Blogikirjoitus -
Parempaa päätöksentekoa asiakkaan eduksi
Arvaton tavoitteena on palvella asiakkaitaan päivä päivältä paremmin, laadukkaammin ja tehokkaammin. Tämän tavoitteen saavuttamiseksi nostamme jatkuvasti omaa automaatio- ja digitalisaatiotasoamme. Samalla tehostamme vuosien varrella meille kertyneen sisäisen datan käyttöä, jota hyödynnämme myös erilaisten mallien ja menetelmien kehittämisessä.
Anna Anderén, Digital Excellence
Esimerkiksi tästä sopii koneoppiminen (Machine Learning). Koneoppimisessa hyödynnetään algoritmeja, jotka tunnistavat seulottavasta datamassasta erilaisia kaavoja. Tätä kautta kertyvän tiedon pohjalta voimme parantaa omaa päätöksentekoamme ja toimia entistä fiksummin.
Ohessa muutamia keskeisiä ajatuksiani koneoppimisesta:
Miksi koneoppiminen on niin tärkeää Arvatolle?
Ruotsin, Norjan ja Suomen perintäprosessit ovat hyvin riippuvaisia vallitsevasta lainsäädännöstä. Siksi yritysasiakkaiden ja velallisten kannalta on äärimmäisen tärkeää, ettei matkan varrella tehdä virheitä ja perintäyritykset lähettävät juuri oikeat tapaukset eteenpäin ulosottoviranomaisille. Koneoppiminen nopeuttaa tätä prosessia ja vähentää myös inhimillisten virheiden riskiä, kun ammattilaistemme ei tarvitse arvioida jokaista tapausta manuaalisesti.
Koneoppimisessa hyödynnetään sisäistä dataa. Mitä se tarkoittaa käytännössä?
Sisäinen data on meille kuin kultakaivos, jonka avulla voimme arvioida, mitata, optimoida ja kvantifioida tekemiämme päätöksiä ja niiden vaikutuksia. Työntekijämme ovat alansa huippuosaajia, jotka tekevät päätöksiä pitkän kokemuksen pohjalta. Haasteena kuitenkin on, että niitä on pitkässä juoksussa mahdotonta seurata ja arvioida. Tilastollisen mallin avulla voimme kontrolloida, parantaa ja optimoida päätöksentekoamme jatkuvasti.
"Koneoppiminen on osa toimintatapaamme, jolla optimoimme tuotantokustannuksemme, maksimoimme asiakkaidemme tulot ja pidämme hinnat asiakkaiden kannalta kilpailukykyisinä.” Anna Anderén, Digital Excellence
Kuinka paljon koneoppimista hyödynnetään perintäalalla?
Monet kilpailijamme käyttävät erilaisia tilastollisia malleja päätöksenteossaan. Arvato on kuitenkin ainutlaatuinen siinä, että hyödynnämme koneoppimista jo päivittäisessä toiminnassamme. Sen etuna on, että malli oppii tekemistään päätöksistä ja optimoi tätä kautta koko ajan työskentelytapojamme.
Millaisia mahdollisuuksia koneoppiminen tarjoaa tulevaisuudessa?
Se tulee olemaan luonnollinen osa toimintaamme ja siihen liittyvää päivittäistä päätöksentekoa. Sisäistä dataa hyödyntämällä voimme tehdä mahdollisimman optimoituja päätöksiä, joita voi myös seurata kontrolloidusti.
Koneoppimisen avulla voimme parantaa omia työskentely- ja päätöksentekotapojamme sekä parantaa ja syventää asiakasymmärrystä. Sen myötä meistä tulee paras kumppani asiakkaillemme ja samalla paras perintäyhtiö myös velallisillemme.
Myös asiakaskontaktoinnissa on vielä paljon kehityspolkuja. Kuinka ja kehen olemme yhteydessä? Missä kohtaamme asiakkaamme parhaiten ja oikealla tavalla?
Esimerkiksi arkiseen muistutusprosessiin liittyy monia mahdollisuuksia, joita hyödyntämällä voimme estää asiakkaidemme asiakkaita ajautumasta perintätilanteeseen. Siksi sekä meille että asiakkaillemme on tärkeää, että sovitamme nämä prosessit olemassa oleviin käyttäytymismalleihin.
Arvato Financial Solutions Data -palkinto
Sinä ja tiimisi voititte hiljattain AFS Data -palkinnon. Mikä oli menestyksen salaisuus?
Voi kuulostaa kliseiseltä, mutta onnistuneiden projektien ja menestyksen avain on vahva projektijohto ja aidosti tiivis yhteistyö, jossa on ymmärrettävä eri toimijoiden erilaiset roolit ja toiminnot. Lisäksi tarvitaan työntekijöitä, jotka kaipaavat uusia ajatuksia ja ovat valmiita kyseenalaistamaan olemassa olevat työskentelytavat.
Eikä tavoitteena tosiaankaan ollut keskittyä pelkästään koneoppimiseen. Halusimme luoda täysin uuden tavan työskennellä ja ajatella, jotta voisimme olla alan paras kumppani asiakkaillemme ja palvella myös heidän asiakkaitaan parhaalla mahdollisella tavalla.
Käsitteitä:
Digital Excellence: Määrittää organisaation digitaalisen strategian ja suunnitelman siitä, miten dataa, digitaalisia kanavia, alustoja ja innovaatioita hyödynnetään liiketoimintatavoitteiden saavuttamiseksi.
Business Intelligence: BI on termi taidoille, tekniikoille, sovelluksille, prosesseille ja menetelmille, joiden avulla organisaatiot ymmärtävät paremmin omaa liiketoimintaansa. Jakaantuu usein tiedonhallintajärjestelmiin ja analyyttisiin prosesseihin.
Machine Learning: Tekoälyn ja tietojenkäsittelytieteen yksi alue. Ne ovat menetelmiä, joilla tietokone saadaan havaitsemaan ja oppimaan tehtävän ratkaisemista ilman, että niihin on ohjelmoitu sääntöjä kyseistä tehtävää varten.
Aiheet
- Tietokone, Televiestintä, IT
Kategoriat
- kumppani
- digitalisaatio
