Как применяется Machine Learning в банках: 9 успешных кейсов по всему миру

машинное обучение, банк

Банки используют Machine Learning: 9 успешных примеров внедрения технологий за рубежом и в России Machine Learning (машинное обучение) и банки: как финансовые корпорации всего мира делают большие деньги на анализе больших данных с помощью методов искусственного интеллекта.   Машинное обучение в зарубежных кредитных организациях Американский банк JPMorganChase разработал автоматизированную модель машинного обучения для анализа документов и агрегации важных данных из них, что позволило обработать 12 тысяч кредитных договоров за несколько секунд, хотя раньше это занимало около 360 тысяч человеко-часов [1]. Открытие полностью автоматизированных кредитных отделений в другом американском банке, Bank of America, позволило в несколько раз сократить затраты на содержание новых офисов. Их площадь в 4 раза меньше обычного, а вместо сотрудников – интеллектуальные банкоматы и экраны для удаленной видеосвязи с работниками других филиалов [2]. Еще Далее …

Как заработать $2-3 миллиарда за год на искусственном интеллекте

Искусственный интеллект, Сбербанк

Как заработать $2-3 миллиарда за год на искусственном интеллекте: рассказывает Сбербанк Искусственный интеллект и Сбербанк: как машинное обучение и большие данные помогают финансовой корпорации экономить и зарабатывать большие деньги Что такое искусственный интеллект Существует множество определений ИИ (искусственный интеллект), однако, прежде всего необходимо разобраться, что именно подразумевается под интеллектом и может ли он быть искусственным. Следует отличать понятия интеллекта и разума. Интеллект – умение опционально решать поставленные задачи путем рационального поведения на основе накопленного опыта, тогда как разум – способность к иррациональным действиям и нестандартным решениям [1]. Именно поэтому современная машина, компьютер или программный код – объект, искусственно созданный человеческим разумом, является интеллектуальным, т.к. изначально создавался именно с целью оптимального решения конкретного круга задач.  Сегодня термином «Искуственный интеллект» обозначают совокупность Далее …

Как снизить отток клиентов с помощью алгоритмов машинного обучения

Churn rate, показатель оттока, маркетинг

Как использование технологий Machine Learning в онлайн-маркетинге помогло снизить отток клиентов и повысить ROI лояльности покупателей Снижаем Churn Rate и повышаем ROI лояльности клиентов: российский гигант интернет-торговли Ozon.ru делится своим опытом успешного применения технологий Machine Learning в онлайн-маркетинге Churn Rate или показатель оттока, считается одной из важнейших маркетинговых метрик, которая показывает жизнеспособность бизнес-модели удержания лояльных клиентов [1]. Компании стремятся держать его на минимальном уровне, повышая отдачу от стимуляции повторных обращений, т.е. ROI – return of investment, поскольку привлечение нового покупателя стоит в 5 раз дороже возврата старого. А вероятность продажи товаров и услуг старому клиенту равна 60-70%, тогда как новому – всего 5-20% [2]. Что такое превентивный онлайн-маркетинг Чтобы сделать потенциальную продажу реальной, необходимо четко знать потребности клиента. Например, если пользователь задает поисковой запрос «оливковое Далее …

Как BigData и Machine Learning в нефтегазовой отрасли помогают экономить миллиарды

Цифровая скважина

Как Big Data и Machine Learning в  нефтегазовой отрасли экономит миллиарды Согласно заявлению Валерия Селезнева, первого зампреда Комитета по энергетике Госдумы РФ, сделанному в сентябре 2018 г. на VIII ежегодной конференции «Нефтегазопереработка-2018», нефтегазовая отрасль в России является главным источником валютных и налоговых поступлений страны. На ее долю приходится порядка 12% всего промышленного производства и более 40% поступлений в бюджет. Однако, несмотря на почти вековую отечественную историю этой индустрии, ее современное состояние сопровождается множество проблем, решить которые должны новейшие информационные технологии [1]. В частности, задачи оценки надежности и прогнозирования осложнений при эксплуатации оборудования с использованием машинного обучения Machine Learning в нефтегазовой отрасли, подбора методов увеличения нефтеотдачи, оптимизации транспортных маршрутов и схем поставок оборудования и продукции, а также прогнозирования эффективности разработки новых Далее …

Особенности построения озера данных (Data Lake)

5 уровней зрелости вашего предприятия и особенности  построения озера данных на каждом из них Примерно с 2013 года тема технологий BigData преподносится в СМИ [1-3] как панацея решения почти всех бизнес-проблем, обещая многократное сокращение расходов, повышение прибыли и оптимизацию процессов за счет быстрой обработки больших объемов неструктурированной информации, поступающей из разных источников [4]. Однако, внедрение любых информационных технологий на предприятии без устоявшейся системы управления равнозначно автоматизации хаоса [5]. Прежде всего следует определить уровень корпоративной зрелости, применив для этого методологию оценки бизнес-процессов Capability Maturity Model Integration (CMMI) [6]. В таблице 1 показаны 5 уровней зрелости бизнес-процессов по CMMI-модели. Таблица 1. 5 уровней зрелости бизнес-процессов по CMMI-модели Уровень зрелости управления Состояние бизнес-процессов 5. Оптимизируемый Находятся в состоянии непрерывного мониторинга и улучшения 4. Управляемый Далее …