Datenanreicherung ist der Schlüssel zur Verbesserung der Genauigkeit von KI-Modellen in Fintech

Datenanreicherung, der Prozess der Anreicherung interner Daten mit relevanten Kontextdaten aus externen Quellen, ist entscheidend für Finanzdienstleistungsunternehmen, die das Beste aus ihren Investitionen in künstliche Intelligenz (KI) herausholen möchten, um genauere Vorhersagemodelle zu erstellen und Verbesserung der Entscheidungsfindung, sagt Mobilewalla, ein in Singapur ansässiger Anbieter von Consumer Intelligence-Lösungen.

In einer neues Papier Unter dem Titel Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI untersucht das Unternehmen, warum Datenqualität, -breite und -tiefe für Unternehmen entscheidend sind, um genaue Vorhersagemodelle zu erstellen, und wie Datenanreicherung und Feature-Engineering der KI in der Fintech zugute kommen.

Während sich der Großteil der Aufmerksamkeit im Zusammenhang mit KI auf komplexe ML-Techniken und die Verfeinerung von Algorithmuscode konzentriert, ist es laut dem Papier für Finanzdienstleister entscheidend, sich daran zu erinnern, dass die zum Trainieren von Algorithmen verwendeten Daten noch wirkungsvoller sein können, um die Modellierungsgenauigkeit vorherzusagen.

Das Papier nennt die Bonitätsbewertung als einen Anwendungsfall, bei dem die direkt von Antragstellern gesammelten Informationen oft nicht ausreichen, um wahrscheinliche Zahlungsausfälle herauszufiltern und Betrug zu verhindern. Stattdessen sollten die von Bewerbern gesammelten Daten mit zusätzlichen Informationen wie Standort, Demografie und Verhaltensmustern und mehr angereichert werden, um eine genauere Kreditwürdigkeitsprüfung zu ermöglichen, heißt es in dem Papier.

Diese Aussagen spiegeln jene wider, die der Gründer, CEO und Vorsitzende von Mobilewalla, Anindya Datta, Anfang dieses Jahres gemacht hat. Während einer Podiumsdiskussion von Fintech Fireside Asia, veranstaltet von Fintech News Singapore, Anindya sagte dass einige Informationen, wie Haushaltsmerkmale und App-Engagement, zwar wertlos erscheinen, um die eigene Ausfallneigung einzuschätzen, aber tatsächlich die Wahrscheinlichkeit eines Kreditausfalls vorhersagen.

Mehr als ein Dutzend BNPL-Spieler (Buy Now, Pay Later, BNPL) verlassen sich auf die Daten von Mobilewalla, um das Ausfallrisiko von Verbrauchern sowie im Inkassoprozess zu bewerten, sagte er und stellte fest, dass ihr Wachstum und Erfolg teilweise auf ihrer Fähigkeit beruhten, sie zu nutzen alternative Daten zur Risikobewertung, wodurch letztendlich der Zugang zu Krediten auf diejenigen ausgeweitet wird, denen herkömmliche Kreditdaten fehlen.

Bild über Freepik

Mobilewalla, ein führendes Unternehmen im Bereich Consumer Intelligence, sammelt, bereinigt und verarbeitet einen umfangreichen Datensatz, der dann von Unternehmen verwendet werden kann, um ihre Kunden besser zu verstehen. Im Finanzsektor hat das Unternehmen mit Unternehmen wie Kredivo, Indonesiens führender BNPL-Marke, zusammengearbeitet, die es ihnen ermöglicht, ihre Kunden besser zu segmentieren, das Kundenerlebnis anzupassen und andere digitale Lösungen nach der Übernahme zu verkaufen.

Die steigende Nachfrage nach Daten von Drittanbietern und Datenanreicherungstechniken im Finanzsektor ist auf die boomende Einführung von KI in der Branche zurückzuführen.

Ausgewählte Bildquelle: Bearbeitet von Freepik hier und hier