Як банки використовують можливості інтелектуальних систем і сервісів?

Стандартизація даних
Різні банківські системи зобов’язані дотримуватися загальних стандартів ведення своєї діяльності, в тому числі обліку клієнтів. Почавши з невеликого набору даних і нарощуючи його, згодом фінансова установа зможе прийти до універсального способу обліку клієнтів. Сучасний процес управління даними в банківській системі можна умовно розділити на три компоненти: системи управління базами даних, моделювання наявних даних і ETL-процеси (витяг даних із зовнішніх джерел, перетворення і очищення відповідно до бізнес-моделі банку, завантаження в хмару або інше сховище ).
На кожному етапі потрібні спеціалізовані інструменти, такі як SQL Server, Teradata і Informatica. Деякі компанії, що недавно стали учасниками фінансового ринку, наприклад, Paxata і Trifacta адаптують дані спеціально для інструментів машинного навчання.

Використання готових інструментів
В даний час інструменту обробки даних високого рівня доступні таким компаніям, як IBM, Microsoft, Google і Amazon. Банківські структури США використовують переважно інструменти для аналізу – Microstrategy, Qlik, Tableau, для машинного навчання – Heat, для зовнішніх інтерфейсів – Google Studio, для внутрішніх – Google BigQuery.

Тестування ефективності процесів
Коли інструменти обробки даних починають показувати перші результати, фінансовій організації потрібно провести A/B-тестування для перевірки точності і досягнення високого рівня достовірності. Наприклад, якщо будь-яка інформація використовується для екстраполяції тенденцій (прогнозування того, як певний процес відіб’ється на діяльності банку в майбутньому) або прогнозування поведінки клієнтів, фахівець повинен перевірити кожну з змінних у регресійному аналізі і результати за існуючим набором даних. Такі ШІ-послуги банкам надають компанії RapidMiner і Feature Labs.

Робота з внутрішніми ресурсами
Як саме розпочати роботу ШІ у банківській сфері – складне питання. Застосування AI-технологій в банках не так просто, як може здатися на перший погляд. Незважаючи на відчутні переваги, інтелектуальні системи іноді помиляються, а у фінансовому секторі будь-яка помилка може коштувати грошей та репутації. Наприклад, бот Microsoft на ім’я Тау, що спеціалізується на машинному навчанні публікував твіти та спілкувався у чаті, однак був відключений через неможливість розпізнавання образливого контенту.

Перш, ніж «випускати» ШІ-продукт для прямого спілкування з клієнтами, варто навчитися використовувати інтелектуальні сервіси для аналізу даних, наприклад, для обліку відтоку користувачів або підрахунку кількості нових клієнтів. Одна з таких компаній – sharpIQ – співпрацювала з американськими банками і використовувала поточні дані для прогнозування числа кредиторів SBA (Управління у справах малого бізнесу США). В результаті таких підрахунків число пошукачів кредиту збільшилося у 2 рази.

Опитування керівників вищої ланки в фінансових установах показало, що протягом найближчих трьох років найбільш затребуваними банківськими процесами, які буде виконувати ШІ, стануть: оцінка ризиків, фінансовий аналіз і управління портфелем проектів.

 

Читайте також:

Автоматизація маркетингової діяльності підприємства за допомогою AI: основні способи

Фінський AI-стартап Vainu співпрацює з ув’язненими з Гельсінкі і Турку

Автор: Олена Семенчук


Коментарi