rss Twitter Добавить виджет на Яндекс
Реклама:

Тесты цифровой техники

Мероприятия

     
 

MoneyСare использует машинное обучение для прогнозирования одобрения кредитов

(Частный источник)

Данный материал размещен пользователем сайта. Мнение редакции может не совпадать с мнением автора
Кредитный брокер MoneyCare и компания Columbus создали модель прогнозирования на основе облачного сервиса Microsoft Azure Machine Learning. Использование решения позволяет оценить вероятность положительного ответа банка на запрос кредита

MoneyCare – единственный независимый кредитный брокер в России, не аффилированный ни с одним банком. Компания создавалась в 2013 году как проект торговой сети бытовой техники и электроники «Эксперт» для самостоятельного управления финансированием покупок клиентов, после того как выявилось, что ритейлер теряет до 25% всех клиентов, обратившихся за потребительским кредитом. Сейчас с платформой MoneyCare работают более 2000 партнеров, а текущий пул банков – это 90% рынка в целевых сегментах.
 
Современные технологии позволяют финансовым компаниям работать с большим набором данных быстрее и эффективнее, т.к. представляют собой совокупность различных методов обнаружения знаний. Например, машинное обучение — это очень комплексное применение статистики для поиска закономерностей в данных и создание на их основе прогнозов будущего поведения, результатов и тенденций.
 
Для повышения конверсии кредитных заявок компания MoneyCare решила сократить количество анкетных данных до минимально необходимых, а также создать модель, прогнозирующую вероятность положительного ответа банка. Определение минимального набора данных и построение прототипа компания MoneyCare доверила экспертам практики информационно-аналитических систем консалтинговой компании Columbus. Причина выбора партнера проста – Columbus подходит к решению задач концентрируясь на понимании бизнеса и проблем клиента, являясь для клиента драйвером использования новейших ИТ-решений и технологий.
 
“Использование облачных решений позволяет быстро развернуть желаемую инфраструктуру с минимальными инвестициями. Облачные технологии открывают широкое поле для экспериментов и позволяют подбирать наиболее эффективные варианты самых инновационных решений. Например, использовать машинное обучение для прогнозирования, не вкладываясь в развитие вычислительных мощностей или аналитических инструментов,” - отмечает Евгений Лебедев, руководитель направления по развитию бизнеса облачных решений компании Columbus.
 
Выбирая платформу машинного обучения специалисты MoneyCare остановились на облачном сервисе Azure Machine Learning, который позволяет оперативно создавать и развертывать полнофункциональные прогнозные модели в качестве решений аналитики.
 
“Точное прогнозирование – ключевая ступень к успеху на финансовом рынке. Microsoft Azure Machine Learning предоставляет интерактивное визуальное рабочее пространство, упрощая создание, тестирование и самое главное развертывание для последующего использования моделей прогнозной аналитики,” - комментирует Татьяна Делягина, менеджер по продвижению Data Insight компании Microsoft.
 
На первом этапе для MoneyCare был создан прототип классификатора в Azure Machine Learning, задача которого - отбор более 60% заявок на кредит с вероятностью одобрения более 80%. Используемые методы машинного обучения: дискриминантный анализ, регрессионный анализ, кластеризация, классификация на основе разделимости (SVM, ANN), а также алгоритмы сокращения размерности (PCA).
 
Второй частью проекта стало обучение сотрудников MoneyCare принципам работы и совместный воркшоп по совершенствованию прототипа. В этот этап вошло консультирование по настройке моделей в Azure Machine Learning, типовым задачам машинного обучения, а также определение следующих шагов по улучшению прототипа.
 
“Несмотря на популярность темы, реализованных проектов по машинному обучению не так много. Во-первых, сказывается плохое качество исходных данных – информации, которая может быть использована для прогнозирования, зачастую просто нет. Вторая проблема – дефицит кадров. Можно спроектировать любой прототип, вопрос в том, кто его будет потом использовать. Нашей задачей было не просто создание модели прогнозирования при помощи средств машинного обучения - необходимо было обучить внутри заказчика специалиста Data Science, способного развивать модель, тестировать на ней новые гипотезы и адаптировать параметры к изменяющимся условиям внешней среды. Я думаю, у нас получилось,” - рассказывает Роман Михайлов, директор практики информационно-аналитических систем компании Columbus.
 
“Успех компании напрямую связан с тем, какую выгоду мы приносим нашим партнерам. Выгоду по всем показателям – временным, финансовым. Использование инновационных технологий является основой для получения этой выгоды. Columbus помогли нам получить еще одно конкурентное преимущество на рынке. Спасибо!” - дополняет Дмитрий Давыдов, директор по ИТ компании MoneyCare.

Автор: Columbus

Рубрики: ПО, Финансы

наверх
 
 
     
Оставить комментарий
Имя:
E-mail:
Комментарий (не более 2000 знаков):



ИЛИ
     
 

MSKIT.RU: последние новости Москвы и Центра

22.09.2017 Долгоиграющие корабли: «Леста» ставит на лояльность

21.09.2017 ПМИФ: инновации наступают

19.09.2017 Операторы осваивают сквозные технологии

18.09.2017 Сбербанк борется с фишингом

14.09.2017 IoT поможет сельскому хозяйству. Или нет

13.09.2017 В шаге от нового мира без рамок

12.09.2017 Роуминговые потери

11.09.2017 Лекарство против морщин. Мобильный канал в ритейле предпочитает молодежь

NNIT.RU: последние новости Нижнего Новгорода

ITSZ.RU: последние новости Петербурга