Maskinlæring: Hvordan bruk av interne data øker treffsikkerheten i Arvatos beslutninger

Anna Anderén jobber med Digital Excellence og er ansvarlig for arbeidet med kontinuerlig effektivisering innen automatisering og digitalisering i Norden. Hun leder blant annet det viktige arbeidet med hvordan Arvato Financial Solutions skal ta smartere beslutninger ved hjelp av interne data.

For Arvato er målet alltid å jobbe så effektivt som mulig med en høy grad av automatisering og digitalisering, og ta flere beslutninger på bakgrunn av interne historiske data. Her er det mulig å benytte ulike metoder for å skape forskjellige modeller, for eksempel maskinlæring. Maskinlæring er en metode som handler om å bruke algoritmer, eller modeller, for å identifisere mønstre i data, mønstre som hjelper oss med å ta riktige beslutninger. Vi har hatt mulighet til å utvikle og teste mange modeller, med gode resultater som har bidratt sterkt til en høyere grad av automatisering.

Anna Anderén, Digital Excellence.

Hvorfor er maskinlæring så viktig for virksomheten vår?

I Norge, i likhet med de andre Nordiske landene avhenger inkassoprosessen mye av det juridiske rammeverket rundt. Det er uhyre viktig at et inkassoselskap sender de riktige sakene videre til Namsmannen, ettersom de innebærer en kostnad.

Vårt mål er å sikre at vi sender de riktige sakene videre, både for bedriftskundenes og debitorenes skyld. Og maskinlæring innebærer at våre saksbehandlere slipper å måtte foreta en manuell vurdering av hver enkelt sak. 

Maskinlæring handler altså om å bruke interne data. Hvordan?

Våre interne data er gull verdt! Ved hjelp av dem kan vi optimere beslutningene vi tar, slik at vi kontinuerlig kan evaluere, måle og kvantifisere hvilke forbedrede resultater våre beslutninger gir. Vi har utrolig dyktige medarbeidere som tidligere tok gode beslutninger basert på erfaring, men disse er i lengden umulige å vurdere og etterleve. Derfor er det svært viktig å bruke en statistisk modell, slik at vi kan forbedre og beslutningsprosessen på en kontrollert måte.

"Maskinlæring er en del av måten å optimalisere produksjonskostnadene på for å kunne opprettholde konkurransedyktige priser overfor våre kunder, og samtidig øke inntektene deres".
Anna Anderén Anna Anderén
Digital Excellence

Hvordan ser det ut i inkassobransjen generelt når det gjelder maskinlæring?

Mange av konkurrentene våre benytter statistiske modeller i sin beslutningstaking, men jeg tror at vår måte å bruke maskinlæring på i det daglige arbeidet er relativt unik. En fordel med maskinlæring er at modellen lærer av beslutningene den tar og dermed optimerer måten vi arbeider på løpende.

 

Hvilket fremtidig potensial ser du i maskinlæring?

Jeg tror definitivt at dette er fremtiden for mange beslutninger vi tar i den daglige virksomheten. Bruk av interne data for å ta så gode beslutninger som mulig, og også følge dem på en kontrollert måte, gjør at vi kan bruke tid på hele tiden å forbedre måten vi jobber på. Hvis vi hele tiden forsøker å forstå kundebasen vår, blir vi den beste leverandøren for kundene våre og det beste inkassoselskapet for debitorene våre.

 

Vi ser også et stort potensial i å bruke statistiske modeller i større grad med hensyn til hvordan vi kontakter våre kunder, hvem vi kontakter og så videre. Hvor møter vi kundene best og på riktig måte? Purreprosessen er et viktig område med mange veivalg, der vi kan jobbe for å motvirke at våre kunders kunder ender med å bli ofre for inkasso. Det er viktig, både for oss og kundene, at vi tilpasser disse prosessene etter de ulike atferdsmønstrene som finnes.

 

Du og teamet ditt vant nylig AFS Data Award, der hele konsernet deltok. Gratulerer! Hva var det som gjorde at dere vant?

Det kan høres klisjéaktig ut, men nøkkelen til våre vellykkede prosjekter innen maskinlæring har handlet om en sterk prosjektledelse og et nært samarbeid mellom funksjoner. Et genuint nært samarbeid der man forstår hverandres ulike roller og funksjoner, og sammen utvikler nye operasjonelle prosesser i kombinasjon med en maskinlæringsmodell. Det krever engasjerte medarbeidere som er villige til å tenke nytt og sette spørsmålstegn ved eksisterende arbeidsmetoder parallelt med en meget tydelig prosjektstruktur.

 

Målet for oss var aldri å kun benytte maskinlæring, men å utvikle en helt ny måte å arbeide og tenke på, for å være den beste leverandøren for kundene våre og for å behandle våre kunders kunder på best mulig måte.

Definisjoner

Digital Excellence

Digital Excellence definerer en digital strategi og en dokumentert plan for hvordan vi vil bruke kunnskap, data, digitale kanaler og plattformer til å nå våre forretningsmål.

Business Intelligence (BI)

Er et samlebegrep for kompetanse, teknologier, applikasjoner, prosesser og metoder som organisasjoner kan bruke for å forstå egen virksomhet bedre. Grovt sett kan området deles inn i henholdsvis informasjonsstyringssystemer og analytiske prosesser.

Maskinlæring

Maskinlæring er et område innen kunstig intelligens, og datavitenskapen. Det handler om metoder som ved hjelp av data "trener" datamaskiner i å oppdage og "lære" seg regler for hvordan en oppgave skal løses uten at datamaskinene er programmert med regler for akkurat denne oppgaven.

Kontakt oss

Vi vil gjerne høre fra deg! Velg alternativet under som passer ditt behov.
Har du spørsmål om faktura, inkasso eller parkeringsbot?
Vi vil gjerne hjelpe deg. Følg linken for å komme i kontakt med våre kundebehandlere.