Credit Scoring Bigbox analytics solutions thumbnail

CARI TAHU DAN NILAI CALON NASABAH ANDA, MINIMALISIR KREDIT MACET

Dalam industri perbankan, keuangan dan asuransi bahkan property sudah tidak asing dengan isu Non-Performing Loan (NPL) atau kita tahu sebagai kredit bermasalah. NPL merupakan kondisi dimana nasabah sudah tidak mampu membayar seluruh atau sebagian kewajibannya ke pada pihak yang memberi kredit atau pinjaman. Dalam menjalankan sebuah bisnis, bisnis yang aman dan berkelanjutan sangatlah penting bukan?

Tapi tahukah Anda bagaimana cara meminimalisir kredit bermasalah ini?

Sebelum sampai pada tahap itu tentunya Anda harus tahu bagaimana karakteristik, kebiasaan dan kemampuan membayar dari setiap orang yang mengajukan pinjaman atau kredit. Tapi bisa Anda bayangkan, dengan jumlah penduduk Indonesia yang begitu besar, tidak dapat dipungkiri bahwa banyak dari mereka yang akan melakukan pengajuan pinjaman mapun kredit. Lalu bagaimana Anda mengetahui satu persatu karakteristik dan kemampuan membayar mereka?

Credit Scoring hadir untuk membantu Anda mensolusikan permasalahan tersebut.

Credit Scoring merupakan Solusi Big Data yang digunakan untuk menganalisis data, simulasi risiko, estimasi risiko keterlambatan dan/atau kegagalan pembayaran pinjaman sebagai laporan risiko kredit pelanggan dari klien menggunakan riwayat data yang ada secara akurat dan cepat. Tujuan utama dari layanan ini adalah meminimalisir kemungkinan kredit macet yang akan dihadapi oleh calon kreditur.

KENAPA CREDIT SCORING?

  • Alternatif informasi kredit

    Credit Scoring menjadi data alternatif/pembanding untuk keperluan pendalaman informasi kredit seseorang terhadap data riwayat kredit yang dapat diperoleh melalui SID BI Checking.  Serta solusi bagi para perusahaan peminjam untuk mengetahui risiko kredit seseorang yang tidak tercatat di BI Checking.

  • Otomatis

    Memberikan simulasi untuk mengetauhi nilai resiko kredit secara otomatis

  • Meningkatkan credit rating dan monitoring

  • Meminimalisasi pinjaman yang tidak perform dan macet

  • Mengurangi resiko kredit macet

SOLUSI DIBANGUN UNTUK

  • Banking, Financial & Insurance Services
  • Property & Construction Services

FITUR

  • Id Verification

    Verifikasi identitas calon peminjam berupa nomor telpon, nama, alamat, email, dan nomor handphone

  • Telco Risk

    Potensi pelanggan untuk tidak melakukan pembayaran pada masa pembayaran

  • Payment Behavior

    Rata-rata pembayaran pelanggan yang tidak melebihi batas waktu pembayaran

  • Average Revenue

    Rata-rata ARPU pelanggan terhadap rata-rata ARPU keseluruhan pelanggan

  • Internet Usage

    Rata-rata internet usage pelanggan terhadap rata-rata internet usage keseluruhan pelanggan

  • Payment Type

    Metode pembayaran yang paling sering dilakukan oleh pelanggan: 1. Cash, 2. Cashless, 3. Autodebet

  • Length of Stay

    Lamanya berlangganan pelanggan terhadap rata-rata lamanya berlangganan seluruh pelanggan

  • Browsing Category

    Lima kategori browsing internet yang paling sering diakses