Lokale Scoring-Modelle

Möglichst genaue und verlässliche Informationen hinsichtlich des zu erwartenden Kundenverhaltens bilden die zentrale Grundlage verschiedenster betriebswirtschaftlicher Entscheidungsprozesse. In der Praxis ist für die Analyse und Prognose des Kundenverhaltens der Einsatz statistischer Verfahren von besonderer Bedeutung, da dieser eine Standardisierung und Automatisierung des zugrunde liegenden Bewertungsprozesses, der häufig als Scoring bezeichnet wird, ermöglicht. Beispiele hierfür sind die Identifikation von Kunden mit Kündigungsabsichten oder die Bonitätsprüfung von Privatpersonen und Unternehmen.

Vor diesem Hintergrund befasst sich die vorliegende Arbeit mit dem Problem der unbeobachteten Heterogenität von Populationen, die auf ein bestimmtes Verhalten hin untersucht werden. Zur Berücksichtigung einer in den Daten verborgenen und möglicherweise komplexen Struktur wird die Konstruktion lokaler Scoring-Modelle vorgeschlagen, bei der die betrachtete Population zunächst in homogene Subpopulationen segmentiert und anschließend das Kundenverhalten lokal, d. h. innerhalb dieser Gruppen, modelliert wird. Die Segmentierung der Population erfolgt dabei u. a. unter Verwendung selbstorganisierender Karten (SOM), eines Verfahrens, das bislang zur Lösung ökonomischer Problemstellungen wenig verbreitet ist. Der Vergleich des lokalen Scoring mit der gängigen globalen Vorgehensweise, bei der das Scoring-Modell auf der nicht segmentierten Gesamtpopulation basiert, erfolgt exemplarisch anhand zweier betriebswirtschaftlicher Klassifikationsprobleme. Während sich im Fall der Selektion von potentiellen Kunden eines Unternehmens nur marginale Unterschiede in der Klassifikationsgüte ergeben, erweisen sich die lokalen Scoring-Modelle in dem Beispiel zur Bonitätsprüfung von Konsumenten insgesamt als trennschärfer, so dass hier die mit der Kreditvergabe verbundenen Kosten signifikant reduziert werden können.