Køb af usikret gæld: hvordan data bliver til porteføljevurdering.

Ved første øjekast virker datapakken uanselig: en lang Excel-liste med millioner af datapunkter. Hver række repræsenterer en udestående fordring fra en debitor i restance. For Malte Janzen begynder analysen her – en analyse, der kan føre til investeringsbeslutninger til millioner.

Siden 2025 har han været ansvarlig for Unsecured Investments hos EOS. Sammen med et team af kredit- og dataanalytikere vurderer han porteføljer, som banker udbyder i hele Europa. Hans ekspertise ligger i investeringer – han har skrevet ph.d. om investeringsbeslutninger og arbejdet med M&A samt i en virksomhed i Hamborg.

„Vi analyserer porteføljen og udvikler en forretningsplan. På den baggrund anbefaler vi en købspris til EOS’ bestyrelse,“ forklarer Malte. EOS vurderer årligt 500–600 porteføljer i mere end 20 europæiske lande.

Processen begynder, når en bank udbyder en portefølje til salg. EOS’ nationale selskaber modtager anonymiserede data og udarbejder analyser.

Der ses også på konteksten: hvor længe har fordringen været forfalden, hvilke tiltag er taget, og hvordan ser kundestrukturen ud. „Hvis vi kender sælgeren, kan vi bedre vurdere kvaliteten.“

På grund af den enorme mængde data er det umuligt at analysere hver enkelt fordring manuelt.
„I stedet begynder vi med at identificere nøglekarakteristika og gruppere fordringerne derefter,“ forklarer Malte. Til dette anvendes matematiske og statistiske metoder samt machine learning-modeller.

Baseret på omfattende historiske data simulerer disse modeller, hvordan forskellige grupper af fordringer sandsynligvis vil udvikle sig over tid.

Yderligere faktorer indgår også i analysen, såsom ændringer i det regulatoriske miljø eller makroøkonomiske tendenser. „Med vores modeller kan vi kortlægge en bred vifte af scenarier. Det hjælper os med at identificere, hvilke faktorer der har størst indflydelse på porteføljen, og hvad vi skal være opmærksomme på i den efterfølgende håndtering.“

Selv de mest avancerede modeller kan dog ikke erstatte ekspertviden. Ligesom Malte har teamet mange års erfaring med kredit- og dataanalyse. De arbejder også tæt sammen med kolleger i de nationale selskaber.
„De har indgående kendskab til de lokale markeder og kan bedre sætte mange tendenser i kontekst.“

Hvis investeringsbeslutningen er positiv, stopper analysen ikke her. Porteføljens faktiske performance overvåges løbende og sammenlignes med den oprindelige prognose. Hvis der opstår afvigelser, analyseres årsagerne. „Disse indsigter integrerer vi direkte i vores analytiske værktøjer, så vi løbende kan forbedre vores vurderingsproces.