Bij EOS zal de big data niet werken zonder menselijke begeleiding

“Bij EOS zijn we één sterke drijvende kracht achter digitalisering en dat betekent ook, data in vorm brengen en data omvormen tot informatie”, zegt de manager. “Oorspronkelijk gaat het erom toegang te hebben tot databronnen, de kwaliteit controleren en een historiek creëren.” Met de ontwikkeling van het platform, kan het analysecentrum lokale incassosystemen integreren die wereldwijd reeds geïmplementeerd zijn bij de dochterondernemingen van EOS en die analytische besluitname naar het platform loodsen: EOS units kunnen hun belangrijkste verzamelsysteem dat voorzien is voor de vereisten van hun markt, behouden - het CoA zal dit verbinden met zijn infrastructuur en de datawetenschap en datavisualisatiekracht van de hele firma erin laden en er ondertussen voor zorgen dat de privacy van elke klant veilig is door enkel geanonimiseerde data te gebruiken.

Om een beter idee te krijgen van hoe het analysecentrum werkt, helpt het om de mensen die erachter zitten, te leren kennen. Het personeel van de eenheid bestaat uit verschillende profielen: “Aan een kant zijn we steeds op zoek naar nieuw talent met een technische focus”, zegt Team Manager Patrick Witte. Datawetenschappers, softwareontwikkelaars, data-ingenieurs en platformontwerpens komen allemaal in aanmerking. Ze ontwerpen en sturen het analyseplatform, wat de kern blijft van het CoA om EOS om te vormen en te helpen om toonaangevend te blijven in de business. “Ons doel is om de meest efficiënte manier te vinden om data van de verschillende EOS landen naar het analyseplatform te verplaatsen en dat conform de privacywetgeving van de EU”, zegt Witte. “Zo kunnen we voorspellingsmodules ontwerpen, gebruik maken van artificiële intelligentie en kanalen creëren om feedback te geven aan de operationele zijde - hen op die manier een concurrentievoordeel bieden.

Witte en zijn collega, Joachim Göller, voelen beide enorm veel energie binnen het CoA-team. “Het is echt de start-upsfeer die me hier in de eerste plaats gebracht heeft”, zegt Göller, die eerder in de banksector actief was gedurende verschillende jaren. “Het CoA is zeer “agile”, een cultureel erg divers team met zijn eigen tempo.”

Terwijl EOS zijn eigen Fintech heeft geïmplementeerd, lijkt het bedrijfsmodel van het CoA ook erg op dat van vele start-ups: Eerst een analyseplatform uit de grond krijgen, later activiteiten schalen en partners hun eigen systemen laten verbinden door het aanbieden van een API. En natuurlijk, het systeem voortdurend testen, aanleren en verbeteren door de regels van agile softwareontwikkeling te volgen. Met een groot verschil met start-ups: Het CoA-team kan aan de fintech innovatie werken zonder investeerders te moeten plezieren. Bij EOS gaat het om toewijding aan klanten op lange termijn.

Terwijl het wijzigingsproces reeds goed op weg is in Duitsland, met eerste cases die beheerd worden door een nieuwe software, FX genaamd, bekijkt het CoA nu om andere units te ondersteunen een gelijkaardige data-aangedreven mindset toe te passen. Göller vertrouwt erop dat succesverhalen de juiste stimulans zullen zijn voor beleidsbepalers. “Het is net zoals moderne marketing: Je moet fans hebben die het proces verder ontwikkelen”, zegt hij. “Elk geval moet resulteren in een rechtstreeks voordeel voor de klant.” Mensen eerst: De “agile” manier van werken wordt zeer vaak toegepast bij het CoA.

Bekommernissen om big data technologie die mensen en jobs zouden kunnen vervangen, zijn ongegrond, zegt Witte, “We zijn afhankelijk van specialisten om de beschikbare consumentengegevens te interpreteren en de juiste vragen te stellen opdat het data-analysesysteem kan antwoorden.”

Een manier voor het personeel van EOS om automatisch leren en artificiële intelligentie te bekijken, zou kunnen zijn om het te vergelijken met een slimme “collegaé, die hen helpt om beter geïnformeerd te zijn en hen een gepersonaliseerde beslissing helpt te maken over de volgende actie - en de rate van betaalde vorderingen te verhogen.

Terwijl de omvorming naar een data-aangedreven business bekeken wordt om de efficiëntie te verhogen en de kansen dat schulden worden afbetaald, te verhogen, zullen volgens Göller ook klanten een redelijk voordeel ondervinden. Naast andere voordelen zal het systeem het meest geschikte moment bepalen om meldingen naar klanten te sturen. “Om ten koste van alles te vertrouwen op algoritmes, zou echter tegen onze ethische normen zijn”, zegt Göller. EOS zou bijvoorbeeld nooit toestaan dat een algoritme de geschiedenis van schulden van een lener kan bepalen op basis van hun naam. “In dat geval vertrouwen wij ten zeerste op menselijke invloed om grenzen te stellen.”