数据丰富是利用从外部来源获得的相关上下文数据增强内部数据的过程，对于希望充分利用人工智能 (AI) 投资的金融服务公司至关重要，使他们能够构建更准确的预测模型和新加坡消费者智能解决方案提供商 Mobilewalla 表示，“改善决策”。
在一个 新文 该公司题为“利用以数据为中心的人工智能提高金融科技的预测建模准确性”，探讨了为什么数据质量、广度和深度对于企业构建准确的预测模型至关重要，以及数据丰富和特征工程如何使金融科技中的人工智能受益。
该论文指出，虽然与人工智能相关的大部分注意力都集中在复杂的机器学习技术和精炼算法代码上，但金融服务提供商必须记住，用于训练算法的数据对于预测建模准确性可能更具影响力。
该论文引用了信用评级作为一个用例，其中直接从申请人收集的信息通常不足以过滤掉可能的违约者并防止欺诈。 该论文称，相反，从申请人那里收集的数据应该包含地点、人口统计和行为模式等额外信息，以实现更准确的信用评估。
这些声明与 Mobilewalla 创始人、首席执行官兼董事长 Anindya Datta 今年早些时候的声明相呼应。 在新加坡金融科技新闻主办的亚洲金融科技炉边小组讨论中，Anindya 说过 虽然家庭特征和应用程序参与度等一些信息在评估一个人的违约倾向时可能显得毫无价值，但它们实际上可以预测贷款违约的可能性。
他表示，十多家先买后付 (BNPL) 企业依靠 Mobilewalla 的数据来评估消费者违约风险以及债务催收流程，并指出他们的成长和成功部分源于他们利用 Mobilewalla 的能力评估风险的替代数据，最终扩大那些缺乏传统信贷数据的人获得信贷的机会。
图片来自Freepik
Mobilewalla 是消费者情报领域的领导者，它收集、清理和处理丰富的数据集，然后企业可以使用这些数据来更好地了解其客户。 在金融领域，该公司与印度尼西亚顶级 BNPL 品牌 Kredivo 等公司合作，使他们能够更适当地细分客户、定制客户体验并在收购后交叉销售其他数字解决方案。
随着人工智能在该行业的蓬勃发展，金融行业对第三方数据和数据丰富技术的需求不断增长。
