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

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

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

  1. 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].
  2. 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].
  3. Еще один известный банк в США, Goldman Sachs, сократил расходы на заработную плату трейдеров в 300 раз, оставив вместо 600 сотрудников только 2 и автоматизировав процессы покупки и продажи акций. Также эта финансовая корпорация успешно внедрила программное обеспечение для автоматического объединения балансов кредитных карт [2].
  4. Система на основе искусственного интеллекта, используемая китайской компанией по сбору долгов Ziyitong показывает 2-кратное возрастание коэффициента возмещения кредитов, просроченных на срок до 1-ой недели: 41% вместо 20%. Этот результат достигнут за счет сбора и анализа данных о заемщиках и их друзьях и последующего разговора диалогового робота с должником по телефону. Разговор автоматически записывается и анализируется, определяется формулировка, которая с наибольшей вероятностью воздействует на заемщика и заставит вернуть долг. Кроме того, система связывается с друзьями должника и просит вернуть его деньги через знакомых [3].
банки, большие данные, машинное обучение
Как банки используют большие данные и машинное обучение

Машинное обучение в российских банках

Здесь [4] мы уже подробно писали, как методы искусственного интеллекта, машинного обучения и анализа больших данных помогли Сбербанку за год заработать около $3-х миллиардов. Однако, это не единственный пример успешного применения современных информационных технологий в отечественном финансовом секторе. Другие кредитные организации также демонстрируют отличные результаты в этом направлении, в частности:

  1. в 2 раза ускорена работа контакт-центра в банке «Открытие» [5];
  2. в 3 раза сокращено максимальное время, необходимое для принятия решения по кредиту в Бинбанке [5];
  3. в 1,5 раза снижены расходы на инкассацию в банке «Хлынов» [5];
  4. внедрение в Тинькофф-банке системы противодействия легализации доходов, полученных преступным путем и финансированию терроризма, повысило обнаружение подозрительных операций на 95% и снизило количество ложных срабатываний на 50%. Это достигнуто за счет алгоритмов машинного обучения, автоматизации создания и подготовки отчётов, рассылки уведомлений, отсечения заведомо правильных счетов и транзакций из исследуемой выборки. В результате банк перераспределил ресурсы с обязательного контроля на непосредственное расследование криминальных схем [6].
finances, BigData, Machine Learning
Big Data и Machine Learning в финансовой сфере

Эти примеры показывают глобальный тренд на тотальную автоматизацию банковской деятельности и повсеместное внедрение инструментов Big Data и Machine Learning во все сферы финансового сектора. Чтобы через пару лет робот не занял ваше рабочее место, двигайтесь вместе с новыми технологиями – станьте профессионалом в сфере анализа больших данных и машинного обучения! Для этого приходите на наши практические курсы для инженеров, финансистов и руководителей, где на конкретных примерах мы учимся выбирать, настраивать и администрировать методы и средства работы с Big Data и Machine Learning. Подробную информацию об обучении смотрите здесь. До встречи на занятиях!

 

Источники

  1. https://blog.liga.net/user/vfedak/article/5-primerov-primeneniya-mashinnogo-obucheniya-veduschimi-bankami-ssha
  2. https://incrussia.ru/fly/kompanii-zamenyayut-lyudey-mashinami-eto-tendentsiya/
  3. http://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_в_банках
  4. https://www.bigdataschool.ru/bigdata/искусственный-интеллект-и-сбербанк.html
  5. https://rb.ru/news/finmachine/
  6. https://secretmag.ru/opinions/kak-neiroseti-boryutsya-s-otmyvaniem-deneg.htm
One Comment
  1. […] Компания Recast.AI, специализирующая на разработке чат-ботов, разработала концепт помощника для регистрации на рейс. Пассажир общается с роботом на живом человеческом языке, спрашивая о тарифах, нормах багажа, наиболее удобных местах и т.д. Помимо сокращения очередей на регистрацию и количества персонала, система дает авиакомпании возможность продажи дополнительных услуг. Например, если выясняется, что багаж клиента превышает разрешенную его тарифом норму, бот сразу же позволяет добавить дополнительный чемодан с доплатой и тут же его оплатить. Также система предлагает пассажиру более удобное место в самолете, сообщая, сколько это стоит [2]. Как подобные помощники на базе Machine Learning успешно заменяют собой банковские колл-центры, мы писали здесь. […]

Comments are closed.