Hos EOS vil Big Data ikke fungere uden at mennesker styrer dem.

Når maskinerne flytter dem ind, bliver mennesker overflødige: Ikke sandt, i følge teamet, der leder EOS Centre of Analytics: De har skabt en analytics-platform, der er ved at forandre forretningsgangen på EOS’ markeder - og skabe en datadrevet tankegang i hele organisationen.

Kort efter, at Joachim Göller blev en del af EOS Gruppen i december 2017, satte han sig ned for at undersøge, hvordan han kunne præge Centre of Analytics. Hans opgave: at hjælpe EOS og dets aktiviteter i 25 lande med at blive til en datadrevet virksomhed. ”For at kunne tage det store skridt fremad, blev jeg snart klart over, at jeg måtte træde et skridt tilbage,” sagde Göller, mens han sidder i et konferencelokale på et EOS kontor i Hamborgs centrum.

Med hovedkvarter i Tyskland har EOS en stærk tilstedeværelse og historik med hensyn til at administrere tilgodehavender i Europa. Lande så forskellige som Polen, Spanien og Bosnien er på listen over steder på kontinentet. Men EOS er også aktiv i Rusland og på den anden side af Atlanten i Canada og USA. Dette viser, hvor stor en opgave Göller og hans team på Centre of Analytics (CoA) håndterer: Det handler ikke kun om at skabe en platform for business intelligens. Det handler om at indlejre et datadrevet tankesæt i arbejdskulturen blandt mere end 55 datterselskaber, der betjener omkring 20.000 kunder globalt set, samtidig med at man udbreder datadrevet beslutningstagen og tager teknologien bag det til sig.

Joachim Göller

Udvikling af et system der fungerer hos mange forskellige inkassobureauer

”Vi er en drivende kraft bag digitaliseringen hos EOS, og det involverer også at forme data og omdanne data til information,” siger direktøren. ”Oprindeligt handlede det hele om adgang til datakilder, kontrollere kvaliteten og skabe en historie.” Med udviklingen af platformen kan Centre of Analytics integrere lokale inkassosystemer allerede i brug hos EOS-datterselskaber verden rundt og overføre analytisk beslutningstagen til platformen: EOS-enheder kan beholde de kerneinkassosystemer, der passer til kravene på deres marked - CoA forbinder det med dets infrastruktur og sætter turbo på det med hele virksomhedens kræfter indenfor datavidenskab og datavisualisering, mens men sikrer beskyttelse af den enkelte kundes fortrolige oplysninger ved kun at benytte anonymiserede data.

For at få en bedre ide om hvordan Centre of Analytics fungerer, hjælper det at se på personen bag det. Enhedens medarbejdere indeholder mange forskellige profiler: ”På den ene side er vi altid på jagt efter nye talenter med en teknisk fokus,” fortæller Team Manager Patrick Witte. Datavidenskabsfolk, softwareudviklere, dataingeniører, og platformsarkitekter kan passe til profilen. De designer og driver den Analytics Platform, der stadig er kernen i CoA’s bestræbelser på at omforme EOS og hjælpe virksomheden med at forblive en forretningsleder. ”Vores mål er at finde den mest effektive måde at flytte data fra de forskellige EOS lande over på Analytics Platformen i henhold til EU’s regler om databeskyttelse,” siger Witte. ”Det gør det muligt for os at designe prognosemodeller, gøre brug af kunstig intelligens, og oprette kanaler til at sende resultaterne tilbage til den operationelle side - hvilket giver dem en konkurrencemæssig fordel.”

Tænk globalt, ager lokalt

Center of Analytics inkluderer også en rådgivende enhed, der fremmer deling af bedste praksis vedrørende analytics, inklusiv datasikkerhed og beskyttelse af private oplysninger hos alle datterselskaber. ”Vi kan støtte kollegaer med at analysere data i en del af verden, mens vi hjælper med at forbedre eksisterende statistiske modeller i en anden del,” siger Witte. ”Med det formål arbejder vi sammen med vores kollegaer i hele EOS Gruppen.” Her kommer den anden gruppe af fagfolk hos CoA ind i billedet: Analytiske videnskabsfolk og datavidenskabsfolk, de fleste med metodebaggrunde, der strækker sig fra matematik til økonomi. ”Der er brug for at bredt sæt færdigheder for at sikre at forretningsbehov identificeres og opfyldes med den rette analytiske tilgang,” siger Witte.

