Як фінансовий ринок може застосовувати машинне навчання - експерт

Машинне навчання можна застосовувати і в скорингу, і в ідентифікації користувачів, і в багатьох інших питаннях фінансового ринку.

Про це розповів CEO і засновник компанії Artellence Володимир Лозовий на FinRetail2020.

“Машинне навчання працює таким чином: комп’ютеру на вхід подаються масиви розмічених даних і він сам знаходить в них закономірність. Таким чином машинне навчання може допомогти і в фінансовій сфері”, – заявив експерт.

Застосування в фінансах:

• кредитний скоринг;
• предиктивні (перебачальні – ред.) моделі, маркетингові комунікації, персоналізації продуктів і на етапі колекшну;
• розпізнавання облич.

Як застосовувати предиктивні моделі на практиці:

• спершу потрібно зібрати зовнішні дані про клієнтів, тобто провести аналіз цільової аудиторії і клієнтів і зібрати їх в одну CRM;
• потім відбувається лідогенерація. На цьому етапі відбувається персоналізація лендінгу;
• прогноз LTV (Lifetime Value) клієнта і персоналізація продуктів;
• ймовірність повернення боргу, метчінг і розпізнавання голосу.

Як пов’язані кредитний скориг і машинне навчання. За словами Лозового, цей зв’язок передусім в альтернативних даних.

“Внутрішні дані або дані кредитної історії – вони простіші, їх можна проаналізувати більш простими джерелами. А коли ми дивимося на дані альтернативних джерел, наприклад соцмереж або смартфонів – їх дуже багато і вони неструктуровані і неоднорідні. Для того щоб їх проаналізувати, потрібні алгоритми інший складності”, – розповів Лозовий.

За його словами, машинне навчання дозволяє з мільйона змінних (лайки, реакції на пости, кількість “поганих” друзів, які не повернули борг в МФО) скласти фінальну скоринговую модель. Те ж саме можна зробити і по телефону. Наприклад, якщо людина записує знайомих по імені і прізвищу, шанс того, що вона поверне позику в 16 разів вищий, ніж той, у якого в контактній книзі друзі записані нікнеймами.