Machine learning framtiden för många beslut

Sponsrat av Arvato Financial Solutions Arvato Financial Solutions hjälper företag genom det komplexa finansiella landskapet så att de kan fokusera på sin kärnverksamhet. Detta gör Arvato bland annat med prediktiv analys, världsledande plattformar och big data.

Machine learning framtiden för många beslut

För Arvato är målet att arbeta så effektivt som möjligt med en hög grad av automatisering och digitalisering, och ta fler beslut grundade på intern historisk data. Utifrån denna kan man använda olika metoder exempelvis machine learning vilken handlar om att använda algoritmer, eller modeller, för att identifiera mönster i data som hjälper till att fatta rätt beslut.

Anna Anderén, Digital Excellence.

En av Arvatos cirka 7 000 medarbetare är Anna Anderén som ansvarar för att kontinuerligt effektivisera automatisering och digitalisering i Norden. Bland annat leder hon det viktiga arbetet med hur man kan fatta smartare beslut med hjälp av intern data.

Varför är machine learning så viktigt för Arvato?

– I Sverige, liksom i Norge och Finland, är inkassoprocessen beroende av det legala ramverk som omger inkasso. Det är viktigt att ett inkassobolag skickar rätt ärenden vidare till Kronofogden då de innebär en kostnad. Vårt mål är att skicka rätt ärenden vidare, både för våra företagskunders och gäldenärers skull. Machine learning innebär att våra handläggare inte ska behöva göra en manuell utvärdering av varje enskilt ärende, berättar Anna Anderén.

Machine learning handlar alltså om att använda intern data. På vilket sätt?

– Vår interna data är en otrolig guldkälla! Med hjälp av den kan vi optimera de beslut vi tar så att vi kontinuerligt kan utvärdera, mäta och kvantifiera vilka förbättrade resultat våra beslut ger. Vi har otroligt duktiga medarbetare som tidigare fattat bra beslut baserat på erfarenhet, men dessa är i längden omöjliga att utvärdera och följa. Därför är det av yttersta vikt att använda en statistisk modell så att vi kontinuerligt kan förbättra och optimera vårt beslutsfattande på ett kontrollerat sätt.

Hur ser det ut i inkassobranschen i stort när det gäller machine learning?

– Många av våra konkurrenter arbetar med statistiska modeller i sin beslutsfattning, men jag tror att vi är relativt unika med vår metod att använda machine learning i det dagliga arbetet. En fördel med machine learning är att modellen lär sig av de beslut den tar, och på så sätt löpande optimerar vårt sätt att arbeta.

Vad ser du ytterligare för potential i machine learning framöver?

– Jag tror definitivt detta är framtiden för många beslut vi tar i vår dagliga verksamhet. Att använda vår interna data för att ta så optimerade beslut som möjligt, och även följa dem på ett kontrollerat sätt, gör att vi kan ägna tid åt att ständigt förbättra sättet vi arbetar och tar beslut på. Om vi hela tiden strävar efter att förstå vår kundbas blir vi den bästa leverantören till våra kunder och det bästa inkassobolaget för våra gäldenärer.

– Vi ser också stor potential att i en större utsträckning använda statistiska modeller om hur vi kontaktar våra kunder och vilka vi kontaktar. Var möter vi våra kunder bäst och på rätt sätt? Även påminnelseprocessen är ett viktigt område med många vägval, där vi kan främja för att motverka att våra kunders kunder hamnar på inkasso. Det är viktigt, både för oss och våra kunder, att vi anpassar dessa processer efter de olika beteendemönster som finns.

Du och ditt team vann nyligen det koncernövergripande Arvato Financial Solutions Data Award. Vad var det som gjorde att ni vann?

– Det kan låta klyschigt, men nyckeln till våra framgångsrika projekt inom machine learning har handlat om ett starkt projektledarskap och ett tätt samarbete mellan funktioner. Nyckeln till att lyckas är ett genuint nära samarbete där man förstår varandras olika roller och funktioner, och tillsammans utvecklar nya operationella processer i kombination med en machine learning-modell. Det krävs dedikerade medarbetare som vill tänka nytt och ifrågasätta befintligt arbetssätt parallellt med en mycket tydlig projektstruktur.

– Målet för oss var aldrig att bara arbeta med machine learning, utan att skapa ett helt nytt sätt att arbeta och att tänka, för att vara den bästa leverantören för våra kunder och för att behandla våra kunders kunder på bästa möjliga sätt, avslutar Anna Anderén.

Karriär

Strategi & målstyrning

Kunskapsmaterial

Inspiration

Ledarskap & styrning

VD-tidningen

Vd-tidningen Premium

För dig som har 100 procents fokus på vd-rollen.
Full tillgång till strategiska artiklar med tips och analyser.