Databerikande nyckel för att förbättra noggrannheten hos AI-modeller i Fintech

Databerikning, processen att förbättra intern data med relevant, kontextuell data som erhållits från externa källor, är avgörande för företag inom finansiella tjänster som vill få ut det mesta av sina investeringar i artificiell intelligens (AI), så att de kan bygga mer exakta prediktiva modeller och förbättra beslutsfattandet, säger Mobilewalla, en Singapore-baserad leverantör av konsumentinformationslösningar.

I en nytt papper Med titeln Improving Predictive Modeling Accuracy for Fintechs with Data-Centric AI, utforskar företaget varför datakvalitet, bredd och djup är avgörande för företag att bygga korrekta prediktiva modeller och hur databerikning och funktionsteknik gynnar AI i fintech.

Enligt uppsatsen, även om huvuddelen av uppmärksamheten relaterad till AI koncentreras på komplexa ML-tekniker och förfining av algoritmkod, är det avgörande för finansiella tjänsteleverantörer att komma ihåg att data som används för att träna algoritmer kan vara ännu mer påverkande för att förutsäga modelleringsnoggrannhet.

Tidningen nämner kreditbetyg som ett användningsfall där information som samlas in direkt från sökande ofta är otillräcklig för att filtrera bort sannolika försummelser och förhindra bedrägerier. Istället bör data som samlas in från sökande berikas med ytterligare information som plats, demografi och beteendemönster med mera, för att möjliggöra en mer exakt kreditbedömning, säger tidningen.

Dessa uttalanden återspeglar de som gjordes tidigare i år av Mobilewallas grundare, VD och ordförande Anindya Datta. Under en Fintech Fireside Asia-paneldiskussion anordnad av Fintech News Singapore, Anindya sade att även om viss information, som hushållsegenskaper och appengagemang, kan tyckas vara värdelös för att bedöma ens benägenhet att fallera, så är de faktiskt förutsägande om sannolikheten för betalningsanmärkningar.

Mer än ett dussin köp nu, betala senare (BNPL)-spelare förlitar sig på Mobilewallas data för att bedöma risken för konsumenters fallissemang såväl som i inkassoprocessen, sade han och noterade att deras tillväxt och framgång delvis beror på deras förmåga att använda sig av alternativa data för att bedöma risker, vilket i slutändan utökar tillgången till krediter till de som saknar traditionell kreditinformation.

bild via Freepik

Mobilewalla, en ledare inom konsumentintelligens, samlar in, rensar och bearbetar en rik datauppsättning, som sedan kan användas av företag för att bättre förstå sina kunder. Inom finanssektorn har företaget arbetat med sådana som Kredivo, Indonesiens främsta BNPL-varumärke, så att de kan segmentera sina kunder mer lämpligt, skräddarsy kundupplevelsen och korsförsälja andra digitala lösningar efter förvärvet.

Den ökande efterfrågan på data från tredje part och tekniker för databerikning inom finanssektorn kommer på grund av ett blomstrande införande av AI i branschen.

Utvalda bildkredit: Redigerad från Freepik här. och här.