Fintech میں AI ماڈلز کی درستگی کو بڑھانے کے لیے ڈیٹا کی افزودگی کی کلید

ڈیٹا کی افزودگی، بیرونی ذرائع سے حاصل کردہ متعلقہ، سیاق و سباق کے اعداد و شمار کے ساتھ اندرونی ڈیٹا کو بڑھانے کا عمل، فنانشل سروسز کمپنیوں کے لیے بہت اہم ہے جو مصنوعی ذہانت (AI) میں اپنی سرمایہ کاری سے زیادہ سے زیادہ فائدہ اٹھانا چاہتی ہیں، جس سے وہ زیادہ درست پیشن گوئی کرنے والے ماڈلز تیار کر سکیں اور فیصلہ سازی کو بہتر بنائیں، سنگاپور میں قائم کنزیومر انٹیلی جنس حل فراہم کرنے والے موبائل والا کا کہنا ہے۔

ایک نیا کاغذ ڈیٹا سینٹرک AI کے ساتھ Fintechs کے لیے Predictive Modeling Accuracy کو بہتر بنانا کے عنوان سے، فرم اس بات کی کھوج کرتی ہے کہ کاروباری اداروں کے لیے درست پیشین گوئی کرنے والے ماڈلز بنانے کے لیے ڈیٹا کی کوالٹی، چوڑائی اور گہرائی کیوں ضروری ہے، اور فنٹیک میں ڈیٹا کی افزودگی اور فیچر انجینئرنگ سے AI کو کیسے فائدہ ہوتا ہے۔

مقالے کے مطابق، جب کہ AI سے متعلق زیادہ تر توجہ پیچیدہ ML تکنیکوں اور ریفائننگ الگورتھم کوڈ پر مرکوز ہے، مالیاتی خدمات فراہم کرنے والوں کے لیے یہ یاد رکھنا ضروری ہے کہ الگورتھم کو تربیت دینے کے لیے استعمال ہونے والا ڈیٹا ماڈلنگ کی درستگی کی پیشن گوئی کرنے کے لیے اور بھی زیادہ اثر انداز ہو سکتا ہے۔

کاغذ کریڈٹ ریٹنگ کو استعمال کے معاملے کے طور پر پیش کرتا ہے جہاں درخواست دہندگان سے براہ راست جمع کی گئی معلومات اکثر ممکنہ ڈیفالٹرز کو فلٹر کرنے اور دھوکہ دہی کو روکنے کے لیے ناکافی ہوتی ہیں۔ کاغذ کا کہنا ہے کہ اس کے بجائے، درخواست دہندگان سے جمع کردہ ڈیٹا کو اضافی معلومات جیسے مقام، آبادیات اور رویے کے نمونوں، اور مزید کے ساتھ افزودہ کیا جانا چاہیے، تاکہ زیادہ درست کریڈٹ تشخیص کو ممکن بنایا جا سکے۔

یہ بیانات اس سال کے شروع میں موبائل والا کے بانی، سی ای او اور چیئرمین انندا دتا کے بیانات کی بازگشت ہیں۔ Fintech Fireside Asia پینل مباحثے کے دوران جس کی میزبانی Fintech News Singapore، Anindya نے کی۔ نے کہا کہ اگرچہ کچھ معلومات، جیسے گھریلو خصوصیات اور ایپ کی مصروفیت، کسی کے ڈیفالٹ ہونے کے رجحان کا اندازہ لگانے میں بیکار لگ سکتی ہے، وہ دراصل قرض کے ڈیفالٹ کے امکان کی پیش گوئی کرتی ہیں۔

ایک درجن سے زیادہ ابھی خریدیں، بعد میں ادائیگی کریں (BNPL) کھلاڑی موبائل والا کے ڈیٹا پر انحصار کرتے ہیں تاکہ صارفین کے ڈیفالٹ کے خطرے کے ساتھ ساتھ قرض کی وصولی کے عمل کا اندازہ لگایا جا سکے۔ خطرے کا اندازہ لگانے کے لیے متبادل ڈیٹا، بالآخر روایتی کریڈٹ ڈیٹا کی کمی والوں تک کریڈٹ تک رسائی کو بڑھانا۔

Freepik کے ذریعے تصویر

موبائل والا، صارفین کی ذہانت میں ایک رہنما، ایک بھرپور ڈیٹاسیٹ کو جمع کرتا ہے، اسے صاف کرتا ہے اور اس پر کارروائی کرتا ہے، جسے پھر کاروباری اداروں کے ذریعے اپنے صارفین کو بہتر طور پر سمجھنے کے لیے استعمال کیا جا سکتا ہے۔ فنانس سیکٹر میں، کمپنی نے Kredivo، انڈونیشیا کے سب سے بڑے BNPL برانڈ کی پسند کے ساتھ کام کیا ہے، جس سے وہ اپنے صارفین کو زیادہ مناسب طریقے سے تقسیم کرنے، کسٹمر کے تجربے کو تیار کرنے اور حصول کے بعد دیگر ڈیجیٹل سلوشنز کو کراس سیل کرنے کی اجازت دیتا ہے۔

فنانس سیکٹر میں تھرڈ پارٹی ڈیٹا اور ڈیٹا کی افزودگی کی تکنیکوں کی بڑھتی ہوئی مانگ انڈسٹری میں AI کے بڑھتے ہوئے اپنانے کی وجہ سے ہے۔

نمایاں تصویری کریڈٹ: فری پک سے ترمیم شدہ یہاں اور یہاں