Chave de enriquecimento de dados para aumentar a precisão dos modelos de IA em fintech

O enriquecimento de dados, o processo de aprimoramento de dados internos com dados relevantes e contextuais obtidos de fontes externas, é fundamental para empresas de serviços financeiros que buscam obter o máximo de seus investimentos em inteligência artificial (IA), permitindo que construam modelos preditivos mais precisos e melhorar a tomada de decisões, diz Mobilewalla, um provedor de soluções de inteligência do consumidor com sede em Cingapura.

Em um artigo do novo papel intitulada Melhorando a precisão da modelagem preditiva para fintechs com IA centrada em dados, a empresa explora por que a qualidade, a amplitude e a profundidade dos dados são cruciais para as empresas criarem modelos preditivos precisos e como o enriquecimento de dados e a engenharia de recursos beneficiam a IA em fintech.

De acordo com o artigo, embora a maior parte da atenção relacionada à IA se concentre em técnicas complexas de ML e refinamento de código de algoritmo, é fundamental que os provedores de serviços financeiros lembrem que os dados usados ​​para treinar algoritmos podem ser ainda mais impactantes para prever a precisão da modelagem.

O artigo cita a classificação de crédito como um caso de uso em que as informações coletadas diretamente dos solicitantes geralmente são insuficientes para filtrar prováveis ​​inadimplentes e evitar fraudes. Em vez disso, os dados coletados dos candidatos devem ser enriquecidos com informações adicionais, como localização, demografia e padrões de comportamento, e muito mais, para permitir uma avaliação de crédito mais precisa, diz o documento.

Essas declarações ecoam as feitas no início deste ano pelo fundador, CEO e presidente da Mobilewalla, Anindya Datta. Durante uma discussão do painel Fintech Fireside Asia organizada pela Fintech News Singapore, Anindya dito que, embora algumas informações, como as características das famílias e o envolvimento do aplicativo, possam parecer inúteis na avaliação da propensão à inadimplência, elas são, na verdade, preditivas da probabilidade de inadimplência do empréstimo.

Mais de uma dúzia de jogadores compre agora, pague depois (BNPL) confiam nos dados do Mobilewalla para avaliar o risco de inadimplência do consumidor, bem como no processo de cobrança de dívidas, disse ele, observando que seu crescimento e sucesso derivaram em parte de sua capacidade de fazer uso de dados alternativos para avaliar o risco, em última análise, expandindo o acesso ao crédito para aqueles que carecem de dados de crédito tradicionais.

imagem via Freepik

A Mobilewalla, líder em inteligência do consumidor, coleta, limpa e processa um rico conjunto de dados, que pode ser usado pelas empresas para entender melhor seus clientes. No setor financeiro, a empresa trabalhou com Kredivo, a principal marca BNPL da Indonésia, permitindo segmentar seus clientes de maneira mais adequada, personalizar a experiência do cliente e vender outras soluções digitais após a aquisição.

A crescente demanda por dados de terceiros e técnicas de enriquecimento de dados no setor financeiro é resultado da crescente adoção da IA ​​no setor.

Crédito da imagem em destaque: Editado de Freepik SUA PARTICIPAÇÃO FAZ A DIFERENÇA e SUA PARTICIPAÇÃO FAZ A DIFERENÇA