18.217.67.225

MoneyMan: основным элементом для применения машинного обучения в управлении рисками является идентификация клиента

22 ноября 2016

18 Ноября в Москве в Digital October состоялся 1-й финансовый форум о нейросетях, искусственном интеллекте и машинном обучении FinMachine-2016. В конференции принял участие портфельный риск-менеджер финтех холдинга ID Finance Александр Лазарин.

В мероприятии приняли участие крупнейшие банки, платежные системы и IT-компании.

В процессе дискуссии участники форума делились своими мнениями по внедрению машинного обучения в задачи бизнеса и IT, качеству оценки клиентов и борьбе с фродом, а также успешными кейсами по внедрению Machine Learning.

В сессии «Применения Machine Learning в управлении рисками, скоринге и андеррайтинге» принял участие портфельный риск-менеджер финтех холдинга ID Finance Александр Лазарин.

Доклад был посвящен машинному обучению в розничных кредитных рисках на примере Польши. Напомним, что сегодня ID Finance, самыми известными активами которого являются сервис онлайн-кредитования MoneyMan и ведущий автоматический сервис онлайн-POS-кредитования AmmoPay, работает не только в Польше, но и в России, Казахстане, Грузии и Испании.

В сессии «Применения Machine Learning в управлении рисками, скоринге и андеррайтинге» принял участие портфельный риск-менеджер финтех холдинга ID Finance Александр Лазарин

В ходе своего выступления Александр отметил, что одним из основных элементов для применения машинного обучения в управлении рисками является идентификация клиента. Например, уже сегодня технологии ID Finance позволяют отследить не только изменения в поведении клиента при оформлении займа на сайте, но и нестандартные транзакции заемщика, изменения его геолокации, а также выявлять закономерности в поведении мошенников.

По словам Александра Лазарина, основной риск для любой кредитной организации – закредитованность клиента. Если ранее платежеспособность заемщика определялась в ручном режиме, то сегодня это делают машины, которые могут рассчитать точный уровень платежеспособности клиента на основе нескольких тысяч параметров.

Вернуться к списку новостей