Modelos estatísticos em credit scoring para clientes de telecomunicações

Abstract

Uma das principais áreas em constante crescimento nas duas últimas décadas é a das Telecomunicações. É também uma área que tem sofrido grandes alterações devido ao aumento das necessidades dos clientes, às alterações das regras do mercado e à feroz concorrência. Assim, e tendo em conta os seus desejos, surge a necessidade de responder com as melhores propostas. A problemática económica presente leva a que a concessão de crédito seja, hoje em dia, uma das principais formas de satisfazer os clientes neste ramo. A tecnologia e os softwares atuais proporcionam a produção de grande volume de dados e variáveis. Algumas das ferramentas possibilitam aos analistas de crédito terem respostas imediatas, com todos os indicadores necessários para avaliar o processo de cada cliente. Contudo, estas técnicas exigem que o utilizador siga determinados parâmetros para que a tarefa de optimização tenha sucesso. De forma a desenvolver modelos estatísticos para cada grupo de clientes, é necessário ter um vasto conhecimento dos dados da Vodafone Portugal para que seja possível detetar o comportamento histórico de cada cliente e, posteriormente, caracterizá-lo através de um score. Esta pontuação não é 100% eficaz uma vez que se tratam de modelos de previsão, sendo que o objetivo pretende identificar corretamente o maior número possível de bons clientes e de maus clientes. Em função dos vários indicadores que surgem no contexto do problema dos modelos de Credit Scoring é possível que, ao longo do trabalho, existam várias pequenas conclusões. O desfecho do estudo pode culminar em possíveis alterações das regras de negócio ao crédito, desde a política de concessão de crédito até à metodologia das ações de cobrança. Os métodos utilizados nesta área são métodos quantitativos de análise de credito conhecidos mundialmente e utilizados nas mais diversas áreas, sendo que as instituições financeiras são as que mais os desenvolvem. Foram utilizadas técnicas estatísticas, com destaque para o modelo de regressão logística. A análise e interpretação dos resultados evidenciaram que o uso deste método é mais eficaz do que o processo usado atualmente, pois permite identificar um maior número de clientes com grande probabilidade de default.

One of the fields in constant growing over the last two decade is Telecommunications. It's also an area that has undergone major changes due to the growing customer necessities, the changing market rules and stiff competition. Thus, the need to respond with the best proposals taking into account their desires. The present economical problematic makes credit extension, nowadays, one of the main ways to satisfy customers in this business. Technology and up to date software provide the production of large volumes of data and variables. Some tools allow credit analysts to have immediate answers, with all the necessary indicators to evaluate each customer process. However, these techniques require the user to follow certain parameters for the optimization task is successful. In order to develop statistical models for each group of customers, you must have a vast knowledge of data from Vodafone Portugal, to be able to detect the historical behavior of each customer and later classify him through a score. This score is not 100% effective since they deal with forecasting models, with the purpose of correctly identify as many as possible of good customers and bad customers. Depending on the various indicators that appear in the context of credit scoring models is possible that, throughout the work, there are several small conclusions. The outcome of the study may result in possible changes in business credit rules, since the credit concession policy until the methodology of collection actions. The methods used in this area are quantitative methods of credit analysis known worldwide and used in several areas, being mostly developed by financial institutions. Statistical techniques were used, with emphasis on the logistic regression model. The analyzing and interpreting the results, which showed that the use of this method is more effective than the process currently used, since it identifies a greater number of clients with high probability default.