Аналіз даних, що охоплюють роботу колекторських компаній з борговим портфелем. Етапи аналізу включають: дослідження розподілу боргу, оцінку ефективності стягнення за різними параметрами, порівняльний аналіз компаній та філій, а також дослідження часових аспектів та впливу комунікацій.
Використовуючи Python (бібліотеки Pandas, NumPy, Matplotlib, Seaborn) для обробки та візуалізації, вдалося отримати ключові інсайти щодо ефективності стягнення та особливостей боржників.
- Борговий портфель: 98.7% загального боргу припадає на відкриті справи.
- Ефективність стягнення: 96.97% клієнтів не здійснили першого платежу.
- Проблемні контакти: до 30% боржників у середньому по філіях мають відсутні номери телефонів, з окремими філіями до 77%.
- Порівняння компаній: 'БКС' зібрала на 51.7% більше коштів, ніж 'УКА', при цьому середній платіж 'БКС' на 36.7% вищий.
- Динаміка платежів: спостерігається пік платежів у лютому 2025 року з подальшим спадом.
- Час до оплати: 50% боржників здійснюють платіж протягом 2 днів після першого контакту, але максимальний термін сягає 100 днів.
- Комунікація: прямий контакт має помірний позитивний зв'язок з отриманням обіцянок платежу.
- Ефективність філій: філія 'J' є лідером за сумою платежів, а філія 'K' не має жодних надходжень.
- Python:
Pandas,NumPyдля обробки данихMatplotlibіSeabornдля візуалізацій
- Tableau для створення графіків та дашборду.