close
Share with your friends

Применение машинного обучения для предсказания дебиторской задолженности

Проект для крупного российского нефтегазового холдинга

Проект для крупного российского нефтегазового холдинга

Задача

Клиент – крупный российский нефтегазовый холдинг. При отгрузке нефтепродуктов по кредитной схеме оплаты нередко случались ситуации, когда контрагент просрочил дату платежа, прописанную в договоре, вызвав ситуацию возникновения просроченной дебиторской задолженностью (ПДЗ). 

Эффект от внедрения решения

  

Выявленной дебиторской задолженности под риском глубокой просрочки платежа

Общее снижение уровня ПДЗ, минимизация потерь от невыполненных должником обязательств (например, в случае банкротства)

Подход КПМГ к решению задачи

  • Разработка модели на основе машинного обучения, которая, анализируя данные о платежной дисциплине контрагентов-дебиторов и информацию из имеющихся внутренних и внешних источников, предоставляет максимально точный и полный прогноз поведения контрагента.
  • Внедрение и опытно-промышленная эксплуатация разработанной модели машинного обучения.
  • Анализ результатов прогнозирования становится частью бизнес-процесса управления кредитным риском. Кредитный контроллер получает сигнал о вероятности возникновения ПДЗ и может заблаговременно управлять взаимодействием с контрагентом на уровне отдельных поставок, а также корректировать стратегию сотрудничества (например, уточнение договорных условий, отсрочки платежей).