مالیات کے سب سے زیادہ محتاط پہلوؤں میں سے ایک، کسی کو کریڈٹ کرنے کا فیصلہ، AI ڈرائیور کریڈٹ سکریننگ کی طرف سے تبدیل کیا جاتا ہے. یہ ان افراد کے لئے ایک تیزی سے تبدیلی ہے جن کے کریڈٹ کی تاریخ امیر ہے اور جو ایک طویل وقت کے لئے بینکوں کے ساتھ ہیں. یہ زندگی کو تبدیل کر سکتا ہے، تاہم، تھوڑا فائل قرض دہندگان اور ان لوگوں کے لئے جو غیر رسمی معیشت میں ہیں. وہ آخر میں نظام کے لئے نامعلوم ہونے کے برعکس پتہ لگانے کے قابل ہیں. یہ مضمون ذاتی اور چھوٹے کاروباری اداروں کے لئے AI پر مبنی کریڈٹ سکرین بنانے کے لئے متبادل اعداد و شمار کی درخواست پر بحث کرتا ہے جو روایتی کریڈٹ ریکارڈ کی ضرورت نہیں ہے، جب دفتر کے اعداد و شمار دستیاب نہیں ہیں تو نا انصافی Thin File and Informal Economy Problem Thin File اور Informal Economy مسئلہ روایتی کریڈٹ درجہ بندی کسی قسم کی مالی موجودگی کی توقع کرتے ہیں. وہ فرض کرتے ہیں کہ ایک فرد کے بینک اکاؤنٹ، سرکاری مالیاتی مصنوعات ہے، اور پہلے سے ہی قرضے یا کریڈٹ کارڈ کا استعمال کیا ہے. وہ فرض کرتے ہیں کہ کاروباری کاروباری اداروں کو سرکاری طریقے سے کام کرتے ہیں اور مارکیٹروں نے معیشت کے ظاہر حصے میں کام کیا ہے - دستاویز کردہ حصے. عملی طور پر، دنیا کا ایک بڑے حصے ایسا نہیں ہے. نوجوان بالغ اکثر قرضے یا کارڈز نہیں رکھتے ہیں. مهاجروں کو ان کے ملکوں میں اچھی کریڈٹ پس منظر ہے اور ان کے نئے لوگوں میں کچھ بھی نہیں ہے. ان کے معاملات میں سے اکثر نقدی میں یا ڈیجیٹل پلیٹ فارمز میں کئے جاتے ہیں جو ایجنسیوں کو رپورٹ نہیں کرتے ہیں: گیگ سڑک کے کارکنوں، ان قرض دہندگان کو زیادہ خطرناک نہیں ہونا چاہئے؛ یہ صرف یہ ہے کہ نظام ان سگنلوں کو جو ان کی مالی زندگی کی وضاحت کرتے ہیں کے لئے بہادر اور اندھے ہے. یہاں کریڈٹ سکورنگ کے لئے AI کی درخواست کی بنیادی مفهوم آسان ہے. جہاں بورڈ سٹیٹیکل کم یا بہت کم ہیں، دوسری جگہ تلاش کریں. جدید زندگی میں بہت سے ڈیجیٹل ٹائپ ہیں. جب ایسے ٹائپ ٹائپ کو ذمہ دار طریقے سے جمع کیا جاتا ہے اور زیادہ منظم سیگنالوں میں تبدیل کیا جاتا ہے، وہ ایک شخص کی استحکام، ان کی آمدنی کے امکانات، اور ان کی واپسی کے امکانات کے بارے میں بہت کچھ بتا سکتے ہیں. سب سے پہلے اور سب سے زیادہ قیمتی ذرائع میں سے ایک اکثر ٹیلی ویژن ڈیٹا ہے. موبائل آپریٹرز کو سمجھتا ہے کہ کس طرح کسی کو پیش سے ادائی ایک اور قابل اعتماد بجلی کا ذریعہ الیکٹرانک تجارت اور ڈیجیٹل پلیٹ فارمز سے ڈیٹا ہے. ایک ride-hailing ڈرائیور کے دفتر فائل میں تھوڑا سا شامل کیا جا سکتا ہے، لیکن ایک پلیٹ فارم سفر کی تعداد، ہفتہ وار