ML w automatyzacji procesu oceny ryzyka w branży finansowej

Klient zdecydował się na współpracę z nami w ramach świadczenia usług konsultacji informatycznych i opracowywania oprogramowania dla klientów. Decydującym czynnikiem współpracy było szerokie doświadczenie w projektach fintech (dla firm faktoringowych, windykacyjnych, banków) oraz wieloletnie doświadczenie w stosowaniu różnego rodzaju modeli matematycznych do rozwiązywania różnorodnych problemów.

W procesie rozwoju modelu brało udział 5 osób (starszych analityków danych, analityków danych, programistów) pod nadzorem eksperta dziedzinowego.

1. Analiza i przygotowanie danych

• Warsztaty mające na celu analizę potrzeb biznesowych.
• Analiza procesu underwritingu, czyli działań mających na celu oszacowanie, zaakceptowanie lub odrzucenie ryzyka.
• Przygotowanie i wstępna analiza danych zbieranych w trakcie tego procesu. Na tym etapie koncentrowaliśmy się na zrozumieniu cech danych, powiązań między różnymi zbiorami danych oraz ocenie (i poprawie) jakości danych.

2. Stworzenie odpowiedniego modelu ML i integracja

• Do wdrożenia rozwiązań zdecydowaliśmy się zastosować modele Black Box Machine Learning wyposażone w mechanizm wyjaśniający.
• Wprowadziliśmy ogromne ilości przykładowych danych do algorytmu i umożliwiliśmy mu samouczenie się.
• Gotowy model uczenia maszynowego otrzymał rzeczywiste dane, przetworzył je i dostarczył wynik — ocenę ryzyka.
• Następnie kolejne modele były stopniowo udoskonalane. Ostateczne modele zostały dokładnie zweryfikowane, uwzględniając podejścia poza próbą i poza czasem.
• Na koniec procesu modele zostały dodatkowo skalibrowane i zintegrowane z systemem informatycznym.