‘Ik ben de smeerolie tussen alle modelleurs en data-analisten’
Ron Keur, senior projectmanager kredietrisicomodellen
Ron Keur (36) is projectmanager van het team dat een nieuw kredietrisicomodel ontwikkelt voor de Rabobank. Het team verzamelt, interpreteert en ordent een enorme hoeveelheid data van grootzakelijke klanten wereldwijd. Op basis daarvan ontwikkelt ze slimme algoritmes om risico’s te voorspellen.
Superslimme en ambitieuze mensen
‘Op dit moment werk ik aan een megaproject: het bouwen van een nieuw kredietrisicomodel. We doen dat met een team van ongeveer vijftig medewerkers. In dat team zitten naast modelleurs en data-analisten ook collega’s die direct betrokken zijn bij onze dienstverlening naar klanten. Allemaal superslimme en ambitieuze mensen met veel verschillende achtergronden en talenten. Als projectleider ben ik de smeerolie tussen al deze teamleden. Belangrijk is dat ze goed met elkaar communiceren. Dat ze elkaar begrijpen en complexe zaken helder aan elkaar uitleggen. Het is mijn verantwoordelijkheid om dat te bereiken.’
Risico’s inschatten om sterk te blijven
‘Voor een bank zijn kredietrisicomodellen van wezenlijk belang . Hiermee kun je zorgvuldig inschatten of een klant kredietwaardig is of een te groot risico vormt voor de bank. Denk bijvoorbeeld aan de kans dat een grootzakelijke klant zijn lening niet meer terug kan betalen. En – mocht dat gebeuren – hoeveel van het verstrekte krediet we dan kwijtraken. Die voorspellingen houden ons als bank betrouwbaar en sterk. Je begrijpt dat daarom veel mensen binnen de Rabobank over onze schouder meekijken om te zien hoe het project vordert. Voor ons is dat gaaf, want we voelen dat we heel relevant werk doen.’
De bancaire wereld veilig houden
‘Wie ook over onze schouder meekijken, zijn de toezichthoudende instanties in de financiële wereld. Het team is er daarom heel scherp op gefocust dat we alleen de data gebruiken die we mógen gebruiken voor dit doel. Daarvoor zijn strenge regels opgesteld. Terecht, want die regelgeving beschermt onze klanten en houdt de bancaire wereld veilig. Maar de uitdaging voor ons is dus om binnen al die voorwaarden toch een zo goed mogelijk en statistisch onderbouwd kredietrisicomodel te bouwen.’
Verleden is nodig voor de toekomst
‘Om zo’n model te ontwikkelen, hebben we grote hoeveelheden klantinformatie uit het verleden nodig. Dat is de kracht van data: op basis van het verleden kunnen we betrouwbare voorspellingen doen over de toekomst. Die data moeten we verzamelen, juist interpreteren en ordenen. Dat is waar onze data-analisten om de hoek komen kijken. Zij kunnen uit deze data bruikbare datasets presenteren, waarmee de modelleurs aan de slag kunnen voor de bouw van het statistische model. Onze data-analisten maken hierbij veel gebruik van SQL Server, Python en dashboards om snel te laten zien welke data beschikbaar is. Maar ook om de kwaliteit te tonen en inzicht te geven in hoe de data geïnterpreteerd gaat worden tijdens de modelbouwfase.’
Een model om blind op te vertrouwen
Onze klantadviseurs, accountmanagers en financieringsspecialisten willen klanten graag een aantrekkelijk aanbod doen voor een financiering. Als het model niet goed functioneert en klanten worden te risicovol ingeschat, dan moeten we een relatief hoge prijs vragen voor onze producten. Grote kans dat klanten dan naar een andere bank gaan met een beter aanbod. Wanneer het model een risico te láág inschat, voldoen we niet aan de regels van de toezichthouder. Het is dus heel belangrijk om een model te bouwen waar we blind op kunnen vertrouwen. Als dat lukt, kunnen we onze klanten nog sneller en efficiënter helpen.’