Генеральный директор Datanomers с видением демократизации машинного обучения.
Цифровая трансформация на предприятии включает трансформацию процессов, трансформацию бизнес-модели и трансформацию культуры сотрудников. Эта статья посвящена трансформации бизнес-процессов (BPT). BPT делает бизнес-процесс более эффективным и оперативным, обеспечивая лучшие результаты. По сути, он использует технологии автоматизации, такие как RPA, для интеграции систем, автоматизации рабочих процессов и устранения ручных ошибок. Это помогает снизить затраты, сделать результаты более стабильными и повысить качество обслуживания клиентов.
Давайте использовать простой пример для иллюстрации. Рассмотрим процесс коммерческого кредитования в банке. Входные данные для кредитных решений требуются из различных источников (оценка FICO, выписка из банка, альтернативные данные); банковская платформа создает интерфейс через API для кредитных бюро, агрегаторов данных и альтернативных поставщиков данных для доступа к этой информации. Иногда информация содержится в документах — в этом случае документы оцифровываются, и соответствующая информация извлекается из документов с помощью разработки программного обеспечения, а затем передается на банковскую платформу для обработки заявки на кредит. Банковская платформа имеет несколько правил и политик для обработки заявки. Например, он одобрит кредит для малого и среднего бизнеса, если:
* Оценка FICO больше 720, и
* Операционный денежный поток за последний квартал положительный
Правила и политика автоматически определяют кредит, и после быстрой проверки андеррайтером на вменяемость он перенаправляется вниз по течению через интегрированный интерфейс для договоров и юридических услуг. Очевидно, что BPT оптимизировала и автоматизировала рабочий процесс в банке для быстрого принятия решений по кредитам и повышения качества обслуживания клиентов.
Остаются фундаментальные вопросы: как банк может гарантировать, что его правила и политика коммерческого кредитования оптимальны и соответствуют современным экономическим условиям и склонности к риску? Политика слишком жесткая? Отказывают ли они хороших заемщиков (конкурентам)? Являются ли определенные политики слишком мягкими и одобряют заемщиков, которые впоследствии не выполняют свои обязательства?
Где мы находим ответы на эти вопросы, жизненно важные для финансового здоровья банка? Ответы скрыты в данных. Но как мы извлекаем данные для этих идей? Инструменты ИТ и бизнес-аналитики управляются вручную, утомительны, отнимают много времени и часто упускают ключевые идеи из-за предвзятости аналитиков. Расширенный интеллект ИИ может смягчить эти проблемы. Он извлекает данные автоматически, практически в режиме реального времени, чтобы обеспечить объективность данных и помочь повысить производительность вашего бизнес-процесса.
Как банк внедрит дополненный интеллект? Вернемся к нашему примеру. У банка есть исторические данные о прошлых кредитах, финансовых показателях клиентов и о том, был ли кредит погашен или дефолт. Это не обязательно должны быть исчерпывающие данные — 100 или около того записей будет достаточно для первого прохода. Возьмите эти данные и передайте их платформе расширенного интеллекта. Выводы из данных автоматически раскрываются в виде правил и политик. Например, в нашем примере расширенный интеллект может найти несколько политик, одна из которых с высокой степенью достоверности. Он одобрит кредит, если:
* Дата регистрации бизнеса больше двух лет,
* Код стандартной отраслевой классификации не включает «ломбард»,
* Оценка FICO больше 685, и
* Операционный денежный поток за последний квартал положительный
Затем эксперт по андеррайтингу сравнивает это понимание с кредитной политикой; сравнение показало бы, что существующая кредитная политика банка слишком жесткая (высокий балл FICO), отталкивающая хороших заемщиков, особенно те старые предприятия, которые не являются рискованными (не ломбарды). В банковскую платформу добавлена новая кредитная политика, выявленная с помощью расширенного интеллекта, что позволяет банку кредитовать больше при той же склонности к риску и увеличивать доходы.
И в этом секрет цифровой трансформации 2.0. По мере того, как вы обретаете уверенность в точности информации, вы можете накладывать бизнес-аналитику на свои процессы; оверлей периодически автоматически извлекает информацию из данных и использует ее для настройки правил и политик кредитования для повышения производительности процесса. Эти идеи добавят новые политики для последних тенденций (некоторые из которых могут быть неизвестны даже экспертам), ужесточат или ослабят существующие и устарят старые.
Хотя я проиллюстрировал пример использования банка, концепция цифровой трансформации 2.0 широко применима в различных отраслевых сегментах — везде, где есть данные, расширенный интеллект может помочь улучшить ваш бизнес-процесс, настроив его для достижения оптимальной производительности с использованием объективных данных. Приступая к его внедрению, привлеките специалистов по расширенному интеллекту, по крайней мере на начальном этапе, чтобы они помогли вам спроектировать данные и настроить их для вашей среды, а также устранить неполадки. В процессе ваша команда превратится в востребованных экспертов.
Представьте, если настроенные политики увеличат производительность на пару процентных пунктов — для крупной организации это может быть разница в десятки миллионов. Кроме того, это безопасный способ начать путешествие по AI/ML.
Технологический совет Forbes — это закрытое сообщество для ИТ-директоров, технических директоров и технологических руководителей мирового класса. Соответствую ли я требованиям?
Первоначально опубликовано на https://www.forbes.com.
