Fintech Floryn biedt kijkje in technologie keuken van innovatief platform.
Om een onderneming te laten groeien, heb je geld nodig. Soms heb je dat zelf, soms wil je dat lenen. Helaas zijn banken niet scheutig met het verstrekken van kredieten en is het proces om überhaupt een financiering aan te vragen zo omvangrijk en complex, dat de moed je vooraf al in de schoenen zakt. Floryn beoordeelt kredietaanvragen snel en op basis van slechts zes maanden bankafschriften. CTO Marijn van Aerle vertelt hoe de fintech dat doet.
Veel banken gebruiken jaarrekeningen voor de beoordeling van kredietaanvragen. Zo niet fintech Floryn. “Een jaarrekening zegt vooral iets over hoe een bedrijf er een jaar geleden voor stond”, vertelt Marijn. “Bankafschriften zijn veel actueler en geven een gedetailleerd beeld over hoe het met een bedrijf gaat en wat de financieringsbehoefte is. Doordat wij onze beoordeling van de financieringsaanvraag baseren op recente cijfers, kunnen we veel beter aansluiten bij het bedrijf.”
Zes maanden bankafschriften
Floryn heeft daarvoor een innovatief, technisch platform ontwikkeld dat op basis van machine learning in combinatie met menselijke inzichten besluit of een aanvraag voor krediet gehonoreerd wordt. Data is het nieuwe goud en dat is dan ook de bron waarop de fintech zijn beslissingen baseert. “Nieuwe technologie biedt ons mogelijkheden om complexe, grote berekeningen uit te voeren in zeer korte tijd. Dat betekent dat we zes maanden aan bankafschriften in microseconden kunnen analyseren”, zegt Marijn. Daarvoor wordt een model gebruikt dat op basis van machine learning steeds betere besluiten kan nemen. Toch worden de financieringsbeslissingen niet louter op dat model gebaseerd. Mensen spelen ook nog steeds een belangrijke rol bij het besluiten of een organisatie al dan niet het gevraagde krediet krijgt. “Hoewel computers heel snel leren, blijven het machines en kunnen ze alleen leren van wat je erin stopt. Dat betekent dat we een aantal hele slimme mensen met veel ervaring in huis hebben die input geven aan het model om het steeds verder te optimaliseren.”
Huishoudboekje voor bedrijven
Het platform van Floryn is relatief nieuw, zo’n vierenhalf jaar geleden schreef Marijn zelf de eerste regels code. Samen met een team van ontwikkelaars werd het systeem verder gebouwd, uitgebouwd en geperfectioneerd. “Het was in het begin heel lastig om goede ontwikkelaars te krijgen, maar inmiddels hebben we een naam in die wereld en zien programmeurs en data scientists wat voor coole dingen we doen en krijgen we vanzelf sollicitaties binnen”, grijnst de CTO. Hoewel hij niet alle geheimen van de smid wil en kan verklappen, wil hij graag vertellen hoe het innovatieve systeem werkt. “Een ondernemer uploadt zijn bankafschriften in pdf, waarna het systeem automatisch allerlei detecties uitvoert om de echtheid te verifiëren van de afschriften. Vervolgens worden de transacties uitgelezen en gecategoriseerd. Je kunt dat een beetje vergelijken met je persoonlijke huishoudboekje. Een pinbetaling bij de Albert Heijn krijgt het label ‘boodschappen’, en de uitgave bij de kapper komt onder ‘persoonlijke verzorging’.”
Voor een bedrijf zit zo’n huishoudboekje een stuk complexer in elkaar, zegt Marijn. “We brengen alles in kaart; crediteuren, debiteuren, belastingdienst, personeelsbetalingen, et cetera. Daarbij kijken we ook naar de diepere lagen; wat voor debiteuren heb je, hoe is de spreiding daarvan. Eigenlijk alle factoren die van belang zijn voor de stabiliteit van een onderneming brengen we in kaart.” En, niet onbelangrijk, er wordt ook gekeken of de kredietaanvraag ook daadwerkelijk past in het financiële groeiplaatje van de organisatie en niet wordt gebruikt voor persoonlijke uitgaven van de ondernemer zelf. “We focussen ons niet op consumptief krediet, maar uitsluitend op het verlenen van financiering voor organisaties die willen groeien.”
