Andmete rikastamise võti AI-mudelite täpsuse suurendamiseks Fintechis

Andmete rikastamine, sisemiste andmete täiustamine välistest allikatest saadud asjakohaste kontekstipõhiste andmetega, on oluline finantsteenuste ettevõtete jaoks, kes soovivad saada tehisintellekti (AI) tehtud investeeringutest maksimumi, võimaldades neil luua täpsemaid prognoosimudeleid ja parandada otsuste tegemist, ütleb Mobilewalla, Singapuris asuv tarbijateabe lahenduste pakkuja.

Aastal uus paber Ettevõte pealkirjaga Fintechs ennustava modelleerimise täpsuse parandamine andmekeskse tehisintellektiga uurib, miks andmete kvaliteet, laius ja sügavus on ettevõtete jaoks täpsete ennustavate mudelite loomiseks üliolulised ning kuidas andmete rikastamine ja funktsioonide projekteerimine fintechi tehisintellektile kasu toovad.

Dokumendi kohaselt keskendub suurem osa tehisintellektiga seotud tähelepanu keerulistest ML-tehnikatest ja algoritmikoodi täpsustamisest, kuid finantsteenuste pakkujate jaoks on oluline meeles pidada, et algoritmide koolitamiseks kasutatavad andmed võivad modelleerimise täpsuse ennustamisel olla veelgi mõjuvamad.

Dokumendis tuuakse välja krediidireiting kui kasutusjuht, mille puhul otse taotlejatelt kogutud teave ei ole sageli piisav, et välja filtreerida tõenäolised maksejõuetajad ja vältida pettusi. Selle asemel tuleks taotlejatelt kogutud andmeid rikastada täiendava teabega, nagu asukoht, demograafia ja käitumismustrid ning palju muud, et võimaldada täpsemat krediidihinnangut, öeldakse dokumendis.

Need avaldused kordavad Mobilewalla asutaja, tegevjuhi ja esimehe Anindya Datta selle aasta alguses tehtud avaldusi. Fintech Fireside Asia paneeldiskussiooni ajal, mille korraldas Fintech News Singapore, Anindya ütles et kuigi mõni teave, nagu leibkonna omadused ja rakenduste seotus, võib maksejõuetuse kalduvuse hindamisel tunduda väärtusetu, ennustavad need tegelikult laenu maksejõuetuse tõenäosust.

Rohkem kui tosin mängijat ostavad kohe, maksa hiljem (BNPL) toetuvad Mobilewalla andmetele, et hinnata tarbija maksejõuetuse riski ja ka võlgade sissenõudmise protsessi, ütles ta, märkides, et nende kasv ja edu on osaliselt tulenenud nende võimest kasutada alternatiivsed andmed riski hindamiseks, laiendades lõpuks juurdepääsu krediidile neile, kellel puuduvad traditsioonilised krediidiandmed.

pilt Freepiki kaudu

Mobilewalla, tarbijateabe liider, kogub, puhastab ja töötleb rikkalikku andmekogumit, mida ettevõtted saavad seejärel kasutada oma klientide paremaks mõistmiseks. Finantssektoris on ettevõte teinud koostööd Kredivoga, Indoneesia parima BNPL-i kaubamärgiga, võimaldades neil oma kliente sobivamalt segmenteerida, kohandada kliendikogemust ja müüa pärast omandamist muid digitaalseid lahendusi.

Kasvav nõudlus kolmandate osapoolte andmete ja andmete rikastamise tehnikate järele finantssektoris on tingitud tehisintellekti jõudsalt kasutuselevõtust tööstuses.

Esiletõstetud pildi krediit: redigeeritud Freepikist siin ja siin