Az algoritmus már a hiteligénylésnél megmondja, fizet-e majd az adós
Üzlet

Az algoritmus már a hiteligénylésnél megmondja, fizet-e majd az adós

Szabolcs Gergely, KPMG
Napjainkban egy vállalkozás sikeréhez elengedhetetlen, hogy megfelelő információkkal, adatokkal rendelkezzünk a döntéseink megalapozásához, utóbbi években pedig dinamikusan növekedett az elemzésekhez felhasználható adatok köre. A digitalizáció és az adattárház technológiák elterjedésével jelentős adathalmazok váltak elérhetővé bármely vállalkozás számára szinte bármilyen üzleti tevékenységre vonatkozóan. Ezzel párhuzamosan egyre szélesebb körben rendelkezésre állnak olyan technológiai megoldások, amelyek a jelentős számítás kapacitást igénylő elemzések akár valós idejű futtatását is lehetővé teszik. Ennek hatására jelentősen kibővül az adat alapú döntés támogató modellek felhasználási területe, ezen belül is egyre nagyobb teret hódítanak a gépi tanulás - machine learning - algoritmusok.

Tanulás emberi beavatkozás nélkül?

A gépi tanulásra úgy tekinthetünk, mint olyan algoritmusok gyűjtőnevére, melyeknek célja az adatokban rejlő összefüggések feltárása, vagy bizonyos döntések meghozatala, emberi beavatkozás nélkül. A gépi tanulás folyamata jellemzően múltbeli adatok, megfigyelhető döntési helyzetek megismerésével történik, melyek alapján az algoritmus a jövőre vonatkozó előrejelzéseket készít, döntéseket hoz meg. Az ember szerepe az algoritmusok futtatásához szükséges adatbázisok előkészítésére, a megfelelő algoritmusok típusának kiválasztására és a betanítási, illetve tesztelési szabályok meghatározására korlátozódik. Ennek során az adatbázist felosztjuk egy fejlesztési és egy tesztelési mintára. Előbbi szolgál az algoritmusok paraméterezésére, utóbbin pedig a modell hatékonyságát, stabilitását mérjük vissza.

Napjainkban a gépi tanulás algoritmusokból egyre több, hatékonyabb, "okosabb" jelenik meg, ami lehetőséget ad az adatainkban rejlő összefüggések, információk minél jobb feltárására. Ezzel párhuzamosan viszont az algoritmusok "betanítása" is egyre több erőforrást és szakértelmet igényel.

Hogyan alkalmazható a pénzügyek területén?

A gépi tanuló algoritmusokon alapuló modellek bármilyen területen alkalmazhatóak, ahol megfelelő mennyiségű adat elérhető, a pénzügy kifejezetten jó terepnek számít ebben. A pénzügyi adatokban rejlő olyan összefüggések is feltárhatóak, amelyek korábban rejtve maradtak a hagyományos módszerekkel dolgozó elemzők számára.

A gépi tanuló algoritmusok segítségével
  • egy bank már a hitel igénylésének pillanatában meg tudja mondani, hogy a potenciális adós mekkora valószínűséggel fogja fizetni a hitelének törlesztő részleteit,
  • meghatározható egy vállalat azon ügyfeleinek köre, akit érdemes egy marketing kampánnyal megkeresni,
  • vagy akár automatizálható, hogy egy vállalat beérkező szállítói számlái milyen főkönyvi számokra kerüljenek lekönyvelésre.


Az algoritmus már a hiteligénylésnél megmondja, fizet-e majd az adós
Utóbbi esetben, ha több évre visszamenőleg rendelkezésre állnak a könyvelési és számla adatok, tanuló algoritmusok segítségével automatikusan hozzá lehet rendelni a bejövő számlákhoz tartozó főkönyvi számot és ÁFA kódot. Így a könyvelést végző kollégára kevesebb rutinszerű feladat hárulhat. Az algoritmus a könyvelők által jóváhagyott könyvelési tételek alapján folyamatosan tanul, így például egy könyvelő általi módosítást követően, egy hasonló számlát legközelebb már a megfelelő helyre sorol be.

A sikeres alkalmazásnak azonban vannak alapvető kulcstényezői:
  • az elemzéshez szükséges adatok jó minőségben kell hogy rendelkezésre álljanak
  • a megoldandó problémának világosnak és egyértelműen megfogalmazottnak kell lennie
  • a tanulási folyamaton megfelelő szakértői kontrollt kell biztosítani
  • a modellek és azok eredményei integrálódnak az üzleti folyamatokba


A szerző a KPMG pénzügyi kockázatkezelési tanácsadója.

Hasonló témákról is szó lesz a Portfolio május 28-ai Financial IT and Disruptive Technologies konferenciáján. Érdemes eljönni!
foldgazgetty
volkswagenshutterstock
Alteo klub
facebook libra szablyozás
shutterstock_1077065507
donaldtrumpgolf
Boris Johnson Brexit igeret beszed1500
Brexit Boris Johnson ketto level Donald Tusk
Népszerű
Friss hírek TÖBB FRISS HÍR
Online előadás
Befektetési termékek a magas hozam reményében.
A tőzsdei tankönyv
Az alapoktól a trendkövető kereskedési stratégiákig kísér a könyv.
Portfolio hírlevél
Ne maradjon le a friss hírekről!
Iratkozzon fel megújult, mobilbarát
hírleveleinkre és járjon mindenki előtt.

Eladó új építésű lakások

Válogass több ezer új lakóparki lakás közül Budán, Pesten, az agglomerációban, vagy vidéken.

Infostart.hu

Junior elemző/elemző

Junior elemző/elemző

Szerkesztő-újságíró

Szerkesztő-újságíró
2019. november 6.
Portfolio Private Health Forum 2019
2019. november 7.
Energy Investment Forum 2019
2019. november 14.
Portfolio Banking Technology 2019
2019. november 20.
Office Stage - Út a hatékony irodához
volkswagenshutterstock