Fintech'te Yapay Zeka Modellerinin Doğruluğunu Artırmak için Veri Zenginleştirme Anahtarı

Dış kaynaklardan elde edilen ilgili, bağlamsal verilerle dahili verileri zenginleştirme süreci olan veri zenginleştirme, yapay zekaya (AI) yaptığı yatırımlardan en iyi şekilde yararlanmak isteyen finansal hizmet şirketleri için kritik öneme sahip olup, daha doğru tahmine dayalı modeller oluşturmalarına ve Singapur merkezli tüketici istihbaratı çözümleri sağlayıcısı Mobilewalla, karar verme sürecini iyileştirdiğini söylüyor.

İçinde yeni kağıt Veri Merkezli Yapay Zeka ile Fintech'ler için Tahmine Dayalı Modelleme Doğruluğunu Geliştirme başlıklı firma, işletmelerin doğru tahmine dayalı modeller oluşturması için veri kalitesinin, genişliğinin ve derinliğinin neden çok önemli olduğunu ve veri zenginleştirmenin ve özellik mühendisliğinin fintech'te yapay zekaya nasıl fayda sağladığını araştırıyor.

Makaleye göre, AI ile ilgili ilginin çoğu karmaşık ML tekniklerine ve algoritma kodunun rafine edilmesine odaklanırken, finansal hizmet sağlayıcıların algoritmaları eğitmek için kullanılan verilerin modelleme doğruluğunu tahmin etmede daha da etkili olabileceğini hatırlamaları kritik önem taşıyor.

Belge, kredi notunu, doğrudan başvuru sahiplerinden toplanan bilgilerin, olası temerrütleri filtrelemek ve sahtekarlığı önlemek için genellikle yetersiz olduğu bir kullanım durumu olarak belirtiyor. Makale, bunun yerine, daha doğru bir kredi değerlendirmesi sağlamak için başvuru sahiplerinden toplanan verilerin konum, demografik bilgiler ve davranış kalıpları gibi ek bilgilerle zenginleştirilmesi gerektiğini söylüyor.

Bu açıklamalar, Mobilewalla'nın kurucusu, CEO'su ve başkanı Anindya Datta tarafından bu yılın başlarında yapılan açıklamaları yansıtıyor. Fintech News Singapore, Anindya'nın ev sahipliğinde bir Fintech Fireside Asia paneli tartışması sırasında şuraya Hanehalkı özellikleri ve uygulama etkileşimi gibi bazı bilgiler kişinin temerrüde düşme eğilimini değerlendirmede değersiz görünse de, aslında bunlar kredinin temerrüde düşme olasılığının tahminidir.

Bir düzineden fazla şimdi al, sonra öde (BNPL) oyuncuları, tüketici temerrüt riskinin yanı sıra borç tahsilatı sürecini değerlendirmek için Mobilewalla'nın verilerine güveniyor, büyümelerinin ve başarılarının kısmen bu risklerden yararlanma yeteneklerinden kaynaklandığını belirtti. Riski değerlendirmek için alternatif veriler, nihayetinde geleneksel kredi verilerine sahip olmayanların krediye erişimini genişletiyor.

Freepik aracılığıyla görüntü

Tüketici zekasında lider olan Mobilewalla, daha sonra işletmelerin müşterilerini daha iyi anlamak için kullanılabilecek zengin bir veri kümesi toplar, temizler ve işler. Finans sektöründe şirket, Endonezya'nın en iyi BNPL markası olan Kredivo gibi şirketlerle çalışarak müşterilerini daha uygun bir şekilde segmentlere ayırmalarına, müşteri deneyimini uyarlamalarına ve satın alma sonrasında diğer dijital çözümleri çapraz satmalarına olanak sağladı.

Finans sektöründe üçüncü taraf veri ve veri zenginleştirme tekniklerine yönelik artan talep, endüstride yapay zekanın hızla benimsenmesinin arkasından geliyor.

Öne çıkan resim kredisi: Freepik'ten düzenlendi okuyun ve okuyun