В нашем предыдущем посте Наука, прикладное, опубликованном на веб-сайте Valkyrie, мы рассмотрели, как отрасли страхования и развлечений применяют искусственный интеллект (ИИ) и машинное обучение (МО) для развития своего бизнеса и настройки уникального пользовательского опыта. Поскольку наука о данных продолжает широко применяться в каждой отрасли, все больше организаций изучают различные способы использования прикладных наук для создания конкурентных преимуществ в бизнесе.
Глоссарий:
- Наука о данных — практика превращения необработанных данных в идеи, которые лица, принимающие решения, могут интерпретировать и использовать, не требуя технических навыков. Специалисты по данным используют математику, информатику и многие другие методы, чтобы извлечь из данных максимальную пользу.
- Машинное обучение — вычислительный метод автоматического распознавания образов.
- Искусственный интеллект — способность использовать понятные данные с помощью инструментов и методов программирования, используемых в науке о данных, для создания возможностей, которые позволяют машине или программе быстро выполнять задачи, сокращающие человеческие усилия.
В этом блоге мы исследуем, как компании в сфере банковских и финансовых услуг внедряют возможности машинного обучения. Что касается анализа данных и действий в режиме реального времени в любой заданной среде, эти передовые возможности стали очень эффективным инструментом в банковской и финансовой отрасли. Эти интеллектуальные инструменты могут предоставить важную информацию для бизнес-планирования, используя прогнозы на основе данных, обнаружение аномалий и подробные прогнозы.
Кто лидеры банковской и финансовой отрасли внедряют машинное обучение?
Wells Fargo: предиктивное банковское обслуживание для персонализированного опыта
В 2018 году Wells Fargo объявила о развертывании своей функции Predictive Banking, которая анализирует информацию об учетной записи, предоставляя пользователям мобильных приложений индивидуальные аналитические данные и персонализированные финансовые рекомендации. С помощью этой функции Wells Fargo стремится оптимизировать обилие информации, доступной в учетных записях клиентов, чтобы обеспечить более персонализированный опыт. Клиенты могут воспользоваться преимуществами Predictive Banking следующими способами:
- Оповещения о повторяющихся платежах выше среднего
- Напоминания о переводе денег на сберегательные счета, если на текущих счетах клиента имеется сумма выше среднего
- Предупреждает клиентов на основе прошлых и ожидаемых будущих действий в аккаунте, с планами продолжать регулярно добавлять новые идеи.
В пресс-релизе Wells Fargo упомянул, что функция Predictive Banking — это только одна часть серии инноваций, направленных на предоставление клиентам более полного представления о своих финансах и усиление контроля для улучшения их финансового здоровья.
JPMorgan Chase: двигатель новых возможностей
Совсем недавно, весной 2020 года, JPMorgan Chase стала лидером в области банковского обслуживания, основанного на искусственном интеллекте и машинном обучении, с новыми комплексными стратегиями, которые создадут ценность для компании, ее клиентов и отрасли в целом. В исследовательской программе банка есть четыре направления, которые будут продолжать формировать новые продукты и услуги ИИ:
- Данные и криптология — новые способы очистки, интеграции и создания данных, необходимых для обучения алгоритмов машинного обучения (МО).
- Учимся на опыте — изучение границ машинного обучения с помощью методов глубокого обучения и обучения с подкреплением.
- Объяснимость и интерпретируемость — создание методов и алгоритмов, понятных лицам, отвечающим за регулирование, а также клиентам.
- Этика и справедливость. Разработка беспристрастных и этичных моделей для создания и поддержания доверия разнообразного сообщества вокруг нас.
Запуская свои инициативы по машинному обучению, JPMC обратилась к новостям, чтобы объявить о своем новом использовании машинного обучения для разработки прогнозных рекомендаций для инвестиционно-банковских услуг. Механизм Emerging Opportunities Engine был создан в 2017 году и сегодня существует в JPMC, чтобы помочь определить клиентов, которые лучше всего подходят для последующих предложений акций, посредством автоматического анализа текущего финансового положения, рыночных условий и исторических данных. Двигаясь вперед, JPMorgan Chase планирует использовать результаты своих исследований в нескольких инициативах по прикладному ИИ, что сократит расходы и принесет компании дополнительный доход.
Citigroup: обнаружение отклонений в платежах для спокойствия
В 2019 году Citigroup, материнская компания Citibank, начала пробовать воду в области машинного обучения. Созданная подразделением Citi Treasury and Trade Solutions, компания представила свой инструмент обнаружения отклонений в платежах, который использует расширенную аналитику и машинное обучение, чтобы помочь заблаговременно выявлять платежи, не соответствующие прошлым схемам платежной деятельности клиентов, и позволяет клиентам просматривать и одобрить (или отклонить) такие выбросы. Технология машинного обучения Citi предназначена для автоматической настройки элементов управления для отслеживания расхождений и изменений в платежном поведении клиентов. Citi перечислил следующие функции в качестве основных преимуществ инструмента на основе машинного обучения:
- Усиленный контроль и мониторинг платежей
- Потенциал снижения риска, связанного с аномальными платежами и последующими убытками
- Расширенные статистические алгоритмы машинного обучения вместо устаревшей логики, основанной на правилах, для анализа моделей платежей.
- Уникальные индивидуальные профили клиентов, которые определяют индивидуальные схемы оплаты
- Постоянное обучение с помощью ИИ на основе использования клиента
- Оповещения в режиме реального времени до того, как платежи с выбросами будут отправлены получателю
По мере того, как кибератаки и кража личных данных становятся все более частыми, банки все активнее требуют своевременного принятия решений, основанных на данных, которые помогают лучше понимать поведение клиентов и оказывать влияние на организацию. Имея возможность использовать когнитивные вычисления для организации огромных объемов данных за короткое время, все больше финансовых учреждений, в том числе упомянутые ранее компании, переходят на использование возможностей AI/ML. Чтобы узнать больше о распространенных примерах использования ML в банковском деле и финансах, ознакомьтесь с нашей публикацией «, Семь распространенных вариантов использования машинного обучения и искусственного интеллекта в Fintech. Продолжайте следить за нашей серией блогов Наука, прикладное искусство, чтобы узнать, как другие отрасли включают эти возможности в свои бизнес-модели.
Ресурсы:
https://www.deluxe.com/blog/bankers-guide-artificial-intelligence/
