Meer aandacht voor klanten dankzij tekst data mining

NIBC wil zoveel mogelijk aandacht besteden aan het bijstaan van klanten op de voor hun beslissende momenten. Daarom doen ze er alles aan om ondersteunende processen zo efficiënt mogelijk te laten verlopen. Een voorbeeld hiervan is Tekst Data Mining, waarbij de werkdruk van de Credit Administration Services-afdeling wordt verminderd. De applicatie beoordeelt automatisch tekstdocumenten en of er vervolgens actie moet worden ondernomen. Op deze manier kan NIBC de aandacht zoveel mogelijk op de klant vestigen, zodat zij hun ambities waar kunnen maken.

Meer aandacht voor klanten dankzij tekst data mining 1

Handmatig werk

De afdeling Credit Administration Services is verantwoordelijk voor alle taken rondom de administratieve servicing van zakelijke  leningen. De medewerkers verwerken daartoe duizenden digitale documenten van agentbanken met informatie rondom verwachte betalingen, rentewijzigingen en betalingsdata. Deze documenten worden normaliter handmatig beoordeeld en eventueel opgevolgd met de agentbanken zelf. Dit is daarmee een tijdsintensief proces waarbij de uitkomst regelmatig is, dat er geen opvolging nodig is.

 

Tekst Data Mining applicatie

Duncan de Vries, Innovation Manager van NIBC Bank, raakte in gesprek met Riviq. Samen bedachten ze een oplossing waarbij de digitale documenten van de agentbanken door een tekst data mining-applicatie worden gehaald. De applicatie extraheert relevante data uit de documenten en vergelijkt deze met data uit het kredietadministratie systeem van NIBC. Zo kan automatisch worden bepaald of er opvolging nodig is of niet.

Het project was een mooie uitdaging voor de data scientists van Riviq. De documenten waren zeer divers: html, pdf’s, platte tekst, tabellen, maar ook taalinstellingen en specifieke eigenschappen per agentbank zorgden ervoor dat de tekst data mining-applicatie met veel aspecten rekening moest houden. Door intensieve samenwerking met de afdeling Credit Administration Services werden alle processingstappen en uitzonderingen verwerkt in een algoritme dat met zeer hoge nauwkeurigheid de e-mails indeelde in “opvolgen” en “niet opvolgen”.

Met dit project benadrukken we het inventieve en ondernemende karakter van de bank. Nog belangrijker is dat we dankzij deze oplossing nog meer van onze aandacht en tijd kunnen  besteden aan onze klanten.

Duncan de Vries

Innovation Manager, NIBC Bank

Resultaat

In de pilotfase werd al snel ondervonden hoe handig het is dat van de documenten die werden geclassificeerd als “opvolgen” meteen bekend is waar de verschillen zitten. Dit hielp ook meteen in het efficiënt verwerken van die dossiers.

Duncan de Vries: “Met dit project benadrukken we het inventieve en ondernemende karakter van de bank. Nog belangrijker is dat we dankzij deze oplossing nog meer van onze aandacht en tijd kunnen  besteden aan onze klanten.”

Pim-wennekes

Meer weten? Neem vrijblijvend contact op met

Pim Wennekes

Manager data & analytics

pim.wennekes@riviq.nl
+31 621 964 963
linkedin.com/in/pimwennekes

Andere klantcases