Über das Geschäft mit dem Scoring. Scoring, das heißt oft Kreditscoring, und da geht es darum zu berechnen, ob und gegebenenfalls wie kreditwürdig jemand ist, welche Bonität er hat. Das machen u.a. Institutionen wie die Schufa oder Creditreform. Aber diese Scoringmethoden werden auch in ganz anderen Bereichen eingesetzt, etwa, wenn es darum geht, wie wertvoll bestimmte Kunden zum Beispiel für ein Mobilfunkunternehmen oder für ein Möbelhaus sind.

1. Peter Welchering
Scoring in Deutschland
Methoden, Datenbasen, Merkmale und ihre Risiken
• Scoring als Data-Mining-Methode
(Clusteranalyse, Diskriminanzanalyse,
Faktorenanalyse)
• Anwendungsgebiete von Scoring (Kreditvergabe,
Kundenbewertung, innere Sicherheit,
Krankenkassen)
• Datenbasen für Scoring-Anwendungen
• Scoring-Merkmale und ihre Anwendung bei
Schufa, Creditreform & Co

2. Peter Welchering
Was ist eigentlich Scoring?
Eine Methode zur Berechnung eines Wertes aus strukturierten
und unstrukturierten Daten, der den Profilwert einer Person oder
Organisation in Bezug auf ein gewünschtes Verhalten angibt

3. Peter Welchering
Einsatzbereiche und Definitionen
• Scoring und Rating
• Statistische Analyseverfahren – intuitive
Bewertungen
• Verkaufs-Scoring, Vertragsscoring
• Internes und externes Scoring
• Bonitätsbewertung als Rasterfahndung
• Scorewerte im Gesundheitsbereich

4. Peter Welchering
Scorecard
Quelle: Dittombée, Holger: Credit-Scoring
in der Praxis, in: LDI NRW, 2005, 92

5. Peter Welchering
Daten für das Scoring
• Alter, Geschlecht, Familienstand, Anzahl und Alter der Kinder
• Bildungsstand, Beruf
• Art und Dauer der Beschäftigung, Arbeitgeber
• Adresse, Wohndauer, Haushaltstyp, soziales Milieu, Umzüge
• Nationalität, Religion
• KFZ-Besitz, Wertanlagen, Immobilien, Sicherheiten
• Monatseinkommen, monatliche Ausgaben
• Kontoumsätze, Einzeltransaktionen, Kontensaldi,
Überziehungen, Zahl der Kreditkarten, Zahl der Konten, Zahl
der Verträge
• Eigenkapitaleinsatz, vorherige Kredite, Scheckrückgaben
• Studiengang, Zeugnisnoten, Fremdsprachenkenntnisse

6. Peter Welchering
Datenarten
• Eigenauskunft
• Vertragsdaten
• Finanzielle Daten
• Soziodemographische Daten

7. Peter Welchering
Datenquellen
• Auskunfteien
• Eigenauskunft
• Kundendaten
• Soziale Plattformen

8. Peter Welchering
Aus der Zauberküche der Analysten
• Entscheidungsbäume
• Repressions-Algorithmen
• Neuronale Netze
• Genetische Algorithmen

9. Peter Welchering
Scoring als Methode des Data Mining
• Ermittlung von Assoziationsregeln
• Ermittlung von Sequenzregeln
• Klassifizierung gemäß der gerichteten
Datenanalyse
• Clustering in unstrukturierten
Datenbeständen

10. Peter Welchering
Beispiel: Kreditscoring
• Datenbasis: Eigenauskunft, finanzielle Daten,
Auskunftei-Daten, Soziodemographische
Daten, Daten aus sozialen Plattformen
• Prognose: Bedienung Zins und Tilgung
• Methoden: Inferenzbildung,
Plausibilitätsanalyse, Mustererkennung,
Fehlerrechnung
• Ergebnis hängt ab von der Bewertung der
Datenarten

11. Peter Welchering
Beispiel: Versandhandel
• Prädiktive Berechnung der
Zahlungszieltreue und der Rückgabe-
Wahrscheinlichkeit
• Prognose der Rückgabequote
• Integration von Kaufkraftkarten und
Cash-Limit-Analysen
• Kundenkontenauswertung

12. Peter Welchering
Beispiel: Mobilfunkanbieter
• Ziel: Zahlungstreue, Vertragstreue
• Daten: Eigenauskunft, finanzielle Daten,
Soziodemographische Daten

13. Peter Welchering
Innere Sicherheit
• Gefährder-Scorecard
• Klassifizierung
• Assoziationsregeln
• Verhaltensmodell
• Faktorenanalyse

14. Peter Welchering
Bewertungskriterien für das Scoring
• Identifizierbarkeit
• Qualität und Umfang der Simulationsalgorithmen
• Qualität der Fehlerberechnung bei der
Inferenzbildung
• Umfang der Datenbasis
• Detailgrad der Mustererkennung zur Prognose
• K.O.-Kriterien für den Entscheidungsbaum-
Algorithmus
• Formulierung des Repressionsalgorithmus