Как банки используют возможности интеллектуальных систем и сервисов?

Стандартизация данных
Различные банковские системы обязаны придерживаться общих стандартов ведения своей деятельности, в том числе учёта клиентов. Начав с небольшого набора данных и наращивая его, со временем финансовое учреждение сможет прийти к универсальному способу учета клиентов. Современный процесс управления данными в банковской системе можно условно разделить на три компонента: системы управления базами данных, моделирование имеющихся данных и ETL-процессы (извлечение данных из внешних источников, преобразование и очистка в соответствии с бизнес-моделью банка, загрузка в облако или другое хранилище).

На каждом этапе требуются специализированные инструменты, такие как SQL Server, Teradata и Informatica. Некоторые компании, недавно ставшие участниками финансового рынка, например, Paxata и Trifacta преобразуют данные специально для инструментов машинного обучения.

Использование готовых инструментов
В настоящее время инструмента обработки данных высокого уровня доступны таким компаниям, как IBM, Microsoft, Google и Amazon. Банковские структуры США используют преимущественно инструменты для анализа – Microstrategy, Qlik, Tableau, для машинного обучения – Heat, для внешних интерфейсов – Google Studio, для внутренних – Google BigQuery.

Тестирование эффективности процессов
Когда инструменты обработки данных начинают показывать первые результаты, финансовой организации нужно провести A/B-тестирование для проверки точности и достижения высокого уровня достоверности. Например, если какая-либо информация используется для экстраполяции тенденций (прогнозирование того, как определенный процесс отразится на деятельности банка в будущем) или прогнозирования поведения клиентов, специалист должен проверить каждую из переменных в регрессионном анализе и результаты по существующему набору данных. Такие ИИ-услуги банкам предоставляют компании RapidMiner и Feature Labs.

Работа с внутренними ресурсами
Как именно начинать использование ИИ в банковской сфере – сложный вопрос. Применение ИИ-технологий в банках не так просто, как может показаться на первый взгляд. Несмотря на ощутимые преимущества, интеллектуальные системы иногда ошибаются, а в финансовом секторе любая ошибка может стоить денег и репутации. Например, бот Microsoft по имени Тау, специализирующийся на машинном обучении публиковал твиты и общался в чате, однако был отключен из-за невозможности распознавания оскорбительного контента.

Прежде, чем «выпускать» ИИ-продукт для прямого общения с клиентами, стоит научиться использовать интеллектуальные сервисы для анализа данных, например, для учета оттока пользователей или подсчёта количества новых клиентов. Одна из таких компаний – sharpIQ – сотрудничала с американскими банками и использовала текущие данные для прогнозирования числа кредиторов SBA (Управление по делам малого бизнеса США). В результате таких подсчетов число соискателей кредита увеличилось в 2 раза.

Опрос руководителей высшего звена в финансовых учреждениях показал, что в течение ближайших трёх лет наиболее востребованными банковскими процессами, которые будет выполнять ИИ, станут: оценка рисков, финансовый анализ и управление портфелем проектов.

 

Читайте также:

Автоматизация маркетинговой деятельности предприятия с помощью AI: основные способы

Финский AI-стартап Vainu сотрудничает с заключенными из Хельсинки и Турку

Комментарии