HPC i AI za personalizovano bankarstvo
PROBLEM/IZAZOV
Crnogorska kompanija Fleka i Fakultet informacionih sistema i tehnologija UDG, rade na projektu „Personalizovana softverska rješenja za bankarstvo“, koji je djelimično finansiran od strane Inovacionog fonda Crne Gore. Projekat je usredsređen na razvoj skupa SaaS rešenja, zasnovanih na mašinskom učenju i prikupljanju podataka, što će omogućiti finansijskim institucijama i drugim kompanijama da značajno unaprede personalizovane bankarske i platne usluge za svoje klijente. Fleka je prethodno razvila SKEN mobilnu aplikaciju, praćenje ličnih troškova koji korisnicima pomaže da prate svoju potrošnju skeniranjem fiskalnih računa koje sistem automatski kategorizira.
RJEŠENJE:
Ovo novo rešenje ima za cilj da se integriše sa njihovim postojećim mBanking i eBanking aplikacijama, uz minimalan napor, i omogućiće svojim klijentima da vide svoje transakcije u novom svetlu. Umjesto da je vide samo kao kronološku listu, moći će imati detaljan uvid, uključujući i analizu rashoda po kategorijama, bez potrebe za dodatnim naporima u ime korisnika. Sistem će uspjeti da automatski kategorizira svaku transakciju koristeći dostupne javne informacije, crowdsourced inpute i obavještajne podatke i, što je najvažnije, modele mašinskog učenja. Konzorcij je zajednički razvio napredni sistem mašinskog učenja koji će značajno poboljšati postojeću kategorizaciju troškova. Koristi ogroman skup podataka prikupljenih aplikacijom SKEN i primjenjuje znanje tima, kao i ekspertizu izvedenu iz istraživanja u nauci o podacima i mašinskom učenju (ML) koju posjeduju stručnjaci HPC Montenegro.
Stručnjaci Fakulteta za informacione sisteme i tehnologije (FIST) UDG i NCC Montenegro razvili su algoritam za ML klasifikaciju zasnovan na NLP-u. Algoritam analizira prikupljene podatke i klasifikuje ih u unapred definisane kategorije (hrana, piće, usluge…) na osnovu anotiranih skupova podataka. Generisani izveštaji će obezbediti sastavljen i detaljan pregled troškova po kategorijama, kupcima i kompanijama.
BENEFITI:
- Personalizacija: Integracija mašinskog učenja i prikupljanja podataka u bankarski softver omogućit će veću personalizaciju u bankarskim i platnim uslugama. Klijenti mogu dobiti prilagođene uvide i preporuke na osnovu njihovih obrazaca potrošnje, što im omogućava da donose bolje informisane finansijske izbore/odluke.
- Poboljšano korisničko iskustvo: Uz automatsku kategorizaciju transakcija klijenti mogu lako razumjeti svoje potrošačke navike i finansijske trendove, doprinoseći njihovoj boljoj finansijskoj disciplini i planiranju.
- Poslovne odluke vođene podacima: Za finansijske institucije i kompanije, kategorizirani i analizirani podaci mogu ponuditi vrijedan uvid u ponašanje kupaca i preferencije potrošnje. Ovi podaci podržavaju strateške odluke vezane za ponudu proizvoda, marketinške kampanje, ciljanje kupaca, finansijsko upravljanje.