|
|
 |
|
|
 |
MoneyСare использует машинное обучение для прогнозирования одобрения кредитов
Кредитный брокер MoneyCare и компания Columbus создали модель прогнозирования на основе облачного сервиса Microsoft Azure Machine Learning. Использование решения позволяет оценить вероятность положительного ответа банка на запрос кредита
MoneyCare – единственный независимый кредитный брокер в России, не аффилированный ни с одним банком. Компания создавалась 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.
Современные технологии позволяют финансовым компаниям работать с большим набором данных быстрее и эффективнее, т.к. представляют собой совокупность различных методов обнаружения знаний. Например, машинное обучение — это очень комплексное применение статистики для поиска закономерностей в данных и создание на их основе прогнозов будущего поведения, результатов и тенденций.
Для повышения конверсии кредитных заявок компания MoneyCare решила сократить количество анкетных данных до минимально необходимых, а также создать модель, прогнозирующую вероятность положительного ответа банка. Определение минимального набора данных и построение прототипа компания MoneyCare доверила экспертам практики информационно-аналитических систем консалтинговой компании Columbus. Причина выбора партнера проста – Columbus подходит к решению задач концентрируясь на понимании бизнеса и проблем клиента, являясь для клиента драйвером использования новейших ИТ-решений и технологий.
“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,” - отмечает Евгений Лебедев, руководитель направления по развитию бизнеса облачных решений компании Columbus.
Выбирая платформу машинного обучения специалисты MoneyCare остановились на облачном сервисе Azure Machine Learning, который позволяет оперативно создавать и развертывать полнофункциональные прогнозные модели в качестве решений 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,” - комментирует Татьяна Делягина, менеджер по продвижению Data Insight компании Microsoft.
На первом этапе для MoneyCare был создан прототип классификатора в Azure Machine Learning, задача которого - отбор более 60% заявок на кредит с вероятностью одобрения более 80%. Используемые методы машинного обучения: дискриминантный анализ, регрессионный анализ, кластеризация, классификация на основе разделимости (SVM, ANN), а также алгоритмы сокращения размерности (PCA).
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,” - рассказывает Роман Михайлов, директор практики информационно-аналитических систем компании Columbus.
“Успех компании напрямую связан с тем, какую выгоду мы приносим нашим партнерам. Выгоду по всем показателям – временным, финансовым. Использование инновационных технологий является основой для получения этой выгоды. Columbus помогли нам получить еще одно конкурентное преимущество на рынке. Спасибо!” - дополняет Дмитрий Давыдов, директор по ИТ компании MoneyCare.
Контактное лицо: Александра (написать письмо автору)
Компания: Columbus (все новости этой организации)
Добавлен: 07:49, 20.06.2017
Количество просмотров: 641
Страна: Россия
| Банки.ру: снижение ключевой ставки возвращает интерес россиян к рефинансированию кредитов, Финансовый маркетплейс Банки.ру, 16:19, 03.08.2026, |
411 |
| За год Банк России уменьшил ключевую ставку с 19,7% до 14,25% годовых, а вслед за ней начали снижаться ставки по розничным кредитам. Также после сокращения интереса в III–IV кварталах прошлого года восстанавливается интерес заемщиков к рефинансированию. К таким выводам пришли аналитики финансового маркетплейса Банки.ру. |
|
| Свой Банк запустил white-label продукты для бизнеса, Свой Банк, 15:53, 03.08.2026, |
110 |
| Новое B2B2C-решение позволяет компаниям — от e-com и розничных сетей до любого бизнеса с платежным контуром — предлагать своим клиентам полный спектр финансовых продуктов под собственным брендом. |
|
| Индекс Банки.ру: спрос на кредиты за год вырос до 60% на фоне снижения ставок, Финансовый маркетплейс Банки.ру, 15:53, 03.08.2026, |
207 |
| Во II квартале 2026 года рынок розничного кредитования продолжил восстанавливаться. Жители России стали чаще подавать заявки на ипотеку, автокредиты и кредиты под залог недвижимости на фоне снижения ключевой ставки. К таким выводам пришли аналитики финансового маркетплейса Банки.ру, составив Индекс Банки.ру*, основанный на активности пользователей. |
|
|
|
|
|
|
|
Разделы //
Новости по странам //
Сегодня у нас публикуются //
|
|
