Contexte & Objectifs

Une entreprise active dans le secteur du prêt B2B voulait affiner et automatiser une partie de son processus de décision de prêt.

L'évaluation réalisée par une équipe dédiée d'analystes était longue et chronophage : elle pouvait prendre jusqu'à 8 heures par dossier. La priorisation et l'automatisation des demandes financières devenaient urgentes en raison du nombre croissant de demandes de prêt.

Le client souhaitait exclure, avant analyse, les cas très susceptibles d'être refusés, accepter ceux qui étaient très susceptibles d'être acceptés, et obtenir plus d'informations sur les principaux déterminants de l'approbation des prêts.

Dans cet objectif, Agilytic a entrepris de réduire la charge de travail des équipes internes en simplifiant le processus d'approbation/rejet des prêts.

Approche

Basés sur notre vaste expérience dans le secteur bancaire, nous avons cherché à atteindre l'objectif et à apporter plus de valeur en créant des indicateurs sectoriels/écosystémiques.

En classant les entreprises selon l'un des 27 sous-secteurs européens, nous avons déterminé les indicateurs corrélés à la santé financière (par exemple, risque de faillite) de l'entreprise pour chacun des sous-secteurs (approche spécifique). Par exemple, les ratios de solvabilité et de dépréciation sont pertinents pour les entreprises à forte intensité de capital, tandis que les ratios de liquidité et de stocks sont plus pertinents pour les détaillants. Ensuite, nous avons pu positionner les entreprises déjà financées par le client et les nouvelles demandes.

En termes d'indicateurs, nous avons utilisé les valeurs du bilan pour assurer la généralité de nos résultats, telles que :

• Solvabilité

• Ratio dette à court/long terme

• Ratio des créances commerciales

• Flux de trésorerie après impôt

• Liquidité

• Flux de trésorerie et bénéfices non distribués

• Rotation des stocks

• L'écart entre les termes de paiement client et fournisseur

L'avantage de cette approche est qu'elle offre une plus grande richesse d'analyse et peut identifier plus précisément certaines lacunes des entreprises. L'approche peut également être automatisée et fournir des points de référence pertinents pour améliorer la compréhension sectorielle du client.

Nous avons divisé le projet en trois phases pour sélectionner les indicateurs pertinents par sous-secteur.

Dans la première phase, nous avons identifié les variables les plus importantes qui influencent l'approbation du prêt (solvabilité, marge, chiffre d'affaires, ratio rapide, etc.).

Dans la deuxième phase, notre analyse s'est basée sur un échantillon représentatif de demandes de prêt historiques effectuées par le client, acceptées et refusées. Nous avons identifié les variables les plus importantes qui influencent la décision de financement (par exemple, variables comptables, secteur, ancienneté) et défini les seuils “d'acceptation” au-dessus/au-dessous desquels le financement est favorable.

Enfin, nous avons créé un modèle de notation attribuant un score de 0 à 100% aux nouvelles demandes de prêt. Chaque notation fournit une explication pour que les équipes internes puissent interpréter le raisonnement derrière le score. Le modèle de notation conduit à une approbation ou un refus automatique du dossier ou signale pour une enquête plus approfondie.

Résultats

En moins de deux semaines, nous avons livré les résultats suivants :

Des décisions de prêt plus précises : le modèle a considérablement réduit le risque de défauts tout en augmentant le nombre de prêts.

• Amélioration de la productivité de l'équipe réduisant le temps alloué par demande de prêt de 8 heures à 4 heures, soit une réduction de 50 %.

• Un retour sur investissement plus sûr pour les bailleurs de l'institution financière.

• Intégration plus facile des nouveaux collaborateurs grâce à un ensemble de règles communes.

Le système automatisé de demande de prêt et de notation a aidé notre client à gagner du temps et à améliorer le processus de qualification et d'intégration de leurs propres clients.