Databerikelsesnøkkel for å forbedre nøyaktigheten av AI-modeller i Fintech

Databerikelse, prosessen med å forbedre interne data med relevante, kontekstuelle data hentet fra eksterne kilder, er avgjørende for finansielle tjenesteselskaper som ønsker å få mest mulig ut av sine investeringer i kunstig intelligens (AI), slik at de kan bygge mer nøyaktige prediktive modeller og forbedre beslutningstaking, sier Mobilewalla, en Singapore-basert leverandør av forbrukerintelligensløsninger.

I en nytt papir Med tittelen Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI, utforsker firmaet hvorfor datakvalitet, bredde og dybde er avgjørende for bedrifter å bygge nøyaktige prediktive modeller, og hvordan databerikelse og funksjonsteknikk er til nytte for AI i fintech.

I følge papiret, mens mesteparten av oppmerksomheten knyttet til AI konsentrerer seg om komplekse ML-teknikker og raffinering av algoritmekode, er det avgjørende for finansielle tjenesteleverandører å huske at dataene som brukes til å trene algoritmer kan være enda mer virkningsfulle for å forutsi modelleringsnøyaktighet.

Papiret siterer kredittvurdering som et brukstilfelle der informasjon samlet inn direkte fra søkere ofte er utilstrekkelig til å filtrere ut sannsynlige misligholdere og forhindre svindel. I stedet bør data som samles inn fra søkere berikes med tilleggsinformasjon som plassering, demografi og atferdsmønstre og mer, for å muliggjøre en mer nøyaktig kredittvurdering, heter det i avisen.

Disse uttalelsene gjenspeiler de som ble gjort tidligere i år av Mobilewallas grunnlegger, administrerende direktør og styreleder Anindya Datta. Under en Fintech Fireside Asia-paneldiskusjon arrangert av Fintech News Singapore, Anindya sa at selv om noe informasjon, som husholdningsegenskaper og appengasjement, kan virke verdiløs i vurderingen av ens misligholdstilbøyelighet, er de faktisk prediktive for sannsynligheten for mislighold av lån.

Mer enn et dusin kjøp nå, betal senere (BNPL)-spillere stoler på Mobilewallas data for å vurdere forbrukernes misligholdsrisiko, så vel som i inkassoprosessen, sa han, og la merke til at deres vekst og suksess delvis er avledet fra deres evne til å bruke alternative data for å vurdere risiko, og til slutt utvide tilgangen til kreditt til de som mangler tradisjonelle kredittdata.

bilde via Freepik

Mobilewalla, en leder innen forbrukerintelligens, samler inn, renser og behandler et rikt datasett, som deretter kan brukes av bedrifter for å bedre forstå kundene sine. I finanssektoren har selskapet jobbet med slike som Kredivo, Indonesias fremste BNPL-merke, slik at de kan segmentere kundene sine mer hensiktsmessig, skreddersy kundeopplevelsen og kryssselge andre digitale løsninger etter oppkjøpet.

Økende etterspørsel etter tredjepartsdata og databerikelsesteknikker i finanssektoren kommer på bakgrunn av blomstrende bruk av AI i bransjen.

Utvalgt bildekreditt: Redigert fra Freepik her. og her.