevanza delle informazioni e la costruzione di opportune variabili derivate, ha portato alla definizione di un centinaio di informazioni in rappresentanza delle aree di analisi descritte precedentemente. Una prima applicazione delle tecniche di Recursive Partitioning – vedi Figura 1 – sulla base dati realizzata ha permesso di costruire l’albero di segmentazione e di individuare, quindi,  le informazioni di partenza più rilevanti per discriminare i futuri Good dai futuri Bad, nonché di evidenziare le dimensioni che maggiormente influiscono sul comportamento allo studio: il grado di indebitamento e lo stato di rimborso del contratto, le componenti dell’insoluto, la storia creditizia pregressa e infine le caratteristiche anagrafiche di controparte.

Il modello di scoring è stato poi finalizzato attraverso un’applicazione di regressione logistica in 2 step, che ha consentito di utilizzare anche il patrimonio informativo della BDCR Assilea in termini di valutazione del posizionamento dei clienti BMW sui contratti leasing detenuti con altri operatori. In particolare l’utilizzo dei flussi di ritorno costruiti al netto dei contratti detenuti con BMW, ha permesso di includere nel modello una valutazione del posizionamento verso gli altri operatori senza sovrapposizione con le informazioni interne già considerate.

Risultati e utilizzi

I risultati ottenuti, rappresentati in Figura 2, consentono di individuare i contratti e i clienti classificati nelle prime fasce di score come quelli a più alta probabilità di rientro e che peraltro rappresentano una quota rilevante dell’ammontare complessivo degli insoluti. L’elevata attitudine al rientro rilevata suggerisce di porre il focus su azioni tempestive che possano ottenere il risultato di un rientro ad un costo minore. Al contrario per i contratti e clienti nelle ultime fasce di score, per i quali si registra una attitudine più elevata alla permanenza nel processo di collection a 6 mesi di distanza rispetto l’entrata e per i quali si osserva un valore dell’indebitamento in essere proporzionalmente più elevato, le riflessioni portano a valutare da subito approcci di recupero più diretti (accorciando quindi i tempi per una decisione di strategia da adottare), al fine di agire più tempestivamente a salvaguardia del credito complessivo.

Una volta individuato il target, l’approccio e le prime azioni da porre in essere, queste saranno implementate  – sulla specifica piattaforma di collection TWC di TREBI – secondo un approccio di tipo champion-challenger, ovvero implementate su una parte del portafoglio e messe a confronto con l’attuale processo di collection: lungo una opportuna finestra temporale si registrano i ritorni delle azioni e si confrontano i risultati tra nuovi processi (challenger) rispetto ai precedenti (champion).

La valutazione, che terrà conto dei diversi elementi che possono impattare sia i costi che i benefici delle azioni implementate – costo complessivo delle azioni, tasso di rientro in bonis, l’accorciamento dei tempi per addivenire ad una decisione – consentirà di misurare i benefici attesi dai nuovi processi e di implementare questi ultimi in modalità controllata.

Luciano Bruccola, Conectens – Massimiliano Gasparotto, BMW Bank – Giampiero Chirico, BMW Group. Proprietà riservata (2015)

L'articolo Introduzione di uno Score nel processo di Collection in BMW Bank proviene da Conectens.