Miksi?
Vuoden 2018 lopussa ulosotossa oli noin 300 000 velallista. Velallisista osalle tehdään jonkinasteinen ulosottoselvitys tai esimerkiksi maksusuunnitelma – tavallisesti ulosottomiehen harkintaan perustuen. Tämän ulosottomiesten työn tueksi Valtiokonttorin data-analyytikot analysoivat ulosoton velallisdataa tarkoituksena tuottaa tietoa, miten erilaiset ominaisuudet (kuten velan määrä ja velan peruste) ennakoivat velallisen kykyä/aikomusta selviytyä maksuistaan. Analyysin tuloksia on tarkoitus hyödyntää ulosoton toimenpiteitä kohdennettaessa ja toiminnan vaikuttavuutta arvioidessa.
Mitä tehtiin?
Analyysia varten kerättiin anonyymi velallisdata, joka sisältää velka- ja maksutietojen lisäksi useita ulosottolaitoksen valitsemia ominaisuuksia/kriteereitä, jotka ovat ulosottotoimen kannalta oleellisia. Analyysissa velalliset jaettiin ryhmiin sen perusteella, miten he ovat historiassa selvinneet maksuistaan. Selittävän analyysin (regressiot, herkkyysanalyysi) keinoin tutkittiin, miten eri ominaisuudet/kriteerit selittävän velallisen maksukykyä. Lisäksi tutkittiin, miten luokittelevat koneoppimisalgoritmit onnistuvat velallisten identifioinnissa valitulla kriteereillä.
Tulokset
Tulosten perusteella lähes kaikki analyysiin valikoidut kriteerit sisältävät oleellista informaatiota velallisen kyvystä/aikomuksesta selvitä maksuista. Tärkein yksittäisen selittäjä on velan määrä, toiseksi tärkein on velan peruste, joka sisältää esimerkiksi tiedon, onko velallisella rikosperusteisia velkoja. Analyysissa ilmeni, että soveltamalla monimuuttujamenetelmiä ja koneoppimisalgoritmeja velallisia mahdollista identifioida ulosottotoimen kannalta hyödyllisellä tavalla.
Mitä seuraavaksi?
Analyysissa tutkittiin ainoastaan ulosoton asiantuntijoiden ennalta määräämien kriteerien vaikutuksia velallisten maksukykyyn. Vuoden 2020 kevään aikana tarkoituksena on tutkia, onko nyt tiedossa olevien kriteerien lisäksi olemassa muita velallisten riskiprofiilin kannalta oleellisia kriteerejä.
