1. 我是CIO首页
  2. 资讯
  3. 金融

印度BFSI(银行和金融服务业)在依靠机器学习来获得更好的业务成果

印度BFSI(银行和金融服务业)在依靠机器学习来获得更好的业务成果

印度企业意识到数据的重要性,正在利用它来改善客户体验,员工生产力和业务增长。在BFSI,都是依靠机器学习算法来从数据中得到改善业务成果的见解增加的个性化体验,为客户和强大网络安全策略。

面向客户的智能投资组合

塔塔共同基金对智能投资组合的ML实施在BFSI领域堪称典范。Tata Quant Fund的框架结合了多个规则引擎和预测模型,以创建投资组合,旨在在上升趋势市场期间最大化回报,同时将下降趋势阶段的损失降至最低。

塔塔资产管理公司业务分析负责人Utpal Sarma解释说:“该机器获得了22年的数据,包括宏观经济,通货膨胀,GDP,汇率,国际市场指数变动和投资组合动能等各种数据点。这些算法本身就可以进行工程设计。”

机器学习算法分析历史数据中隐藏的相关性和模式,以识别可获得最高回报的投资组合。一旦确定了最佳因素策略并创建了得分最高的股票组合,该过程便会继续进行,以预测接下来30天内的收益方向。然后,第二种算法预测投资组合收益的方向(正/负)。该预测引擎基于与先前模型类似的变量,独立地学习和预测投资组合收益的未来30天方向。

以客户为中心的方法

Exide人寿保险公司的首席技术官Bharat Krishnamurthy利用了十多年的客户数据,从而建立了一个庞大的数据湖。反过来,这为机器学习模型提供了动力,该模型可预测客户需要的文档以提供无缝的体验。

当现场代理与客户会面并收集信息时,ML算法会实时运行以进行预测,然后将其实时刷新到现场代理使用的移动应用程序中。相同的机器学习堆栈也可以运行许多其他模型。与文档预测相似,团队可以预测客户明年支付保费的持续性。

使用ML确定信用度

在线交易解决方供应商Razorpay、中小企业借贷平台Lendingkart在收集的数据上使用基于ML的信用决策模型来确定客户的信用价值并帮助他们利用贷款。

标准的征信局数据通常不足以贷给中小企业。结果,大多数中小企业没有贷款。通过Razorpay付款,记录了他们的定期收款。基于ML的平台将根据此数据进行交易分析,以找出变化,季节性并确定下一年的业务现金流量。Razorpay首席执行官Harshil Mathur说:“下一年的后者有助于确定下一年的贷款额度。”

Lendingkart遵循相同的方法,使用了将近8000个数据点来运行信用决策模型。但是ML还用于预测潜在的客户转化。同样,该公司使用代理数据“进一步努力”,它可以显示已尝试,接听了多少个电话,以及最后一次通话变量的通话时间,还可以分析变量,例如在首页上花费的时间和最佳时间需要填写表格,” 首席分析官 Saket Anand说。

支持性的体系结构和培训模型

为了为平台提供动力,Saket采取了一项重要的技术举措,即创建数据仓库。“它将客户的旅程贯穿于从营销收购到支付到贷款绩效的整个过程。这是最重要的挑战,也是我们创造的知识产权,在任何地方都很难找到。”他说。

Exide人寿保险通过积极破坏整体应用程序并将其转换为容器化服务来解决遗留系统。Krishnamurthy说:“我们正在围绕核心系统启用一系列微服务,以帮助发展更多现代设施。”

此外,塔塔共同基金的机器学习模块可以自我学习并适应不断变化的市场动态。该模型的自学习和重新调整每六个月进行一次。机器也会接听市场指示电话。Sarma解释说,这将有助于保护亏损,从而最大程度地减少投资资本的损失,并有助于更稳定地增加资本。

本文为作者 三石 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论