Go Back to Case Studies

Star Alliance Airline Soars with Alteryx Server

At a Glance

1000+

Workflows Governed

10

Departments Migrated

25

Alteryx Champions Trained

Overview

Service

Data Engineering & Infrastructure

Industry

Airlines

Stack

Machine Learning & Gen AI

Automatisation de la sélection des prêts pour les titres adossés à des créances hypothécaires

Published on Feb 05, 2025

Author(s)

Tyler Nagano

Data Engineer

Technology Stack

The Challenge

Une institution financière canadienne sélectionnait manuellement des prêts pour des titres adossés à des créances hypothécaires. Ces prêts étaient nécessaires pour répondre à de multiples contraintes commerciales, comme une cote de crédit moyenne. Ce processus manuel et ardu n'était pas évolutif, ce qui a conduit l'entreprise à rechercher une solution analytique.

The Solution

À l'aide d'une solution low-code et sans code dans Alteryx, nous avons créé un flux de travail qui a exploité l'outil d'optimisation d'Alteryx Machine Learning pour effectuer le processus de sélection. Le flux de travail lit les fichiers Excel pour sélectionner dynamiquement les colonnes d'intérêt. Il a ensuite appliqué les transformations de données standard et défini les contraintes de valeur appropriées. Le flux de travail a mis en place un problème de sac à dos assoupli pour générer un ensemble de prêts qui répondaient à toutes ces contraintes.

Impact

Stack

Contexte de notre client

Notre client, une société financière canadienne, a fait face à des défis croissants liés à l'évolutivité de son processus de sélection des titres adossés à des créances hypothécaires. L'approche manuelle était devenue un goulot d'étranglement, ralentissant les fonctions opérationnelles essentielles et retardant les équipes qui dépendaient de résultats opportuns. Ils avaient besoin d'un moyen plus agile d'identifier un ensemble initial de prêts qui répondaient à l'évolution des contraintes opérationnelles tout en gérant de manière proactive les changements apportés à leurs critères de sélection.

Reconnaissant le potentiel de l'apprentissage automatique et de l'analyse, l'entreprise a cherché à automatiser le processus initial de sélection des prêts. En tirant parti des analyses avancées, ils visaient à générer des ensembles de prêts préliminaires conformes aux besoins de l'entreprise, réduisant les retards et rationalisant les opérations. L'automatisation éliminerait non seulement les inefficacités des processus, mais permettrait également aux équipes de se concentrer sur des initiatives commerciales à plus forte valeur ajoutée.

Cependant, l'entreprise ne disposait pas de l'expertise technique interne nécessaire pour maintenir une solution complexe et riche en code. Ils avaient besoin d'un outil convivial capable de mettre en œuvre des méthodes d'apprentissage automatique et de sélection axées sur l'analyse sans avoir besoin de connaissances approfondies en programmation.

Décomposer les défis

Processus manuel

Le processus de sélection des prêts du client reposait entièrement sur un effort manuel, obligeant les analystes à sélectionner individuellement les prêts et à vérifier si chacun répondait aux contraintes opérationnelles nécessaires. Cette approche comportait d'importants essais et erreurs, ce qui la rendait inefficace et non viable à mesure que les besoins des entreprises évoluaient.

Exigences opérationnelles changeantes

Le pool total de prêts et les critères de sélection variaient selon l'objet de chaque titre adossé à des créances hypothécaires, ce qui ajoutait de la complexité. En raison de la nature manuelle du processus, la création d'ensembles de prêts sous différentes contraintes a pris beaucoup de temps, ce qui a entraîné des retards entre les équipes qui se sont appuyées sur des sélections en temps opportun.

Facilité d'utilisation

Au-delà de l'inefficacité, le processus exigeait une expertise spécialisée, ce qui rendait difficile sa mise à l'échelle. Le client avait besoin d'une solution simplifiée et conviviale qui pourrait automatiser la sélection des prêts sans avoir besoin de compétences techniques approfondies, afin que les utilisateurs professionnels puissent facilement générer des ensembles de prêts optimisés en réponse à l'évolution des exigences.

Optimiser pour un succès à long terme

Pour aider la société financière canadienne à automatiser son processus de sélection de prêts, l'équipe de Compass Analytics avait besoin d'une solution à la fois conviviale et capable d'appliquer toutes les contraintes opérationnelles nécessaires. Après avoir évalué diverses options, l'équipe a développé une application analytique dans Alteryx, tirant parti de l'outil d'optimisation de la suite d'outils prédictifs basés sur R d'Alteryx.