Witte opnåede selv en grad i statistik på University of Dortmund og arbejdede senere for en international forretningsanalysevirksomhed, inden han begyndte hos EOS i 2012. ”De nødvendige færdigheder erhvervede jeg mig her hos EOS,” fortæller han. Men der er ingen foreskrevet måde - i CoA-teamet vil du møde folk, man ikke ville forvente at møde i finanssektoren: ”Vi har også en teoretisk fysiker, der arbejdede som konsulent i flere år, inden hun sluttede sig til os.”

Anvendelse af den fleksible metode i finansverdenen

Witte og hans kollega Joachim Göller fornemmer begge en høj grad af momentum i CoA-teamet. ”Det er virkelig opstartsfølelsen, der bragte mig hertil i første omgang,” fortæller Göller, der tidligere arbejdede flere år i bankbranchen. ”CoA er meget fleksibelt, meget kulturelt alsidigt team med sin egen hastighed.”

Som hvis EOS havde etableret sin eget Fintech, ligner CoA’s forretningsmodel også, hvad der er bevist af mange opstartsvirksomheder: Første søsætte en analytics platform, senere skalerende drift og lade partnere tilkoble deres egne systemer ved at tilbyde en APL. Og, selvfølgelig, konstant at teste, lære om, og forbedre systemet ved at følge reglerne for fleksibel softwareudvikling. Med en stor forskel i forhold til livet hos en opstartsvirksomhed: CoA-teamet kan arbejde med fintech-innovation uden at skulle tage hensyn til investorer. Hos EOS handler det hele om en langtidsforpligtelse overfor kunderne.

Anvendelse af den datadrevne tilgang til inkassoprocessen

Selvom forandringsprocessen allerede er godt i gang i Tyskland med de første sager styret af et nyt software ved navn FX, er CoA nu i gang med at hjælpe andre enheder med at indføre en lignende datadrevet tankegang. Göller har tillid til, at succeshistorier vil bane vejen og skabe de rette incitamenter for beslutningstagere: “Det er som moderne marketing: ‘De nødvendige færdigheder erhvervede jeg mig her hos EOS,’ siger han. ”Hver eneste sag, vi konfronterer, skal resultere i direkte fordele for kunden.” Mennesker først: Den fleksible måde at arbejde på er meget i brug hos CoA.

Bekymringer om, at big data-teknologi kan erstatte mennesker og jobs, er ubegrundede, siger Witte. ”Vi er afhængige af vores eksperter til at analysere de kundedata, der er til rådighed, og stille de rigtige spørgsmål for dataanalysesystemet at besvare.” En måde for EOS ansatte at anskue maskinlæring og kunstig intelligens på, kan være at sammenligne det med en intelligent ”medarbejder”, som hjælper dem med at gøre dem at foretage bedre informerede og mere personlige beslutninger om den næste, bedste handling - og øge andelen af inddrevne tilgodehavender.

A project team discusses target groups around the whiteboard.

En mere personliggjort måde at henvende sig til kunden på

”Platformen er meget mere effektiv med hensyn til at korrelere data og producere prognoser i realtid,” siger Witte. ”Før i tiden kunne vores beslutninger være baseret på to eller tre vigtige oplysninger om en debitor. Men der er mange flere oplysninger, der kan hjælpe os med at differentiere mellem kunder.” Maskinlæring kan også give ansatte mulighed for at dedikere mere tid til mere komplekse sager, som insolvens eller retlig inkasso, mens enkle spørgsmål håndteres automatisk.

I Tyskland hjælper den første version af datadrevet FX software allerede EOS-ansatte med at identificere den mest lovende måde at gå i dialog med kunder på. Den foretager et valg mellem en opringning, sms og e-mail, eller alternativt at bede ansatte om at få folk i marken involveret. ”Hvis vi allerede har talt med en kunde tre gange i træk, kan algoritmer hjælpe os med at finde en balance: Enten kontakte personen en fjerde gang eller i stedet give det lidt mere tid,

Big-data løsninger kræver ansatte til at anvende dem

Selvom transformationen til en datadrevet virksomhed anses for at øge effektivitet og booste chancerne for at gælden bliver tilbagebetalt, vil kunderne også nyde stor gavn, i følge Göller. Blandt fordelene er, at systemer finder det mest passende tidspunkt til at sende kunder påmindelser. ”At være afhængig af algoritmer, uanset hvad der måtte ske, ville imidlertid gå imod vores etiske standarder,” siger Göller. For eksempel, vil EOS aldrig tillade at en algoritme vurderer en låners kredithistorie ud fra deres navn. “Det er, hvor vi i høj grad er afhængige af mennesker til at sætte grænser.”

Del dette

Udskriv