Da analisi CRIF, i proprietari di immobili in grandi città e quelli che possiedono immobili in più province risultano il 50% meno rischiosi. Le aziende di credito possono migliorare significativamente le proprie performance nella valutazione del rischio di credito coniugando informazioni immobiliari e advanced analytics in un approccio data driven.
La conoscenza della controparte è un prerequisito per una valutazione del rischio più accurata e veloce, reso ancor più impellente dalle dinamiche competitive e di mercato. In particolare, i canali digitali e i processi di instant lending impongono alle aziende di credito di ottimizzare il patrimonio informativo a propria disposizione con tecniche di augmented analytics per rispondere rapidamente alle richieste dei clienti e affinare le strategie creditizie con un approccio sempre più “data driven”.
A partire da un campione rappresentativo della domanda di credito di persone fisiche, tratto dal CRIF Information CORE, CRIF ha sviluppato un nuovo indicatore per la previsione del rischio di credito basata sulle informazioni immobiliari del richiedente il finanziamento. L’analisi del patrimonio immobiliare, in termini di tipologia di diritti, di composizione del portafoglio immobiliare (ad esempio, proprietà di locali commerciali, economici, di lusso, terreni, ecc.) e di numero di proprietà e loro diversificazione geografica, offre un contributo importante all’arricchimento della conoscenza della controparte. Ad esempio, la presenza di più immobili in una sola provincia segnala una rischiosità pari a più del doppio rispetto a chi invece possiede immobili in più province oppure la proprietà in grandi città è associata a una rischiosità creditizia pari alla metà di chi possiede proprietà in piccoli centri urbani.
I diversi test condotti da CRIF in collaborazione con primarie aziende di credito hanno evidenziato come l’utilizzo delle informazioni immobiliari, opportunamente trattate attraverso tecniche di advanced analytics, in aggiunta rispetto alle informazioni “classiche” utilizzate nei tradizionali processi di erogazione, possa contribuire a ottenere risultati sorprendenti, quali ad esempio:
- Miglioramento del 5% - 15% della performance complessiva nella valutazione del rischio di credito nel segmento retail
- Miglioramento delle performance creditizie anche nell’ambito della digital acquisition, ottenendo un incremento di circa il 30% per la valutazione dei segmenti new2credit o “credit invisible” (soggetti senza storia creditizia).
Questa maggiore capacità di stimare il rischio consente di affinare le strategie creditizie in fase di origination del credito, ma può rappresentare un valido supporto anche per differenziare le strategie di rischio e recupero, oltre che per quelle commerciali di sviluppo del business, per segmentare ad esempio la clientela per azioni commerciali ad hoc o per incrementare i limiti di credito dei già clienti in presenza di una maggiore sostenibilità del credito.