L'application analytique offrait une interface intuitive avec laquelle les utilisateurs professionnels pouvaient interagir, éliminant ainsi le besoin d'essais et d'erreurs manuels. Grâce à un flux de travail guidé, les utilisateurs pouvaient saisir des modèles de fichiers Excel contenant des données sur les prêts, des règles opérationnelles et des tailles de prêts cibles. Ces modèles structurés ont simplifié le processus d'installation, garantissant que toutes les contraintes nécessaires ont été correctement définies tout en laissant la souplesse nécessaire pour répondre aux exigences changeantes.

Une priorité clé était l'adaptabilité — la solution nécessaire pour travailler avec des ensembles de données dont les noms de colonnes, les caractéristiques et les contraintes varient. Pour ce faire, l'application analytique a appliqué dynamiquement des transformations basées sur les modèles fournis par l'utilisateur, assurant ainsi une préparation transparente des données pour le modèle d'optimisation.

Au cœur de la solution, l'outil d'optimisation Alteryx a mis en œuvre une version du problème Knapsack, sélectionnant l'ensemble optimal de prêts répondant à toutes les contraintes de l'entreprise tout en maximisant les caractéristiques souhaitées. Les extrants comprenaient non seulement les sélections finales de prêts, mais aussi des dossiers diagnostiques donnant un aperçu de la composition des prêts et de la mesure dans laquelle les choix correspondaient aux critères commerciaux attendus.

Au-delà de l'automatisation du processus, la nouvelle solution a introduit un avantage supplémentaire. Auparavant, le processus de sélection garantissait seulement que les contraintes étaient respectées, mais maintenant, le modèle priorisait activement les prêts présentant les caractéristiques les plus souhaitables, améliorant ainsi davantage la qualité des sélections.

Capturer l'appréciation de la valeur

La solution développée par Compass Analytics a permis à la société financière canadienne d'automatiser son processus de sélection de prêts pour les titres adossés à des créances hypothécaires. En éliminant les goulots d'étranglement manuels, l'entreprise peut maintenant s'adapter rapidement à l'évolution des besoins opérationnels tout en réduisant considérablement le temps nécessaire pour terminer le processus de sélection.

Sélection automatisée des prêts pour une plus grande efficience

Avec la nouvelle solution en place, les analystes n'ont plus besoin de passer des heures, voire des jours, à sélectionner manuellement des prêts par essais et erreurs. Au lieu de cela, ils peuvent configurer le processus en quelques minutes en remplissant des modèles Excel structurés et en exécutant le flux de travail Alteryx pour générer une sélection de prêts optimisée. Cette automatisation accélère non seulement le processus de sélection, mais introduit également la capacité de hiérarchiser les prêts présentant des caractéristiques plus souhaitables — une amélioration qui était auparavant absente de l'approche manuelle.

Souplesse pour répondre aux besoins changeants de l'entreprise

L'un des principaux avantages du nouveau système est sa capacité de répondre aux exigences changeantes des activités. Les analystes peuvent rapidement réexécuter le processus de sélection avec des paramètres ajustés, comme l'augmentation du montant total du prêt ou la modification des contraintes opérationnelles pour explorer différents scénarios. Cette souplesse permet à l'organisation d'effectuer une analyse approfondie des scénarios et de prendre des décisions fondées sur les données avec une plus grande agilité.

Interface conviviale pour les utilisateurs non techniques

Conçue dans un souci d'accessibilité, la solution s'appuie sur des outils familiers tels qu'Excel pour définir les contraintes métier et les critères de notation. Une interface utilisateur graphique guide les utilisateurs dans la sélection et l'optimisation des fichiers, garantissant que même les utilisateurs non techniques peuvent exécuter efficacement le processus de sélection des prêts. En simplifiant un flux de travail autrefois complexe, l'entreprise a réduit le recours à une expertise spécialisée tout en améliorant la cohérence et l'évolutivité de ses opérations de sélection de prêts.

Interested in learning more?

Fill out the form below and we'll get back to you as soon as possible.

William Chan

Founder & CEO

Schedule a Call

First Name*

Last Name*

Business Email Address*

Company*

Industry*

Job Title*

Area of Interest*

Fields with an * are mandatory

Thank you for registering. We'll be in touch with event details.

Oops! Something went wrong while submitting the form.