Gegevensverrijking Sleutel tot het verbeteren van de nauwkeurigheid van AI-modellen in Fintech

Gegevensverrijking, het proces van het verbeteren van interne gegevens met relevante, contextuele gegevens verkregen uit externe bronnen, is van cruciaal belang voor financiële dienstverleners die het meeste uit hun investeringen in kunstmatige intelligentie (AI) willen halen, waardoor ze nauwkeurigere voorspellende modellen kunnen bouwen en besluitvorming te verbeteren, zegt Mobilewalla, een in Singapore gevestigde leverancier van oplossingen voor consumenteninformatie.

In een nieuw papier Met de titel Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI, onderzoekt het bedrijf waarom datakwaliteit, -breedte en -diepte cruciaal zijn voor bedrijven om nauwkeurige voorspellende modellen te bouwen, en hoe dataverrijking en feature-engineering AI in fintech ten goede komen.

Hoewel de meeste aandacht met betrekking tot AI zich concentreert op complexe ML-technieken en het verfijnen van algoritmecode, is het volgens het artikel van cruciaal belang voor financiële dienstverleners om te onthouden dat de gegevens die worden gebruikt om algoritmen te trainen, nog meer impact kunnen hebben om de nauwkeurigheid van modellering te voorspellen.

De paper noemt kredietwaardigheid als een use case waarbij informatie die rechtstreeks van aanvragers wordt verzameld, vaak onvoldoende is om waarschijnlijke wanbetalers eruit te filteren en fraude te voorkomen. In plaats daarvan moeten gegevens die van aanvragers zijn verzameld, worden verrijkt met aanvullende informatie zoals locatie, demografie en gedragspatronen, en meer, om een ​​nauwkeurigere kredietbeoordeling mogelijk te maken, aldus de krant.

Deze uitspraken sluiten aan bij de uitspraken die eerder dit jaar zijn gedaan door de oprichter, CEO en voorzitter van Mobilewalla, Anindya Datta. Tijdens een Fintech Fireside Asia-paneldiscussie georganiseerd door Fintech News Singapore, Anindya zei dat hoewel sommige informatie, zoals kenmerken van huishoudens en app-betrokkenheid, waardeloos lijkt bij het beoordelen van iemands neiging tot wanbetaling, ze in feite voorspellend zijn voor de kans op wanbetaling van leningen.

Meer dan een dozijn buy now, pay later (BNPL) spelers vertrouwen op de gegevens van Mobilewalla om het wanbetalingsrisico van de consument te beoordelen, evenals in het incassoproces, zei hij, opmerkend dat hun groei en succes gedeeltelijk zijn afgeleid van hun vermogen om gebruik te maken van alternatieve gegevens om risico's te beoordelen, waardoor uiteindelijk de toegang tot krediet wordt uitgebreid tot degenen die geen traditionele kredietgegevens hebben.

afbeelding via Freepik

Mobilewalla, een leider op het gebied van consumenteninformatie, verzamelt, opschont en verwerkt een rijke dataset, die vervolgens door ondernemingen kan worden gebruikt om hun klanten beter te begrijpen. In de financiële sector heeft het bedrijf samengewerkt met onder meer Kredivo, het belangrijkste BNPL-merk in Indonesië, waardoor ze hun klanten beter kunnen segmenteren, de klantervaring kunnen afstemmen en andere digitale oplossingen kunnen cross-sellen na acquisitie.

De stijgende vraag naar gegevens van derden en technieken voor gegevensverrijking in de financiële sector is het gevolg van de snel groeiende toepassing van AI in de industrie.

Uitgelichte afbeelding: bewerkt vanuit Freepik hier en hier