Je umfangreicher die Datenbasis, desto höher die Prognosegüte von Machine-Learning-Ansätzen. Deshalb entwickeln unsere Experten kontinuierlich innovative Ansätze mit dem Bezug und der Verarbeitung von Daten aus Lowell-internen und einer Vielzahl von externen Datenquellen. Zudem konzipieren, entwickeln und betreiben wir für unsere Schwestergesellschaften maßgeschneiderte Datenprodukte und statistische Modelle zur Verbesserung von Entscheidungen in Geschäftsprozessen. Unsere multidisziplinären Teams bestehen u.a. aus Statistikern, Physikern, Mathematikern, Psychologen, Informatikern und Volkswissenschaftlern. Sie entwickeln gemeinsam Lösungen für besonders anspruchsvolle analytische Problemstellungen. Wir beschäftigen uns beispielsweise mit Fragestellungen in Bezug auf den Wertbeitrag externer Datenquellen zur Effizienzsteigerung unserer Kernprozesse, oder der Güte unterschiedlicher statistischer Methoden zur Prognose des (Zahlungs-)Verhaltens von Konsumenten.
Die Deutsche Multiauskunftei fungiert als "Durchleite-Auskunftei". Wir verfügen über keinen eigenen Bestand mit personenbezogenen Daten und treten dadurch nicht in Konkurrenz zu "klassischen" Auskunfteien (wie bspw. der SCHUFA), sondern nutzen sie als Datenquelle zur Optimierung der Prozesse innerhalb der Lowell-Schwestergesellschaften.
Warum „Multi-Auskunftei“? In Deutschland gibt es eine Vielzahl von Datenquellen, welche u.a. bonitätsrelevante Daten oder aktuelle Adressen beauskunften. Mit unserem „Multi-Auskunftei-Ansatz“ versuchen wir, möglichst viele der für unser Kerngeschäft relevanten Datenquellen zu berücksichtigen, um die (finanzielle) Situation von Konsumenten objektiv und fair beurteilen zu können. Da sich die Datenbestände von externen Anbietern in ihrem Umfang und ihrer Qualität deutlich unterscheiden, prüfen wir diese Kriterien fortlaufend und optimieren den „Mix“ aus aktuell über 40 externen Datenquellen.