Secteur de la Banque et de la finance fintech et secteur public

Prédire l’appétence crédit des collectivités

Client :

Technologie utilisée :

Machine Learning

La Banque Postale est une filiale du Groupe La Poste. Nos activités couvrent la banque de détail, l’assurance et la gestion d’actifs et ont vocation à répondre aux besoins de tous. Jeunes, familles, actifs, retraités, collectivités locales, associations, professionnels et entreprises : elle propose à chacun une gamme de produits adaptés à ses besoins.
La Banque Postale, c'est 20 millions de clients actifs, 338 500 clients personnes morales et acteurs publics locaux, 30 400 collaborateurs dédiés au métier de la Banque (chiffres 2020).

Source : https://www.linkedin.com/company/la-banque-postale/

Enjeux

Dans le cadre du démarchage des collectivités territoriales, la Banque Postale souhaite déterminer :
- quelles sont les collectivités à prospecter en priorité
- quels sont les facteurs prédictifs d’un emprunt bancaire (≥ 40k€)

Démarche

L’objectif est de proposer une solution basée sur des techniques de Machine Learning et s’appuyant sur des bases de données publiques de différentes sources (Direction Générale des Finances Publiques (DGFiP), INSEE, BANATIC et Dotations Globale de Fonctionnement (DGF)) afin de proposer un ciblage des prospects triés par la probabilité et le montant de l’emprunt.
Plusieurs difficultés ont été identifiées :
- Réformes territoriales (fusions des communes)
- Évolution chaque année du contenu des données publiques
- Besoin de prédire avant mise à disposition des données de l'année passée (plusieurs horizons de prédiction)
Plusieurs prédicteurs d’emprunts ont été identifiés :
- Calendrier électoral
- Facteurs déterminés par l’Observatoire des finances et de la gestion publique locales (OFGL) comme indicateur de l’investissement

Résultat

Priorisation des prospects
Estimation a posteriori du potentiel de gain atteignable.

Ex : contacter les 20% des communes ayant le score le plus élevé permettrait d’atteindre 0,8Mds d’euros de montant d'emprunt