Obogatitev podatkov ključ do izboljšanja natančnosti modelov AI v Fintech

Obogatitev podatkov, proces izboljšanja notranjih podatkov z ustreznimi, kontekstualnimi podatki, pridobljenimi iz zunanjih virov, je ključnega pomena za podjetja, ki se ukvarjajo s finančnimi storitvami in želijo kar najbolje izkoristiti svoje naložbe v umetno inteligenco (AI), kar jim omogoča izdelavo natančnejših napovednih modelov in izboljšati sprejemanje odločitev, pravi Mobilewalla, ponudnik rešitev za obveščanje potrošnikov s sedežem v Singapurju.

V nov papir Pod naslovom Izboljšanje natančnosti napovednega modeliranja za Fintech z AI, osredotočenim na podatke, podjetje raziskuje, zakaj so kakovost, širina in globina podatkov ključni za podjetja pri izdelavi natančnih napovednih modelov in kako obogatitev podatkov in inženiring funkcij koristita AI v Fintechu.

Medtem ko je večina pozornosti, povezane z umetno inteligenco, osredotočena na zapletene tehnike ML in izpopolnjevanje kode algoritmov, je v skladu s prispevkom ključnega pomena, da se ponudniki finančnih storitev spomnijo, da so lahko podatki, uporabljeni za usposabljanje algoritmov, še bolj vplivni pri napovedovanju točnosti modeliranja.

Dokument navaja bonitetno oceno kot primer uporabe, ko informacije, zbrane neposredno od prosilcev, pogosto ne zadoščajo za filtriranje verjetnih neplačnikov in preprečevanje goljufij. Namesto tega je treba podatke, zbrane od prosilcev, obogatiti z dodatnimi informacijami, kot so lokacija, demografija in vedenjski vzorci ter še več, da bi omogočili natančnejšo kreditno oceno, piše v dokumentu.

Te izjave so odraz tistih, ki jih je v začetku tega leta podal ustanovitelj, izvršni direktor in predsednik družbe Mobilewalla Anindya Datta. Med panelno razpravo Fintech Fireside Asia, ki jo gosti Fintech News Singapore, Anindya je dejal Čeprav se nekatere informacije, kot so značilnosti gospodinjstva in uporaba aplikacije, morda zdijo brez vrednosti pri ocenjevanju posameznikove nagnjenosti k neplačilu, dejansko napovedujejo verjetnost neplačila posojila.

Več kot ducat igralcev kupi zdaj, plačaj kasneje (BNPL) se zanaša na podatke podjetja Mobilewalla za oceno tveganja neplačila potrošnikov in tudi v procesu izterjave dolgov, je dejal in opozoril, da sta njihova rast in uspeh delno izhajala iz njihove sposobnosti uporabe alternativni podatki za oceno tveganja, kar na koncu razširi dostop do kredita na tiste, ki nimajo tradicionalnih kreditnih podatkov.

slika prek Freepika

Mobilewalla, vodilno podjetje na področju obveščanja potrošnikov, zbira, čisti in obdeluje bogat nabor podatkov, ki jih nato lahko uporabljajo podjetja za boljše razumevanje svojih strank. V finančnem sektorju je podjetje sodelovalo s podjetji, kot je Kredivo, najboljša indonezijska blagovna znamka BNPL, kar jim je omogočilo ustreznejšo segmentacijo strank, prilagajanje uporabniške izkušnje in navzkrižno prodajo drugih digitalnih rešitev po pridobitvi.

Naraščajoče povpraševanje po podatkih tretjih oseb in tehnikah obogatitve podatkov v finančnem sektorju izvira iz razcveta sprejemanja umetne inteligence v industriji.

Prispevek za predstavljeno sliko: Urejeno iz Freepik tukaj in tukaj