کلید غنی‌سازی داده برای افزایش دقت مدل‌های هوش مصنوعی در فین‌تک

غنی‌سازی داده‌ها، فرآیند افزایش داده‌های داخلی با داده‌های مرتبط و زمینه‌ای به‌دست‌آمده از منابع خارجی، برای شرکت‌های خدمات مالی که به‌دنبال کسب حداکثر سود از سرمایه‌گذاری‌های خود در هوش مصنوعی (AI) هستند، حیاتی است و به آنها امکان می‌دهد مدل‌های پیش‌بینی دقیق‌تری بسازند و Mobilewalla، ارائه‌دهنده راه‌حل‌های هوش مصرف‌کننده مستقر در سنگاپور، می‌گوید تصمیم‌گیری را بهبود بخشد.

در یک مقاله جدید این شرکت با عنوان بهبود دقت مدل‌سازی پیش‌بینی‌کننده برای فین‌تک‌ها با هوش مصنوعی داده محور، به بررسی این موضوع می‌پردازد که چرا کیفیت، وسعت و عمق داده‌ها برای کسب‌وکارها برای ساخت مدل‌های پیش‌بینی دقیق حیاتی هستند و چگونه غنی‌سازی داده‌ها و مهندسی ویژگی‌ها برای هوش مصنوعی در فین‌تک مفید هستند.

طبق این مقاله، در حالی که اکثر توجهات مربوط به هوش مصنوعی بر روی تکنیک‌های پیچیده ML و کد الگوریتم پالایش متمرکز می‌شود، برای ارائه‌دهندگان خدمات مالی بسیار مهم است که به یاد داشته باشند که داده‌های مورد استفاده برای آموزش الگوریتم‌ها می‌توانند حتی برای پیش‌بینی دقت مدل‌سازی تاثیرگذارتر باشند.

این مقاله از رتبه‌بندی اعتباری به عنوان یک مورد استفاده نام می‌برد که در آن اطلاعات جمع‌آوری‌شده مستقیم از متقاضیان اغلب برای فیلتر کردن افراد متخلف احتمالی و جلوگیری از تقلب کافی نیست. این مقاله می‌گوید در عوض، داده‌های جمع‌آوری‌شده از متقاضیان باید با اطلاعات اضافی مانند موقعیت مکانی، جمعیت‌شناسی و الگوهای رفتاری و موارد دیگر غنی شود تا ارزیابی اعتبار دقیق‌تری امکان‌پذیر شود.

این اظهارات منعکس کننده مواردی است که در اوایل سال جاری توسط بنیانگذار، مدیر عامل و رئیس Mobilewalla آنیندیا داتا بیان شد. در طی یک بحث پنل Fintech Fireside آسیا که توسط Fintech News سنگاپور، Anindya برگزار شد گفت: در حالی که برخی از اطلاعات، مانند ویژگی‌های خانوار و تعامل با اپلیکیشن، ممکن است در ارزیابی تمایل فرد به نکول بی‌ارزش به نظر برسند، در واقع احتمال عدم پرداخت وام را پیش‌بینی می‌کنند.

او گفت که بیش از ده ها بازیکن اکنون بخرید، پرداخت کنید (BNPL) به داده های Mobilewalla برای ارزیابی ریسک نکول مصرف کننده و همچنین در فرآیند جمع آوری بدهی تکیه می کنند و اشاره کرد که رشد و موفقیت آنها تا حدی ناشی از توانایی آنها در استفاده از داده های جایگزین برای ارزیابی ریسک، در نهایت گسترش دسترسی به اعتبار برای کسانی که فاقد داده های اعتبار سنتی هستند.

تصویر از طریق Freepik

Mobilewalla، پیشرو در هوش مصرف‌کننده، یک مجموعه داده غنی را جمع‌آوری، پاکسازی و پردازش می‌کند، که سپس می‌تواند توسط شرکت‌ها برای درک بهتر مشتریان خود استفاده شود. در بخش مالی، این شرکت با افرادی مانند Kredivo، برند برتر BNPL اندونزی کار کرده است و به آنها اجازه می دهد مشتریان خود را به طور مناسب تری تقسیم کنند، تجربه مشتری را طراحی کنند و راه حل های دیجیتالی دیگر را پس از خرید به فروش برسانند.

افزایش تقاضا برای داده های شخص ثالث و تکنیک های غنی سازی داده ها در بخش مالی به دلیل پذیرش پررونق هوش مصنوعی در صنعت است.

اعتبار تصویر ویژه: ویرایش شده از Freepik اینجا کلیک نمایید و اینجا کلیک نمایید