Databerigelsesnøgle til at forbedre nøjagtigheden af ​​AI-modeller i Fintech

Databerigelse, processen med at forbedre interne data med relevante kontekstuelle data indhentet fra eksterne kilder, er afgørende for finansielle servicevirksomheder, der ønsker at få mest muligt ud af deres investeringer i kunstig intelligens (AI), hvilket giver dem mulighed for at opbygge mere nøjagtige forudsigelsesmodeller og forbedre beslutningstagningen, siger Mobilewalla, en Singapore-baseret udbyder af forbrugerinformationsløsninger.

I en nyt papir Med titlen Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI, undersøger firmaet, hvorfor datakvalitet, -bredde og -dybde er afgørende for, at virksomheder kan bygge nøjagtige forudsigende modeller, og hvordan databerigelse og funktionsteknologi gavner AI i fintech.

Ifølge papiret, mens størstedelen af ​​opmærksomheden relateret til AI koncentreres om komplekse ML-teknikker og raffinering af algoritmekode, er det afgørende for udbydere af finansielle tjenester at huske, at de data, der bruges til at træne algoritmer, kan være endnu mere effektive til at forudsige modelleringsnøjagtighed.

Avisen nævner kreditvurdering som et use case, hvor oplysninger indsamlet direkte fra ansøgere ofte er utilstrækkelige til at bortfiltrere sandsynlige misligholdere og forhindre svig. I stedet bør data indsamlet fra ansøgere beriges med yderligere oplysninger som placering, demografi og adfærdsmønstre og mere for at muliggøre en mere præcis kreditvurdering, siger avisen.

Disse udtalelser gentager dem, der blev fremsat tidligere på året af Mobilewallas grundlægger, administrerende direktør og bestyrelsesformand Anindya Datta. Under en Fintech Fireside Asia-paneldiskussion arrangeret af Fintech News Singapore, Anindya sagde at selvom nogle oplysninger, såsom husstandskarakteristika og app-engagement, kan forekomme værdiløse i vurderingen af ​​ens tilbøjelighed til at misligholde, er de faktisk forudsigelige for sandsynligheden for misligholdelse af lån.

Mere end et dusin køb nu, betal senere (BNPL)-spillere stoler på Mobilewallas data for at vurdere forbrugernes misligholdelsesrisiko såvel som i inkassoprocessen, sagde han og bemærkede, at deres vækst og succes delvist stammer fra deres evne til at gøre brug af alternative data til at vurdere risiko, hvilket i sidste ende udvider adgangen til kredit til dem, der mangler traditionelle kreditdata.

billede via Freepik

Mobilewalla, førende inden for forbrugerintelligens, indsamler, renser og behandler et rigt datasæt, som derefter kan bruges af virksomheder til bedre at forstå deres kunder. I finanssektoren har virksomheden arbejdet med Kredivo, Indonesiens bedste BNPL-brand, hvilket giver dem mulighed for at segmentere deres kunder mere hensigtsmæssigt, skræddersy kundeoplevelsen og krydssælge andre digitale løsninger efter overtagelsen.

Stigende efterspørgsel efter tredjepartsdata og databerigelsesteknikker i finanssektoren kommer på baggrund af den blomstrende anvendelse af kunstig intelligens i branchen.

Udvalgt billedkredit: Redigeret fra Freepik link. , link.