Wir sind der Meinung, dass ein gutes Risikomanagement die Basis für jedes Unternehmen ist. Dabei identifizieren wir nicht nur Risiken, sondern prüfen ob sich daraus Chancen für Ihr Unternehmen generieren lassen. Hierfür greifen wir auf eine Vielfalt quantitativer Methoden zurück und unterstützen Sie in allen Bereichen rund um das Thema Daten und deren Analyse.
Das Dienstleistungsspektrum von CORRICON deckt neben der Modellierung, Aufbereitung und Analyse komplexer Daten den vollständigen Lebenszyklus eines statistischen Modells ab. Entsprechende Expertise in agilen Methoden wie Scrum oder Kanban runden unser Profil ab.
Mit einem breiten und interdisziplinären Portfolio an Analysetechniken bieten wir neben unserer Beratertätigkeit auch maßgeschneiderte Seminare rund um die Themen Datenanalyse und Risikomanagement.
Wer nichts waget, der darf nichts hoffen.
Friedrich Schiller, 1759 – 1805.
Risikomanagement
Unsere Schwerpunkte im Bereich Risikomanagement liegen auf der Modellierung von Kreditausfällen, Bonitätsratings und Betrugsmusteranalysen. Zu unseren Kunden zählen dabei im Wesentlichen Banken, Finanzdienstleister, Auskunfteien und Onlineshops. Neben der Erstellung individueller Überwachungs-Frameworks und Reportings kümmern wir uns auf Kundenwunsch auch um die Implementation und den Betrieb der Modelle.
Datenanalyse und KI
Datenanalyse wird des öfteren assoziiert mit Künstlicher Intelligenz. Der wesentliche Unterschied zwischen Datenanalyse und Künstlicher Intelligenz (KI) ist der, dass das eine vom Mensch gemacht wird und das andere den Mensch versucht nachzuahmen. Dabei ist eine KI nur so gut, wie der dahinterstehende Algorithmus, der sie zum Lernen veranlasst. Dieser Algorithmus ist vom Mensch gemacht. Daher legen wir bei unserem KI-Projekten besonderen Wert auf die Symbiose zwischen Mensch und Maschine bzw. menschlichem Verstand und Algorithmen.
From Big Data to Smart Data
Wir verfolgen einen ganzheitlichen Ansatz beim Thema Datenanalyse. Ganz egal, welches Modelldesign oder welcher Algorithmus zum Einsatz kommt, haben wir immer einen besonderen Fokus auf die Datengrundlage und deren Qualität. Denn es nützt der beste Algorithmus nichts, wenn dieser mit Nonsens „gefüttert“ wird: „Garbage in, Garbage out.“