Поделиться
Банк «Бланк» будет решать бизнес-задачи с помощью обогащенных внешними данными моделей машинного обучения
Банк для бизнеса «Бланк» при поддержке ИТ-партнера GlowByte улучшил свою AML-модель для скоринга AI Compliance, обогатив ее данными с помощью библиотеки Upgini. Инструмент помог найти внешние релевантные данные о клиентах банка, которые повысили метрики модели при решении задачи антифрода среди юридических лиц.
Upgini – open-source-библиотека на Python. Она предлагает доступ к сотням открытых и коммерческих источников данных по всему миру.
«Многие компании, исчерпав внутренний ресурс, ищут дополнительную информацию о клиентах. Наш партнер Upgini позволяет эффективно находить полезные источники среди сотен поставщиков. По сути, это маркетплейс для поставщиков. Потребителям сервис предоставляет удобный инструмент для поиска релевантных для их бизнес-задач данных, сокращая time-to-market на RND по обогащению существующих моделей и увеличению их качества либо по поиску внешних данных, когда своих недостаточно. Благодаря этому бизнес получает отличный инструмент, дающий конкурентное преимущество на рынке», – сказал Рахмет Оджаев, старший аналитик практики Advanced Analytics GlowByte.
Благодаря продукту Upgini банк «Бланк» сможет находить данные под различные бизнес-задачи, бесплатно тестировать их локально в своем внутреннем контуре и проверять, насколько они обогащают действующие модели.
«Ровно год назад мы внедрили AML-модели в наш банковский комплаенс, и уже в пилотном проекте они позволили существенно повысить надежность скоринга клиентов и уменьшить внимание финансового мониторинга к клиентам. Дополнительные внешние данные позволят улучшить текущие и решить новые из-за отсутствия информации задачи. Таким образом, мы продолжаем адаптировать банковскую платформу в рамках клиентоцентричного подхода к построению сервисов», – сказала Екатерина Моисеева, руководитель службы финансового мониторинга банка для бизнеса «Бланк».
Короткая ссылка