آمدنی، حذف کے اعداد و شمار، گاہکوں کے جائزے، اور ڈرائیور کی مدت تک رسائی حاصل کر سکتا ہے. ایک مارکیٹ میں ایک فروخت کرنے والے کے طور پر ایک مائیکرو ڈرائیور ایک دستاویزات کی تاریخ کے پیچھے چھوڑتا ہے، واپسی کی گئی ہے، شکایات اٹھایا، اسٹاک-outs، اور ترقی کے نمونے. غیر رسمی کاروباری معاملات کے معاملے میں، پلیٹ فارم ڈیٹا سرکاری مالیاتی رپورٹوں کے قریب ترین برابر کے طور پر استعمال کیا جا سکتا ہے. اگلا، ایک بینک اکاؤنٹ اس صورت حال میں جہاں کاروباری اداروں کی ادائیگی کی خدمات سے منسلک ہیں، قرض دہندگان ملازمت کی تصدیق کرنے کے قابل ہیں، ماہانہ آمدنی، ملازمت کی مدت، اور ادائیگی کی تبدیلیاں. کئی حصے کے کام کے ساتھ لوگوں کے لئے، یہ مرکب تصویر ایک ادائیگی سلیپ کے مقابلے میں بہت زیادہ معلومات فراہم کرے گا. آخر میں، مناسب استعمال کے ساتھ، رویے اور آلہ کی سطح کے اعداد و شمار کو دھوکہ اور خطرے کا اندازہ کرنے میں مدد کرنے کے لئے استعمال کیا جا سکتا ہے. ایک فرد کو ایک ہی آلہ کا استعمال کیا گیا ہے، ان کے لاگ ان کی جگہوں کی درستگی، مہینوں کے دوران وہ ایپ استعمال کرتے ہیں، اور دن کے وقت کے طور پر وہ عام طور پر ٹرانسمیشنز کرتے ہیں، وہ کس طرح کام کرتے ہیں اور ادائیگی کرتے How AI Transforms Sloppy Signals into a Score? کس طرح AI Sloppy سیگنالوں کو ایک پوائنٹ میں تبدیل کرتا ہے؟ یہ دیگر اعداد و شمار کے ذرائع گہری طور پر آبادی اور غیر ساختہ ہیں. ٹیلی ویژن لائٹس، پلیٹ فارم واقعات، بینک ٹرانسمیشنز، اور آلات کی ٹیلی میٹرنگ کی ساخت ایک روایتی بورڈ رپورٹ کے طور پر نہیں ہے. وہ آوازیں، سائز ہیں، اور ادائیگی کے نمونوں سے بھرا ہوا ہیں. اس وقت، AI، خاص طور پر جدید مشین سیکھنے کی ضرورت ہے. عام زندگی چرچ ڈیٹا جمع کرنے سے شروع ہوتا ہے. قرض دہندگان کو ڈیٹا کی حفاظت کے قوانین اور گاہکوں کی براہ راست رضامندی کے حالات پر ٹیلی ویژن شراکت داروں، کھلی بینکنگ فائیز، payroll API، اور پلیٹ فارم شراکت داروں تک رسائی ہے. وہ خام ڈیٹا کو محفوظ ماحول میں جذب کرتے ہیں اور اسے معیاری بناتے ہیں. فون کی لوڈنگ سرگرمیوں، کیفے کریڈٹ، اور ای کامرس آرڈر کو منظم فارمیٹس کے ساتھ وقت سیریزوں میں تبدیل کیا جاتا ہے. غیر ضروری اختلالات اور دوبارہ نکال دیا جاتا ہے اور ناکام قیمتوں کو پروسیسنگ کیا جاتا ہے. اس سے، خصوصیات ڈیٹا سائنسدانوں کی طرف سے تعمیر کیا جاتا ہے. وہ صرف ایک ماڈل میں تمام خام ٹرانسمیشنز کو کھانا کھلانے کے بجائے مجموعی متغیر بناتے ہیں: اوسط ماہانہ نیٹ پیسہ؛ مہینوں کے حصے جہاں بچت مثبت ہے؛ کریڈٹرز کے لئے کوئی ادائیگی کی سب سے طویل مدتی مدت؛ کم آمدنی کے مہینوں؛ پلیٹ فارم کی آمدنی کی ترقی یا تباہی؛ کام ان خصوصیات کو ایک فرد کی اقتصادی زندگی کو اعداد و شمار میں دباؤ کرنے کی کوشش کر رہے ہیں جو ماڈل کی طرف سے ضائع کیا جا سکتا ہے. گریڈینٹ بڑھتی ہوئی درخت، رازداری جنگل، اور نیورل نیٹ ورک اس کے بعد مشین سیکھنے کے اعداد و شمار ہیں جو تاریخی اعداد و شمار پر تربیت کی جاتی ہیں جہاں نتائج پہلے سے ہی جانا جاتا ہے. کریڈٹ سکورنگ کے معاملے میں، نتیجہ عام طور پر ایک مقررہ وقت کے دوران، چھ یا دس ماہ کے طور پر قرض دینے والے کی طرف سے ایک غیر معمولی ہے. ماڈل کو خصوصیات کے مجموعات کو جاننے کے لئے ملتا ہے جو زیادہ یا کم خطرے کا اشارہ کرتا ہے. انسانی سپورٹرز کے درمیان پایا جانے والے ماڈل انسانی تفہیم کی طرف سے شناخت نہیں ہوسکتے تھے، جیسے کرنسی AUC، Gini مجموعہ، اور Kolmogorov-Smirnov اعداد و شمار کے طور پر پیمانے پر اختلاف کی طاقت کا اندازہ کرنے کے لئے استعمال کیا جاتا ہے، جبکہ کیبلنگ پلانٹس کا پتہ چلتا ہے کہ کیا پیش گوئی شدہ امکانات حقیقی معاوضہ کی شرحوں کے ساتھ ایک ہی ہیں. عنوان کے اعداد و شمار کے علاوہ، قرض دہندگان کو سیکشن کی بنیاد پر کارکردگی کو دیکھنے کی ضرورت ہے: نئے کریڈٹ کے مقابلے میں تجربہ کار قرض دہندگان، مختلف ملازمتوں، علاقوں، اور آمدنی کے گروپوں. تنصیب کے بعد، ماڈل اس وقت نئے طلباء کی درجہ بندی کرے گا، اور چند سیکنڈ کے اندر جواب دیا جائے گا. عمل وہاں ختم نہیں ہوسکتا. اعداد و شمار وقت کے ساتھ بدل جاتے ہیں، پلیٹ فارمز ان کی پالیسیوں کو ترقی کرتے ہیں 
 
 یہ کہانی HackerNoon کے کاروباری بلاگنگ پروگرام کے تحت Sanya Kapoor کی طرف سے جاری کی گئی تھی. This story was distributed as a release by Sanya Kapoor under  . HackerNoon’s Business Blogging Program HackerNoon کے کاروباری بلاگنگ پروگرام HackerNoon کے کاروباری بلاگنگ پروگرام

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

Read My Stories

یہ آڈیو کہانی کی اصل زبان میں تیار کی گئی ہے!

Thin File اور Informal Economy کے لئے AI-Powered کریڈٹ سکورنگ

About Author

تبصرے

ہینگ ٹیگز

یہ مضمون اس میں پیش کیا گیا تھا۔

Related Stories

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Urbain Grandier by Alexandre Dumas - Table of Links

On Sunday, the 26th of November, 1631

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Urbain Grandier by Alexandre Dumas - Table of Links

On Sunday, the 26th of November, 1631

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps