Представлено Envestnet | Йодли
Для индустрии финансовых услуг и технологий успешные стратегии ИИ и аналитики требуют опыта в сложном мире данных и моделирования. В этом событии VB Spotlight узнайте, почему важно сотрудничать с опытными данными и организациями искусственного интеллекта для разработки и запуска ИИ инициатив.
Зарегистрируйтесь, чтобы посмотреть бесплатно по требованию!
Инициативы искусственного интеллекта могут сделать или нарушить компанию по финансовым услугам на сегодняшнем рынке, и все сводится к данным. «Крайне важно использовать систематический подход не только для того, чтобы стимулировать ориентированные на стоимость информации, которые применимы к бизнесу, но и для того, чтобы вы использовали технологию стратегически»,-говорит Ом Дешмух, руководитель отдела науки и инноваций в области данных в Envestnet | Йодли.
Он поговорил с Джо ДеКосмо, техническим директором и CAO из Enova, и Николь Харпер, директором по корпоративной стратегии в Jack Henry & Associates, во время события VB Spotlight, изучая критическую связь между определением стратегических вариантов использования ИИ и выбором правильных данных — более сложного предприятия, чем большинство организаций понимают.
Решение правильных проблем
«Любая и всякая проблема, где есть доступность данных, может быть решена с помощью одной техники ML или другой», — говорит Дешмух. «Но означает ли это, что каждая проблема должна быть решена? Абсолютно нет».
Есть два соображения, добавляет он. Первый — это определение проблем, в которых предоставление данных для медведя может дать реальную информацию. Второе — это обеспечение того, чтобы организация имела доступ к данным, которые являются надежными, обобщенными и могут быть обогащены для определения конкретного понимания.
Например, Envestnet | Йодли создала масштабируемые запатентованные алгоритмы, которые анализируют данные о финансовой транзакции потребителей, вплоть до кластеров микроуровня, таких как то, как часто они выходят на еду или заказывают еду. Оттуда она получает персонализированные идеи, которые могут решать взаимодействие с клиентом в финансовом учреждении, в форме финансовых советов и рекомендаций, и помогает определить, каково их клиенты.
«Мы знаем, что возможности огромны для применения методов ИИ и ML для улучшения опыта, но регулируемое финансовое учреждение осторожно наступает и получает знания, и существует большой риск», — говорит Харпер. «То, как мы de-риск-это разработка способа определить приоритеты вариантов использования. Подумайте о основанном на стоимости подхода к матрице и оцените различные варианты использования. Что это за бизнес-задача?»
И если это проблема, которая может быть решена с помощью ИИ, крайне важно привести к цели, будь то улучшение качества обслуживания клиентов, повышение доходов или повышение эффективности.
Применение правильных данных
«Мы уверены, что у нас есть четко определенная бизнес-задача и вариант использования, прежде чем мы продвигаемся вперед с любым типом решений, основанного на данных»,-говорит ДеКосо. «Это затем сообщает, какие данные мы собираем, как мы создаем выборку данных, которые мы собираемся использовать». Также важно иметь непредвзятую выборку, которая предлагает хорошее представление о поведении, которое учреждение пытается определить.
«Это классический мусор, мусор, сценарий»,-говорит Дешмукх. «Это хорошо изношенный афоризм, но его часто упускают из виду».
«Часто существует большое давление в бизнесе, чтобы просто создавать модели и показать некоторые результаты», — объясняет он. «Мы перейдем к большой длине, чтобы гарантировать, что наши данные отображаются по нескольким различным стратифицированным измерениям, так что понимание, которые мы получаем, действительно обобщаются не только по тем, которые представляют нам интерес, но также и по тем, что сегодня не видно, но и которые могут стать заметными, скажем, через пару месяцев».
Выбор правильного партнера по данным
В Enova Decosmo говорит, что в Enova и автоматическое принятие решений были частью их ДНК в течение десятилетия, управляя принятием решений по каждой точке контакта. Как финансовое учреждение, очень важно, чтобы данные были надежными и актуальными.
«Мы стараемся быть очень избирательными в отношении как данных, которые мы включаем, так и внешние данные», — объясняет он. «В наши дни существует бесконечное предложение данных, и поэтому мы стараемся быть очень усердными в партнерах по данным, с которыми мы работаем, потому что мы также доверяем им, что они предоставили и создали для нас хороший продукт данных».
AI — это командный вид спорта, добавляет Харпер и требует экосистемного подхода с данными, платформой ИИ и Fintech Partners. Организации должны мудро выбирать партнеров и выбирать их для инноваций, особенно в климате, где финансирование часто является проблемой.
«При выборе Fintechs, с которыми вы хотите сотрудничать, они должны быть жизнеспособными, устойчивыми и иметь хорошую взлетно -посадочную полосу, чтобы быть в бизнесе, поскольку они могут столкнуться с некоторыми ветрами», — объясняет она. «Это также расширяет важность сторонней должной осмотрительности, ограничивающей и отказавшись от выбора ваших партнеров; но есть обширная экосистема».
Для подробного взгляда на то, как данные могут создавать или сломать алгоритм, и как определить правильные данные, чтобы увеличить мощность вашего решения в области искусственного интеллекта, не пропустите это событие VB Spotlight.
Зарегистрируйтесь бесплатно сейчас!
Повестка дня
- Как ваш вариант использования информирует данные, необходимые для вашей тренировочной модели искусственного интеллекта?
- Как разнообразие и зрелость данных влияют на ваши инициативы в области ИИ?
- Какой обогащение данных необходимо для «подачи» ваших приложений для ИИ?
- Как крупные де-идентифицированные наборы данных могут помочь увеличить прогнозирующую силу вашего решения для ИИ?
Докладчики
- Джо ДеКосмоCTO & Cao, Enova
- Николь ХарперДиректор по корпоративной стратегии, Джек Генри и Ассоциированные
- Ом ДешмукхГлава отдела данных и инноваций, Envestnet | Йодли
- Майкл НуньесДиректор редакции, VentureBeat
