2021/08/26 15:21:18

Машинное обучение в финансовой индустрии: максимизация выгод и управление рисками


Содержание

В современном мире процессы цифровизации не обошли и финансовый сектор. Банки, страховые учреждения, компании, имеющие дело с фондовыми рынками и платежами всегда были одними из самых влиятельных потребителей технологических инноваций.

Big Data, машинное обучение (ML), искусственный интеллект становятся основой бизнеса участников мировой финансовой индустрии, поскольку их деятельность основана на информации: статистике, сведениях о клиентах, страховых случаях и вероятностях их наступления, а также финансовой оценке всех этих данных. Сегодня сфера МL быстро развивается, и бизнес требует эффективных и прибыльных способов применения МL в повседневной деятельности финансовых организаций с целью прогнозирования, генерации персональных рекомендаций и защиты от мошенничества.

Давайте рассмотрим модернизацию четырех фокусных сегментов индустрии:

Банковская сфера

«
Американский банк JPMorganChase при использовании модели машинного обучения для анализа документов и агрегации важных данных из них, стал обработать 12 тысяч кредитных договоров за несколько секунд, хотя раньше это занимало около 360 тысяч человеко-часов
»

Какие из ключевых бизнес-процессов трансформируются с помощью сервисов МL и Big Data:

  • быстрая адаптация под реальные изменения и внедрение инновации (в виде эксперимента с рабочими нагрузками можно использовать AWS Lambda);
  • модернизация процессов в кредитовании малого и среднего бизнеса;
  • сбор и контроль данных о взаимодействии с клиентами, обеспечение обмена сообщениями в реальном времени и в больших масштабах, а также применение ML для рекомендаций по продуктам (Amazon Pinpoint, например);
  • сокращение расходов и улучшение обслуживания клиентов с переводом специалистов колл-центров на специальные сервисы (например, AWS Connect);
  • управление рисками: алгоритм способен анализировать всё разнообразие входящих данных - использовать как полезные, так и потенциально опасные тенденции;
  • предотвращение мошенничества с помощью разработки алгоритмов ML (Amazon SageMaker)

Самый обширный и функциональный набор сервисов ML для банков предоставляет AWS, позволяющий улучшать обслуживание клиентов, автоматизировать рабочие процессы, обнаруживать мошенничество, обеспечивать соответствие требованиям и оптимизировать процесс аутентификации.

«
Capital One сокращает площадь своего центра обработки данных и расширяет использование микросервисов, чтобы переосмыслить банковское дело с помощью AWS
»

Фондовые рынки

Компании на фондовых рынках используют сервисы МL для получения новых возможностей:

  • пересмотра и изменения эксплуатационных моделей;
  • внедрения мер по сокращению расходов, повышающих эффективность;
  • управления портфолио, алгоритмических моделей и для анализа альтернативных данных;
  • создания удобных условий для клиентов при персональных рекомендациях и интуитивности подключения к сервисам;
  • автоматизации процессов при оценке рисков, соответствия требованиям и цен.

AWS предлагает самый широкий ассортимент функциональных сервисов ML, способствующих цифровой трансформации фондовых рынков.

DTCC (ежедневно обрабатывает операции с ценными бумагами на триллионы долларов) полностью использует AWS, выполняя более 20 рабочих операций в среде, которая требует устойчивости, безопасного хранения и сотрудничества в масштабах отрасли.

Платежи

ML трансформирует и платежную отрасль, позволяя принимать бизнес решения в режиме реального времени, внедрять инновации и адаптироваться к ожиданиям клиентов, обрабатывая глобальные цифровые платежи.

Ниже некоторые из бизнес задач платежной индустрии:

  • защита от мошенничества;
  • продление кредита;
  • обеспечение полной совместимости платежей NFC (например, AWS CloudHSM)
  • повышение масштабируемости и гибкости за счет переноса платежей в облако (что позволяет сосредоточиться на внедрении инноваций, а не на поддержке базовой инфраструктуры).

Сервисы AWS эффективно решают обозначенные задачи, поскольку разработаны с учетом самых строгих требований безопасности в мире, включая соответствие стандарту безопасности данных (DSS) индустрии платежных карт (PCI).

Тема обнаружения мошенничества и вопросы безопасности будут детально обсуждаться 10 сентября 2021 года Владиславом Гавриленко, руководителем направления AWS в SOFTPROM в рамках 3-дневного спринт-марафона «Fintech и Insurtech - драйвер IT технологий». Узнать больше можно здесь.

Страхование

Внедрение и использование технологий ML в этом сегменте проходит небыстро. Сегодня страховые компании ищут баланс между прибыльным ростом и нагрузкой, создаваемой устаревшими ИТ-системами.

Сервисы машинного обучения позволяют страховым компаниям:

  • повысить эффективность работы и качество обслуживания клиентов;
  • составить более точные прогнозы в отношении своего бизнеса;
  • ускорить разработку новых инноваций.

С помощью Amazon SageMaker страховые компании могут создавать, обучать и развертывать собственные масштабируемые модели ML, либо создавать пользовательские модели с поддержкой всех популярных платформ с открытым кодом.

Финансовые компании должны следить за новейшими технологиями, чтобы иметь технологическое преимущество перед конкурентами, гарантировать стабильный доход и обеспечить наилучший сервис для своих клиентов.

Об IT инновациях, гибридных облаках и защите от мошеннических схем ведущие эксперты компаний Amazon Web Service, Softline и Softprom расскажут в рамках Онлайн-конференции «Fintech и Insurtech - драйвер IT технологий» с 8 по 10 сентября 2021 года. Организатором события выступает компания Dela.

Участие только для специалистов. Бесплатно при обязательной регистрации здесь.