Как поставщики финансовых услуг относятся к модной теме машинного обучения? Многие ожидания не оправдались, потому что часто отсутствуют нужные предпосылки. Шесть рекомендаций к действию.

Сара Менц и Ларс Келлингхаузен, Cofinpro

Б Anken и KVGen предназначены для использования машинного обучения. Эта технология позволяет использовать значительный потенциал эффективности или делать точные прогнозы. Но оперативная реализация все еще дает сбои. Прежде всего, управление данными играет решающую роль:

Если данные имеют неправильный формат или не связаны друг с другом,
Это усложняет обработку для
машинный анализ значительно ».

Сара Менц, эксперт-консультант Cofinpro

Анализ рынка и экспертный опрос также показали, что для первых попыток часто выбираются неподходящие приложения или нет подходящих специалистов для оптимального сопровождения проекта. Плавный ход проекта с убедительными результатами больше не гарантируется. Результат:

За первоначальной эйфорией следует разочарование, потому что многие обещания не выполняются. Сделанные инвестиции сходят на нет, приложения для машинного обучения не приносят никакой дополнительной ценности, а доверие к новой технологии ослабевает».

Ларс Келлингхаузен, менеджер Cofinpro

Как можно избежать неудач? Наше руководство с шестью ключевыми рекомендациями:

• Начните с малого
  Лучше начать с управляемого варианта использования и ознакомиться с технологией, чем с самого начала полагаться на большой взрыв. Достигнутые быстрые выигрыши затем могут быть расширены итеративно.
• Найдите подходящие варианты использования
  Машинное обучение — это не универсальное решение, а инструмент для решения подходящих задач. Поэтому выбор подходящих вариантов использования следует критически проверять, иначе существует риск увеличения затрат, сложности и подверженности ошибкам. Лучше всего сначала адаптировать существующие варианты использования.

  Автор Ларс Келлингхаузен, Cofinpro

  Ларс Келлингхаузен менеджер, в Cofinpro с 2017 года (сайт ). Бизнес-экономист и специалист по бизнес-ИТ консультирует банки, уделяя особое внимание кредитам и ценным бумагам. Он сопровождал институты в различных проектах оцифровки в области платформ ценных бумаг, внедрения инновационных способов оплаты и проверки инновационных бизнес-моделей.
• Данные, данные, данные
  Количество и качество данных, поступающих в алгоритм, имеют решающее значение для получения хороших результатов. Поэтому управление данными является главным приоритетом, иначе будут сделаны неверные выводы.
• обуздать высокомерие
  Перед запуском проверьте, есть ли у компании необходимые ресурсы и достаточно ли специалистов для поддержки проекта. Сюда же относится и техническая экспертиза. Чтобы первая подача попала, часто бывает полезной помощь извне.
• Думайте о долгосрочной перспективе
  Приложения машинного обучения совершенствуются со временем. От стадии прототипа до надежного решения проблем может пройти долгий путь. Благодаря постоянному тестированию, обучению и внедрению новых моделей результаты постоянно улучшаются.
• Оставайтесь открытыми для испытанного
  Машинное обучение — это технология будущего, которая может произвести революцию в отрасли. Но традиционные, более простые методы анализа все же лучше и эффективнее для некоторых приложений. Машинное обучение следует использовать только для индивидуального варианта использования.

Автор Сара Менц, Cofinpro

Сара Менц эксперт-консультант, работал с Cofinpro (веб-сайт ) трудоустроены. Она консультирует банки и компании по управлению капиталом, уделяя особое внимание ценным бумагам. В частности, она сопровождает проекты по разработке платформенных решений и проекты оцифровки. До Cofinpro Менц работал, в том числе, внештатным консультантом в сфере экономического развития. Она получила степень магистра международного менеджмента в Университете прикладных наук Фульды.

От модного слова к стандартному инструменту

Возможная область применения машинного обучения в банках и КВГен широка. До сих пор многие проекты были направлены на автоматизацию процессов и повышение экономической эффективности. Например, банки хотят сделать цепочку процессов для кредитов в рассрочку более эффективной и оптимизировать ее. Кроме того, технология также дает возможность распознавать новые модели принятия решений и, таким образом, давать более качественные инвестиционные рекомендации.

Другие важные приложения включают обнаружение мошенничества, предотвращение мошенничества и оценку неструктурированных данных. Большинство опрошенных нами экспертов считают, что распознавание речи и текста особенно актуально в банковском контексте».

Сара Менц, эксперт-консультант Cofinpro

А что принесет будущее? Машинное обучение по-прежнему является технологией со значительным потенциалом, которая уже используется для конкретных целей. Однако в долгосрочной перспективе технология будет преобладать как одно из многих решений в стандартном наборе инструментов каждого банка. До тех пор у институтов есть потенциал, чтобы выделиться на фоне конкурентов.Сара Менц и Ларс Келлингхаузен, Cofinpro