Arricchimento dei dati chiave per migliorare l'accuratezza dei modelli di intelligenza artificiale nella fintech

L'arricchimento dei dati, il processo di miglioramento dei dati interni con dati pertinenti e contestuali ottenuti da fonti esterne, è fondamentale per le società di servizi finanziari che cercano di ottenere il massimo dai propri investimenti nell'intelligenza artificiale (AI), consentendo loro di costruire modelli predittivi più accurati e migliorare il processo decisionale, afferma Mobilewalla, un fornitore di soluzioni di consumer intelligence con sede a Singapore.

In un nuovo documento intitolata Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI, l'azienda esplora perché la qualità, l'ampiezza e la profondità dei dati sono fondamentali per le aziende per creare modelli predittivi accurati e in che modo l'arricchimento dei dati e l'ingegneria delle funzionalità avvantaggiano l'IA nel fintech.

Secondo il documento, mentre la maggior parte dell'attenzione relativa all'IA si concentra su complesse tecniche di ML e perfezionamento del codice degli algoritmi, è fondamentale che i fornitori di servizi finanziari ricordino che i dati utilizzati per addestrare gli algoritmi possono avere un impatto ancora maggiore per prevedere l'accuratezza della modellazione.

Il documento cita il rating del credito come un caso d'uso in cui le informazioni raccolte direttamente dai richiedenti sono spesso insufficienti per filtrare i probabili inadempienti e prevenire le frodi. Invece, i dati raccolti dai candidati dovrebbero essere arricchiti con informazioni aggiuntive come posizione, dati demografici e modelli di comportamento e altro, per consentire una valutazione del credito più accurata, afferma il documento.

Queste dichiarazioni fanno eco a quelle fatte all'inizio di quest'anno dal fondatore, CEO e presidente di Mobilewalla Anindya Datta. Durante una tavola rotonda Fintech Fireside Asia ospitata da Fintech News Singapore, Anindya disse che mentre alcune informazioni, come le caratteristiche della famiglia e il coinvolgimento dell'app, possono sembrare inutili nel valutare la propria propensione all'insolvenza, in realtà sono predittive della probabilità di insolvenza del prestito.

Più di una dozzina di giocatori acquista ora, paga dopo (BNPL) si affidano ai dati di Mobilewalla per valutare il rischio di insolvenza dei consumatori e nel processo di recupero crediti, ha affermato, osservando che la loro crescita e il loro successo sono in parte derivati ​​dalla loro capacità di utilizzare dati alternativi per valutare il rischio, ampliando in ultima analisi l'accesso al credito a coloro che non dispongono di dati creditizi tradizionali.

immagine tramite Freepik

Mobilewalla, leader nell'intelligence dei consumatori, raccoglie, pulisce ed elabora un ricco set di dati, che può quindi essere utilizzato dalle aziende per comprendere meglio i propri clienti. Nel settore finanziario, l'azienda ha lavorato con Kredivo, il principale marchio BNPL dell'Indonesia, consentendo loro di segmentare i propri clienti in modo più appropriato, personalizzare l'esperienza del cliente e vendere in modo incrociato altre soluzioni digitali dopo l'acquisizione.

La crescente domanda di dati di terze parti e tecniche di arricchimento dei dati nel settore finanziario deriva dal boom dell'adozione dell'IA nel settore.

Credito immagine in primo piano: modificato da Freepik qui ed qui