Viens no konservatīvākajiem finanšu aspektiem, lēmums aizdot kādam, tiek pārveidots ar AI vadītu kredītreitingu. Šī ir pakāpeniska maiņa indivīdiem, kuru kredītvēsture ir bagāta un kuri jau ilgu laiku ir bijuši ar bankām. Tomēr tas varētu būt dzīvi mainīgs plānveida aizņēmējiem un tiem, kas atrodas neformālajā ekonomikā. Tos beidzot var atklāt, nevis būt neredzamiem sistēmai. Šis raksts apspriež alternatīvu datu pielietošanu, lai izveidotu AI balstītus kredītreitingu rādītājus indivīdiem un maziem uzņēmumiem, kuriem trūkst tradicionālas kredītvēstures, netaisnības un aizspriedumu risku, kad biroja dati nav pieejami, un regulatī Thin File and Informal Economy Problem Thin File un neformālās ekonomikas problēma Konvencionālie kredītvērtējumi pieprasa kāda veida finansiālu pastāvēšanu. Viņi pieņem, ka indivīdam ir bankas konts, oficiālie finanšu produkti un agrāk ir aizņēmies aizdevumu vai izmantojis kredītkarti. Viņi pieprasa, ka darba devēji darbojas algas formālā veidā un tirgotāji strādā ekonomikas redzamajā daļā – dokumentētajā daļā. Praktiski, milzīga daļa pasaules nav tāda. Jauniem pieaugušajiem bieži vien nav aizdevumu vai karšu. Imigrantiem var būt labs kredītvēsture viņu izcelsmes valstīs un nekas nav izslēgts no viņu jaunajiem. Lielākā daļa viņu darījumu tiek veikti skaidrā naudā vai digitālajās platformās, kas ziņo birojiem: gig strāvas strādnieki, Šie aizņēmēji ne vienmēr ir riskantāki; tas ir tikai tas, ka sistēma ir nedzirdīga un akla uz signāliem, kas faktiski raksturo viņu finanšu dzīvi. AI pielietošanas pamatkoncepcija kredītpunktiem šeit ir vienkārša. Kur biroja statistika ir trūkst vai pārāk reti, meklējiet citur. Mūsdienu dzīvē ir daudz digitālo pēdu. Kad šādi pēdu nospiedumi tiek savākti atbildīgā veidā ar piekrišanu un pārveidoti par vairāk organizētiem signāliem, viņi var daudz pastāstīt par personas stabilitāti, viņu peļņas potenciālu un viņu iespēju atmaksāt. Viens no pirmajiem un vērtīgākajiem avotiem bieži vien ir telekomunikāciju dati. Mobilie operatori saprot, kā kāds regulāri aizpilda priekšapmaksas bilances, vai viņi izmanto to Vēl viens uzticams enerģijas avots ir e-komercija un dati no digitālajām platformām. Maz var būt iekļauts braukšanas vadītāja biroja failā, bet platforma var piekļūt braucienu skaitam, ienākumiem nedēļā, atcelšanas datiem, klientu atsauksmēm un vadītāja ilgumam. Mikrotirgotājs kā pārdevējs tirgū atstāj aizpildītu pasūtījumu vēsturi, atmaksājumiem, sūdzībām, krājumiem, krājumiem un izaugsmes modeļiem. Neformālo uzņēmumu gadījumā platformas datus var izmantot kā tuvāko līdzvērtīgu oficiālajiem finanšu pārskatiem. Tālāk ir bankas konts, digitālā maksa un atvērta banku API naudas plūsmas dati. Lai gan aizņēmējam var trūkst garas kredītvēstures, viņš vai viņa Situācijās, kad darba devēji ir savienoti ar algas dienestiem, aizdevēji var apstiprināt nodarbinātību, ikmēneša ienākumus, nodarbinātības ilgumu un kompensācijas izmaiņas. Tiem, kuriem ir vairāki nepilna laika darbi, šis kompozītais attēls būs daudz informatīvāks nekā viens atalgojuma slīdnis. Visbeidzot, ar pareizu izmantošanu, uzvedības un ierīces līmeņa datus var izmantot, lai palīdzētu gan krāpšanas, gan riska novērtējumā. Laika ilgums, kad indivīds ir izmantojis