Groei financieren
Wanneer alle transacties zijn gelabeld, worden bij elkaar horende uitgaven bij elkaar opgeteld en komen daar trends uit over bepaalde periodes. “We kunnen gemiddelden zien per maand, trendlijnen maken, patronen ontwaren. Er rollen ontzettend veel cijfers – of features zoals wij het noemen – uit het systeem die vervolgens worden ingevoerd in het zelflerende model. Dat model bepaalt op basis van alle eerdere input die het kreeg, zowel automatisch als van de mensen die het model voeden, met welk gewicht bepaalde features worden beoordeeld.” Zo kan het model besluiten hoe kredietwaardig een aanvrager is.
Alleen bij voldoende kredietwaardigheid wordt er door Floryn een financiering verstrekt. “Er zijn kredietverstrekkers in de markt die nergens naar kijken en torenhoge rentes rekenen. Wij distantiëren ons daarvan. Wij kijken naar het grotere plaatje en geloven in schaalbaarheid.” Wanneer de fintech een kredietaanvraag afwijst, kan het zijn besluit altijd uiteenzetten. “Het is niet zo dat er een beslissing uit een zwarte doos rolt. Alle features zijn interpreteerbaar, dus we kunnen je altijd vertellen op basis van welke data en waarom we een verzoek niet honoreren. Hoewel de computer het meeste werk verzet, zitten er altijd mensen naast die de cijfers en data kunnen interpreteren.”
Ervaring in machine learning
Op de vraag waarom niet veel meer bedrijven soortgelijke diensten leveren met een vergelijkbaar platform, moet Marijn even het antwoord schuldig blijven. Dan zegt hij: “Ergens is het gek, want de transactiedata waarop ons systeem draait, hebben banken al jaren beschikbaar. Zij hebben lange tijd het monopolie gehad en de kans om daar wat mee te doen, maar dat is eigenlijk nooit gebeurd.” Hij realiseert zich dat bedrijfsfinanciering complex is en dat banken niet in staat zijn om snel technologische veranderingen te implementeren. “Dat is het voordeel van ons als jong bedrijf. Wij bouwen alles zelf, hier in ons pand in Den Bosch. Daar hebben we IT-mensen zitten, maar ook sales, marketing en risk mensen. Waar deze afdelingen bij grote, traditionele bedrijven vaak in silo’s zijn ondergebracht, zitten deze mensen bij ons samen aan tafel om innovatieve diensten te ontwikkelen. Daardoor kunnen we veel sneller schakelen.”
Ook het feit dat Floryn inmiddels al een aantal jaren ervaring heeft met machine learning, is een groot voordeel, merkt Marijn. “Veel organisaties beginnen daar nu pas mee en zien het nog vooral als experiment. Wij zetten machine learning in de praktijk in. Daar komt veel meer bij kijken dan bij een pilot of experiment.” Hij doelt op het feit dat je het lerende model te allen tijde scherp in de gaten moet houden. “Want het systeem léért, en wanneer daar ergens een foutje insluipt, kun je je voorstellen dat – hoe slim systemen ook zijn – het model dat zelf niet herkent en het doodleuk meeneemt in zijn leercurve.” Datavalidatie is dus cruciaal, alle waardes in het model moeten aannemelijk zijn. “Ons model wordt wekelijks hertraind en we gaan toe naar een situatie waarbij het model dagelijks wordt bijgewerkt. Alleen zo houden we onze monitoring en validatie triggers super goed op orde.”
Security
Naast het optimaliseren van het model, is beveiliging ook een belangrijk onderwerp wanneer het gaat om het innovatieve systeem van Floryn. Zo voldoet de fintech op het hoogste niveau aan de nieuwe privacywet, AVG. “Daar hebben we in een groot implementatietraject heel veel aandacht aan besteed”, vertelt Marijn. “We zijn toch een techbedrijf, dus we kunnen ons voorstellen dat klanten het een heel prettig idee vinden dat hun data veilig wordt opgeslagen.” Ook voldoet Floryn aan allerlei andere wetgeving op het gebied van beveiliging. “Ik denk dat het een geruststellende gedachte is dat wanneer er ooit iets mis zou gaan op dit gebied, wij ons bedrijf wel kunnen opdoeken. Dat betekent dat we security hoog in het vaandel hebben staan.”
Hoe magisch en ingewikkeld het ook allemaal klinkt, voor Marijn is het zo klaar als een klontje. “Wij kijken met een frisse blik naar een onderneming. We willen net zo naar een bedrijf kijken als de ondernemer dat zelf doet. Ons systeem doet heel complexe dingen, maar de uitkomsten zijn heel concreet. We geven veel om menselijke relaties en contact met onze klanten en doordat we beschikken over recente informatie, sluiten we veel beter aan bij het hier en nu van een bedrijf.”
