‘Modellen bouwen, dat geeft een kick’

Jasper Hommels, hoofd Rural modelling

Jasper Hommels (47) staat aan het hoofd van project ‘rural modeling’: de ontwikkeling van nieuwe kredietrisicomodellen voor de wereldwijde, agrarische leningen van de Rabobank. Hij stuurt een internationaal team aan van data-analisten en modelleurs.

‘Onze bank is van oudsher actief in de food en agrarische sector. Al meer dan honderd jaar ondersteunen we grote en kleine ondernemers in de land- en tuinbouw. In Nederland, maar ook wereldwijd. Om kredieten te verlenen aan boeren in bijvoorbeeld Brazilië, Australië en Amerika moeten we heel zorgvuldig inschatten of deze ondernemers kredietwaardig zijn. Daarvoor hebben we andere kredietrisicomodellen nodig dan hier in Nederland. Mijn team ontwikkelt deze nieuwe modellen. Dat geeft een kick, want het is dé core business van de bank. Onze nieuwe modellen worden straks wereldwijd gebruikt om heel belangrijke risico’s in te schatten. Hoe gaaf is dat? ’

We staan continu in contact met de hele wereld. Een conference call met Brazilië, een werkbezoek in Amerika.
Jasper Hommels

Wereldwijd data verzamelen

‘Voor de nieuwe modellen verzamelen we grote hoeveelheden data van onze klanten over de hele wereld. Met data uit hun verleden kunnen wij voorspellen of ze kredietwaardig zijn óf dat er in de toekomst een faillissement dreigt. Betaalde deze agrarische ondernemer in het verleden altijd netjes op tijd? Heeft hij nog schulden openstaan? Is zijn boekhouding altijd op orde geweest? Dit soort data vragen we op bij de internationale kantoren van de Rabobank. Hierbij nemen we natuurlijk de privacywetgeving in acht. We staan daardoor continu in contact met de hele wereld. Een conference call met Brazilië, een werkbezoek in Amerika. Onze data-analisten spelen hierbij een cruciale rol.’ 

Bruikbare datasets maken

‘De data-analisten verzamelen en interpreteren alle data. Daarvoor moeten zij de processen van de bank goed begrijpen. Voorbeeld: wij vragen aan collega’s op een buitenlands kantoor hoeveel geld een klant per maand schuldig was aan de bank. Soms ontstaat dan verwarring over definities. Wat valt er wel en niet onder die ‘schuld’? Het vereist een goede communicatie en interpretatie van onze data-analisten om de juiste data te bemachtigen. Vervolgens ordenen zij vanuit diverse bronnen de data tot bruikbare datasets. Op basis van hun gedegen werk kunnen de modelleurs de algoritmes ontwikkelen.’ 

Nare situaties voorkomen

‘Bij dit internationale project houden we rekening met de sociaaleconomische verschillen in andere landen. Kwantitatief gezien zijn de verliezen in bijvoorbeeld Brazilië hoger dan in Nederland. Als een ondernemer daar failliet gaat en nog schulden heeft bij de bank, wordt in een rechtszaak bepaald of de ondernemer de schulden moet terugbetalen. In Nederland wordt dit snel geregeld. In Brazilië kan dit zo tien jaar duren, waardoor de verliezen van de bank kunnen oplopen. Er zijn heel goede kredietrisicomodellen nodig om dit soort nare situaties te voorkomen.’

Internationaal samenwerken

‘Ons team heeft een heel internationale samenstelling. Zo’n dertig procent komt uit Nederland, de anderen zijn hoogopgeleide expats uit Europa, India, China, Afrika, noem maar op. Je praat elke dag met mensen uit de hele wereld – zowel collega’s als internationale kantoren. Zij brengen een andere kijk op de wereld met zich mee. Uiteindelijk werk je met al deze mensen met verschillende blikken voor hetzelfde doel, en dat is erg inspirerend.’

Wil je aan de slag bij Data & Analytics?

Rabobank.jobs gebruikt cookies
Door cookies werkt de site goed en veilig. Ook kunnen we u beter informeren. Welk niveau van cookies en verwerken van persoonsgegevens wilt u dat wij gebruiken?
Meer informatie over cookies