Skip to content

This repo is for Rakamin Group 4 (pd.give_insight(✨)) Final Project

Notifications You must be signed in to change notification settings

Haniff-Toha/pd.give_insight

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

15 Commits
 
 
 
 
 
 
 
 

Repository files navigation

pd.give_insight(✨)

This repo is for Rakamin DS Bootcamp Batch 33 Group 4 (pd.give_insight(✨)) Final Project; Default Risk Classification || Credit Scoring For Loan Customer."

Data: Loan Data

Business Overview

  1. Case Study:

PT. Insight, perusahaan Fintech yang menghadapi tantangan default rate sebesar 12,3%, membutuhkan langkah-langkah untuk meningkatkan kinerja dan mengurangi risiko.

Agar kejadian tersebut tidak terulang lagi dimasa depan, Tim Assessment merekomendasikan penggunaan model prediksi default customer berdasarkan perilaku pelanggan dari data historis, guna memfasilitasi proses persetujuan pinjaman (loan approval) dengan credit scoring yang lebih akurat.

Tim data scientist akan mengembangkan model tersebut untuk membantu meningkatkan performa perusahaan dan mengoptimalkan pengelolaan risiko kredit.

  1. Role:

    • Project Manager : Amarindra Ardinova
    • Data Scientist:
      • Kenneth WahyudiM
      • Muhammad Haniff
    • Data Analyst :
      • Agung Wijaya Putra
      • Siti Indah R
      • Amarindra Ardinova
    • Business Intelligence :
      • Elkania Samanta N
      • Annisa Milah T
      • Mirwan Naufal
  2. Goals:

Default rate yang tinggi merupakan masalah yang dihadapi perusahaan, hal ini bisa menimbulkan gangguan terhadap cash-flow dan ancaman terhadap keberlangsungan perusahaan. Dengan meminimalisir resiko default, diharapkan keberlangsungan perusahaan dapat dipertahankan sekaligus menjaga kepercayaan konsumen dan investor."

  1. Objective:
    • Melalui pengembangan model prediksi credit scoring, dapat diidentifikasi dan dianalisis faktor dan variabel yang berpengaruh secara signifikan terhadap kemungkinan default pada nasabah pinjaman.
    • Analisis ini membantu dalam mengidentifikasi kunci karakteristik defaulters loan customer untuk mengoptimalkan penilaian risiko kredit.
  2. Business Metrics:
    • Default rate % (harus turun) : Upaya menurunkan tingkat default rate dapat mengurangi persentase pelanggan yang gagal membayar pinjaman.
    • Opportunity Lost (harus turun) : Dengan mengurangi opportunity lost, jumlah pelanggan yang mengalami kegagalan pembayaran juga dapat berkurang. Hal ini penting untuk menjaga kestabilan keuangan perusahaan dan meningkatkan kepercayaan pelanggan.

Feature on Dataset:

image

Project Timeline

image

About

This repo is for Rakamin Group 4 (pd.give_insight(✨)) Final Project

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published