From the perspective of debt collectors, the goal of debt collection processes is to maximize the chances of a debt being repaid, while minimizing the time to repayment taking place. The purpose of this thesis is to investigate what measure that is most commonly leading to debt being repaid within 30 days. Against a background of males being overrepresented among debtors in terms of the share of the population in Sweden, the purpose has also been to use data analytics methods to explore whether the measures from debt collection companies affect males and females differently and how they affect them. Finally, the purpose has furthermore been to explore whether existing data provided by the debt collection company Visma can be used to optimize the debt collection process so that the debtors' time in it becomes as short as possible. The report has found that invoicing seems to be the measure most strongly associated with debt resolvance, suggesting that this measure is an important tool for debt collection agencies. The report has found that the measures affect males and females differently, which may be related to gender differences in attitudes to financial risk. Furthermore, it has been shown that it presumably is possible to create prediction models to know which debtors will be able to pay their debt. These models should be divided by gender as males, tend to take more risks. Lastly, machine learning and other modern tools, such as Open banking, should be used to optimize the debt collection process. / För ett inkassoföretag är målsättningen med varje indrivningsprocess att uppnå full återbetalning av skulden så snabbt som möjligt. Syftet med denna uppsats har varit att undersöka vilken åtgärd oftast som leder till att skulder återbetalas inom 30 dagar. Då män är överrepresenterade bland gäldenärer, sett till andel av befolkningen, har ett vidare syfte varit att använda dataanalysmetoder för att undersöka om åtgärderna från inkassoföretag påverkar män och kvinnor annorlunda och hur de påverkar dem. Slutligen är syftet också att se om det finns en möjlighet att använda befintliga data tillhandahålla av inkassoföretaget Visma för att optimera inkassoprocessen så att gäldenärernas tid i den blir så kort som möjligt. Rapporten har funnit att fakturering verkar vara den mest effektiva sista åtgärden som inkassobolagen har att tillgå idag. Rapporten har funnit att åtgärderna påverkar män och kvinnor annorlunda. Vidare har det visats att det förmodligen går att skapa predikteringsmodeller för att veta vilka gäldenärer som kommer att kunna betala sin skuld. Dessa modeller bör vara uppdelade på kön då män, är mer riskbenägna. Slutligen bör maskininlärning och även andra moderna redskap, såsom Open banking användas för att optimera inkassoprocessen.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-300432 |
| Date | January 2021 |
| Creators | KARÉGAR, ARMAN |
| Publisher | KTH, Skolan för industriell teknik och management (ITM) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2021:323 |
Page generated in 0.0036 seconds