資料和模型的複雜世界：AI 和分析策略在金融服務和科技行業的重要性
介紹
在當今的市場中，AI 和分析策略對於金融服務公司而言至關重要，而這一切都歸結於資料。在一場 VB Spotlight 活動中，Envestnet | Yodlee 的資料科學和創新主管 Om Deshmukh、Enova 的 CTO 和 CAO Joe DeCosmo 以及 Jack Henry & Associates 的企業戰略總監 Nicole Harper 共同探討了決定戰略性 AI 使用案例和選擇正確資料之間的關鍵聯系。他們指出，這是一項比大多陣列織意識到的更為複雜的任務。解決問題的關鍵
Deshmukh 表示：“任何能夠獲得資料的問題都可以透過使用機器學習技術解決，但這是否意味著應該解決每個問題？絕對不是。”他指出，有兩個考慮因素。首先要確保那些能夠提供實質洞察力的問題。其次要確保組織能夠獲得可靠、具有普遍性並且可以豐富的資料，以獲取特定的洞察力。例如，Envestnet | Yodlee 建立了可擴充套件的專有算法，分析消費者的金融交易資料，甚至到微觀層面，比如他們多久去餐廳或訂購外賣。在此基礎之上，它提供個性化的洞察力，以豐富顧客與金融機構的互動，例如金融建議和推薦，並幫助機構確保客戶的需求。 Harper 說：“我們知道應用 AI 和機器學習技術改善體驗的機會是巨大的，但受到規範管理的金融機構正在謹慎前進並獲得經驗，風險也很高。”她解釋說：“我們透過發展一種優先處理使用案例的方法來降低風險。考慮使用基於價值的方法來評估和評分不同的使用案例。該業務挑戰是什麼？”如果這個問題可以透過 AI 解決，關鍵是明確目標，無論是改善客戶體驗、增加收入還是提高效率。應用正確的資料
DeCosmo 表示：“在我們推進任何型別的資料驅動解決方案之前，我們確保我們有一個明確的業務挑戰和使用案例。這進一步影響我們收集資料的方式和構建我們將要使用的資料樣本的方法。”同樣重要的是，必須有一個無偏的樣本，能夠很好地代表機構所要確保的行為。Deshmukh 指出：“這是一個經典的垃圾進，垃圾出的情況。這是一句耳熟能詳的格言，但往往被忽視。”他解釋說：“經常有商業壓力只是建立模型並展示一些結果。我們竭盡全力確保我們的資料在多個不同分層維度上進行樣本抽檢，以確保我們得出的洞察力確實是具有普遍性的，不僅僅是在我們關心的維度上，還包括今天尚未看到的，但在幾個月後可能變得重要的維度。”選擇正確的資料合作夥伴
DeCosmo 表示機器學習和自動化決策已經成為 Enova 的一部分，推動了每個接觸點的決策。作為金融機構，資料的可靠性和相關性至關重要。他解釋說：“對於我們融入的資料和外部資料，我們都儘可能地進行選擇。現在有無盡的資料供應，所以我們在與資料合作夥伴合作時非常謹慎，因為我們也對他們抱有信任，相信他們為我們提供了優質的資料產品。” Harper 補充說，AI 是一項團隊運動，需要與資料、AI 平臺和金融科技合作夥伴形成生態系統的方法。組織需要明智地選擇合作夥伴，並且要為創新而選擇這些合作夥伴，尤其在資金緊缺的情況下。“在選擇你想要合作的金融科技公司時，他們需要是可行、可持續的，並且有良好的營運前景，因為他們可能會面臨一些逆風。”她解釋道：“這也加固了第三方的盡職調查的重要性，約束並降低合作夥伴的風險。但是這是一個龐大的生態系統。”結論
資料和模型在 AI 和分析策略中的作用是不可忽視的。確保戰略性 AI 使用案例和選擇正確資料是金融服務和科技行業成功實施 AI 倡議的關鍵。要做到這一點，組織需要深思熟慮，採取系統化的方法，確保能夠提供實質洞察力的問題，並確保能夠獲得可靠、通用且能夠豐富的資料。同時選擇正確的資料合作夥伴和建立生態系統化方法也是至關重要的。只有透過這樣的方法，金融機構才能在 AI 和分析策略中發揮其潛力，提供更好的顧客體驗，推動收入增長和提高效率。來源：
Envestnet | Yodlee 透過 Enova 和 Jack Henry & Associates 的 VB Spotlight 活動：《在金融服務和科技行業中成功實施 AI 和分析策略的複雜世界》 關鍵詞：資料分析、機器學習、資料挖掘、模型訓練、使用案例Connection-資料分析、機器學習、資料挖掘、模型訓練、使用案例