to pašu ierīci, to pieteikumvietu pareizība, kā viņi izmanto lietotni mēnešu laikā, kā arī dienas laiks, kad viņi parasti veic darījumus, var sniegt autentiskuma un stabilitātes rādītājus. Šos signālus vajadzētu How AI Transforms Sloppy Signals into a Score? Kā AI pārvērš Sloppy signālus par rezultātu? Šie citi datu avoti ir blīvi apdzīvoti un nestrukturēti. Telekomunikāciju žurnālu, platformas notikumu, banku darījumu un ierīču telemetrijas struktūra nav tāda, kāda ir tradicionālajā biroja ziņojumā. Tie ir skaļi, dimensiju un piepildīti ar idiosinkrācijas modeļiem. Šajā brīdī nepieciešama AI, jo īpaši mūsdienu mašīntulkošana. Kopīgais dzīves cikls sākas ar datu agregāciju. Aizdevējiem ir piekļuve telekomunikāciju partneriem, atvērtiem banku plūsmām, algas API un platformas partneriem saskaņā ar datu aizsardzības likumiem un klientu tiešu piekrišanu. Viņi absorbē neapstrādātus datus drošā vidē un normalizē to. Telefona uzlādes aktivitātes, maku kredīti un e-komercijas pasūtījumi tiek pārveidoti par laika sērijām, kurām ir regulāri formāti. Tiek novērstas nevajadzīgas anomālijas un dublējumi, un tiek apstrādātas trūkstošās vērtības. No tā, funkcijas veido datu zinātnieki. Tie rada kopsavilkuma mainīgos, nevis vienkārši baro visus neapstrādātos darījumus vienā modelī: vidējā ikmēneša neto naudas plūsma; mēnešu īpatsvars, kuros ietaupījumi ir pozitīvi; ilgākais secīgais periods bez maksājumiem kreditoriem; mēneši ar nepietiekamiem ienākumiem; platformas peļņas pieaugums vai sabrukums; darba stundu Šie atribūti cenšas saspiest indivīda ekonomisko dzīvi skaitļos, kurus var sagremot modelis. Gradientu pastiprinošie koki, nejaušas mežu un neironu tīkli ir tad mašīntulkošanas algoritmi, kas tiek apmācīti uz vēsturiskiem datiem, kur rezultāts jau ir zināms. Kredītvērtējuma gadījumā rezultāts parasti ir aizņēmēja noklusējums noteiktā laika periodā, teiksim sešus vai divpadsmit mēnešus. Modelis iegūst zināšanas par iezīmju kombinācijām, kas norāda uz lielāku vai mazāku risku. Cilvēku apakšuzņēmēju vidū atrodamie modeļi nebūtu identificēti ar cilvēka atziņu, piemēram, nelielas mijiedarbības starp naudas plūsmu un platformas turēšanas svārstībām Lai noteiktu diskriminācijas spēku, tiek izmantoti tādi pasākumi kā AUC, Gini koeficients un Kolmogorova–Smirnova statistika, bet kalibrēšanas plāni norāda, vai prognozētās varbūtības ir identiskas ar faktiskajām noklusējuma likmēm. Papildus galvenajiem rādītājiem aizdevējiem ir jāskatās uz sniegumu atkarībā no segmenta: jauniem aizdevējiem salīdzinājumā ar pieredzējušiem aizdevējiem, dažādām profesijām, reģioniem un ienākumu grupām. Pēc ieviešanas modelis novērtēs jaunus pieteikuma iesniedzējus, un atbilde tiks sniegta dažu sekunžu laikā. 
 
 Šis stāsts tika izplatīts kā Sanya Kapoor izlaišana HackerNoon biznesa emuāru programmas ietvaros. This story was distributed as a release by Sanya Kapoor under  . HackerNoon’s Business Blogging Program HackerNoon biznesa blogošanas programma HackerNoon biznesa blogošanas programma

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Šis audio ir izveidots stāsta oriģinālvalodā!

AI-powered Credit Scoring par plānu failu un neformālo ekonomiku

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps