Вестник цифровой трансформации CIO.RU

MoneyСare использует машинное обучение для прогнозирования одобрения кредитов
MoneyСare использует машинное обучение для прогнозирования одобрения кредитов




13:17 19.06.2017  |  0 Комментариев | 310 просмотров



Независимый кредитный брокер MoneyCare создал модель прогнозирования на основе облачного сервиса Microsoft Azure Machine Learning. Использование решения позволяет оценить вероятность положительного ответа банка на запрос кредита.

РЕКЛАМА

Для повышения конверсии кредитных заявок компания решила сократить количество анкетных данных до минимально необходимых, а также создать модель, прогнозирующую вероятность положительного ответа банка. Определение минимального набора данных и построение прототипа компания MoneyCare доверила экспертам Columbus.

Современные технологии позволяют финансовым компаниям работать с большим набором данных быстрее и эффективнее, представляя собой совокупность различных методов обнаружения знаний. Например, машинное обучение — это очень комплексное применение статистики для поиска закономерностей в данных и создание на их основе прогнозов будущего поведения, результатов и тенденций. Выбирая платформу машинного обучения, специалисты MoneyCare остановились на облачном сервисе Azure Machine Learning, который позволяет оперативно создавать и развертывать полнофункциональные прогнозные модели в качестве решений аналитики.

Использование облачных решений позволяет быстро развернуть желаемую инфраструктуру с минимальными инвестициями. Облачные технологии открывают широкое поле для экспериментов – например, использовать машинное обучение для прогнозирования, не вкладываясь в развитие вычислительных мощностей или аналитических инструментов.

На первом этапе проекта был создан прототип классификатора в Azure Machine Learning, задача которого – отбор более 60% заявок на кредит с вероятностью одобрения более 80%. При этом были использованы такие методы, как дискриминантный анализ, регрессионный анализ, кластеризация, классификация на основе разделимости, а также алгоритмы сокращения размерности.

Второй частью проекта стало обучение сотрудников MoneyCare принципам работы и совместный воркшоп по совершенствованию прототипа. В этот этап вошло консультирование по настройке моделей, типовым задачам машинного обучения, а также определение следующих шагов по улучшению прототипа.


Теги: Автоматизация предприятий Microsoft Azure Финансы, страхование Columbus Машинное обучение
На ту же тему: