Использование современных технологий позволит компании повысить конверсию кредитных заявок за счет сокращения количества анкетных данных до минимально необходимых и инструментов прогнозной аналитики.
Точное прогнозирование – ключевая ступень к успеху на финансовом рынке. Microsoft Azure Machine Learning предоставляет интерактивное визуальное рабочее пространство, упрощая создание, тестирование и, самое главное, развертывание для последующего использования моделей прогнозной аналитики,
— отмечает Татьяна Делягина, менеджер по продвижению Data Insight компании Microsoft.
На первом этап для MoneyCare экспертами практики информационно-аналитических систем консалтинговой компании Columbus был создан прототип классификатора в Azure Machine Learning. Используя такие методы машинного обучения, как дискриминантный анализ, регрессионный анализ, кластеризация, классификация на основе разделимости (SVM, ANN), а также алгоритмы сокращения размерности (PCA), прототип позволяет отобрать более 60% заявок на кредит с вероятностью одобрения более 80%.
Использование облачных решений позволяет быстро развернуть желаемую инфраструктуру с минимальными инвестициями. Облачные технологии открывают широкое поле для экспериментов и позволяют подбирать наиболее эффективные варианты самых инновационных решений. Например, использовать машинное обучение для прогнозирования, не вкладываясь в развитие вычислительных мощностей или аналитических инструментов,
— комментирует Евгений Лебедев, руководитель направления по развитию бизнеса облачных решений компании Columbus.
Второй частью проекта стало обучение сотрудников MoneyCare принципам работы и совместный воркшоп по совершенствованию прототипа. В этот этап вошло консультирование по настройке моделей в Azure Machine Learning, типовым задачам машинного обучения, а также определение следующих шагов по улучшению прототипа.
Несмотря на популярность темы, реализованных проектов по машинному обучению не так много. Во-первых, сказывается плохое качество исходных данных – информации, которая может быть использована для прогнозирования, зачастую просто нет. Вторая проблема – дефицит кадров. Можно спроектировать любой прототип, вопрос в том, кто его будет потом использовать. Нашей задачей было не просто создание модели прогнозирования при помощи средств машинного обучения - необходимо было обучить внутри заказчика специалиста Data Science, способного развивать модель, тестировать на ней новые гипотезы и адаптировать параметры к изменяющимся условиям внешней среды. Я думаю, у нас получилось,
— отмечает Роман Михайлов, директор практики информационно-аналитических систем компании Columbus.
Кредитный брокер MoneyCare был создан в 2013 году как проект торговой сети бытовой техники и электроники «Эксперт» для самостоятельного управления финансированием покупок клиентов, после того как выявилось, что ритейлер теряет до 25% всех клиентов, обратившихся за потребительским кредитом. Сейчас с платформой MoneyCare работают более 2000 партнеров, а текущий пул банков – это 90% рынка в целевых сегментах.
Успех компании напрямую связан с тем, какую выгоду мы приносим нашим партнерам. Выгоду по всем показателям – временным и финансовым. Использование инновационных технологий является основой для получения этой выгоды. Columbus помогли нам получить еще одно конкурентное преимущество на рынке. Спасибо!
— подводит итоги проекта Дмитрий Давыдов, директор по ИТ компании MoneyCare.