Новости

Сбербанк расскажет, как стать Data Driven корпорацией и сделать модели умнее экспертов

Бизнес-кейсы и не только.

06 июля 2017, 12:10

2 минуты

Автор:

Процесс исследования данных и разработки моделей machine learning для оптимизации прикладных бизнес-задач в Сбербанке вышел на промышленный уровень. Появилась инфраструктура, позволяющая минимизировать временные затраты на поставку данных, обеспечить системный подход к контролю их качества, расширить ассортимент данных, доступных для анализа. Увеличилось число решений, принимаемых в парадигме data driven.

13 июля в рамках конференции «Скоринг-2017» Максим Еременко, старший управляющий директор, главный исследователь данных Сбербанка, расскажет, с какими основными вызовами приходится встречаться организации при переходе в парадигму data driven:

как внедрить единый подход к исследованию данных в бизнес задачах;
как сформировать и развить data science-команду;
как оценить эффективность решений, принимаемых на основе аналитики данных.

«Парадигма data driven означает, что корпорация активно использует аналитику данных для моделирования и последующего принятия решений. Но все не так просто. Во-первых, компания должна быть уверена в том, что решение, принимаемое на основе моделей точнее и эффективнее, чем решение, которое принимает эксперт с большим опытом и хорошей компетенцией. Во-вторых, она должна обладать соответствующими технологиями. И в-третьих, нарастить экспертизу в области data science, ключевой компетенции, которая требуется для перехода на принятие решений с помощью моделей», — поясняет Максим Еременко.

«Если еще год назад мы в основном говорили о применении методов машинного обучения и так называемых «самообучающихся» систем в задачах риск-менеджмента, то сегодня инструментарий активно используют аналитики в бизнес-подразделениях, сервисных функциях», — добавляет он.

С помощью использования нейронных сетей банку удалось научиться предсказывать транзакции клиентов и не только. В своем выступлении Максим Еременко представит 3 бизнес-кейса на основе машинного обучения и data science:

Планирование финансовых целей на основе показателей риск-доходность.
Обучение диалоговых систем для чатботов и виртуальных помощников.
Использование нейронных сетей для предсказания профиля трат клиентов.

Кроме того, будет представлен кейс применения психометрического скоринга — принципиально нового способа изучения поведения клиентов банка.

Выступление пройдет в рамках конференции «Скоринг-2017. Инновации. Новые данные. Удаленная идентификация». Посмотреть подробную программу и зарегистрироваться можно тут.

Партнерский матариал.

Подписаться на телеграм-канал