Google’ile kuuluv andmeteadlaste võistlustander Kaggle sisaldab mitmeid krediidi- ja kindlustusriskide ennustamise katsetusi. Nendest selgub üsna kindlalt – seda lugu lugevad finantssektori töötajad saavad seda kinnitada –, et piisavate ajalooliste andmete põhjal saab päris hästi hinnata kliendiga seotud riski ja ennustada tema käitumist.

Masinõppe kaasused finantssektoris

Millised on siis riskid, mida üksikisikutest ja vahel ka ettevõtetest klientide puhul praktikas soovitakse hinnata? Kaggle’i andmetel on andmeteadlastelt muu hulgas tellitud mudeleid, mis on võimelised tegema võimalikult täpseid ennustusi selle kohta, kas klient võib jätta kindlustuslepingu pikendamata. Mitmetuhanderealisest klientide andmebaasist saab välja tuua just need 50 klienti, kelle puhul esineb kõige tõsisem lepingu lõpetamise või pikendamata jätmise risk. Teenusepakkuja, kelle teenistuses on sellised nutikad algoritmid, saab võtta midagi ette juba enne seda, kui kliendil kujuneb kindel soov leping lõpetada – näiteks teha personaalpakkumise lepingu jätkamiseks. Selline algoritm on lisatulu teenimise hoovaks.

Muidugi mõista pakuvad huvi ka mudelid, mis ennustavad, kas kliendil on oht jätta krediit tagasi maksmata, ja aitavad seega vähendada vajadust laenu maha kirjutada. Kui potentsiaalse laenukliendi, tema tausta ja sissetulekute allikate kohta on olemas piisavalt kirjeldavaid andmeid, saab masinõppe algoritm kliendi liigitada potentsiaalseks maksjaks või mittemaksjaks. Masinõppe tohutu eelis on, et see suudab kättesaadavaks tehtud andmetest ise valida välja selle osa, mis on ennustamise jaoks asjakohane. Üllatuseks võib selguda, et teatava mõjuga on näiteks asjaolu, kas klient soovib välja võtta korraga maksimaalse laenusumma või piirdub esmalt osaga talle pakutust või kas klient eelistab lepingu eest maksta sularahas või kaardiga, ja paljud teised pealiskaudsel vaatlusel tühised asjaolud.

Praktiline vahend

Masinõppe kaasused ei ole vaid akadeemilise väärtusega. Kuigi tehisintellekt kõlab hirmuäratava raketiteadusena, on see tänaseks kujunenud oluliseks praktiliseks töövahendiks paljudes sektorites ja nii ka finants- ja mitmesugustes müügiga seotud sektorites. Ka riik panustab aktiivselt masinõppe levikusse avalikus sektoris , eesmärgiks on seatud tehisintellektiga robotite (krattide) arvu suurendamine 25-lt 50-le aastaks 2021.

Pilt on pärit masinõppe teemaliselt lehelt https://scikit-learn.org/

Lighthouse kogemused

KPMG Lighthouse kasutab masinõppe lahendusi aktiivselt klienditöös. Meie meetod on katsetada erinevaid juhendatud masinõppe ja sellega lähedasi algoritme, alates regressioonilaadsetest ning lõpetades populaarsete sügavõppe – ja stiimulõppe algoritmidega. Nii selgitame välja ja seadistame konkreetse teenusepakkuja jaoks sobivaima lahenduse. See võib osutuda just selleks õlekõrreks, mis kallutab konkurentsitihedal turul teenusepakkuja finantstulemused plussi.

Jaga artiklit

Jäta kommentaar