Добавить в корзинуПозвонить
Найти в Дзене
FutureBanking

Как оптимизировать бизнес-процессы с помощью ML: кейс ВТБ

Одним из результатов запуска платформы GeoAutoML в банке стало сокращение сроков рассмотрения заявки на финансирование застройщиков в 3 раза: с 1 месяца до 10 дней. Как этого удалось добиться с помощью платформенного подхода и совмещения инструментов геоаналитики и машинного обучения, рассказывает Юлий Шамаев, начальник управления моделирования партнёрств и ИТ-процессов департамента анализа данных и моделирования Банка ВТБ. Оценка стоимости объектов недвижимости входит в число классических задач в области как геопространственного анализа, так и машинного обучения, однако универсального решения, учитывающего все аспекты и специфику рынка недвижимости, не существует до сих пор. Так, например, цены на недвижимость в России имеют выраженную региональную специфику, подвержены макроэкономическим колебаниям и сильно варьируются в зависимости от качества и расположения объекта.
Таким образом, для корректного ответа на вопрос о стоимости объекта недвижимости нам потребовалось решить

Одним из результатов запуска платформы GeoAutoML в банке стало сокращение сроков рассмотрения заявки на финансирование застройщиков в 3 раза: с 1 месяца до 10 дней. Как этого удалось добиться с помощью платформенного подхода и совмещения инструментов геоаналитики и машинного обучения, рассказывает Юлий Шамаев, начальник управления моделирования партнёрств и ИТ-процессов департамента анализа данных и моделирования Банка ВТБ.

Оценка стоимости объектов недвижимости входит в число классических задач в области как геопространственного анализа, так и машинного обучения, однако универсального решения, учитывающего все аспекты и специфику рынка недвижимости, не существует до сих пор. Так, например, цены на недвижимость в России имеют выраженную региональную специфику, подвержены макроэкономическим колебаниям и сильно варьируются в зависимости от качества и расположения объекта.
Таким образом, для корректного ответа на вопрос о стоимости объекта недвижимости нам потребовалось решить ряд статистических, геоаналитических и алгоритмических задач.

С этой целью и был разработан сервис геоаналитики для оценки новостроек. В его основе — универсальная платформа геоаналитики, позволяющая сопоставлять более 1000 слоёв данных из банковской сферы, телекома и digital-сервисов. В решении используется обезличенная информация о жителях аналогичных домов, а также районов со схожей транспортной инфраструктурой, имеющих похожие интересы, структуру доходов и расходов и т. д.

В чём особенность проекта?

Проект строится на базе трёх платформ:

1)    геоаналитики (Geo);

2)    автоматического обучения моделей (AutoML);

3)    MLOps-платформы (Scibox).

У каждой из них своя задача в рамках бизнес-процесса. Мы смогли объединить их, достичь синергии и внести дополнительную ценность в проект...

Продолжение читайте на https://futurebanking.ru/post/4063

29 февраля на форуме FinCore`24 Юлий Шамаев расскажет, как платформенный подход и архитектура ИИ позволяют ускорять существующие бизнес-процессы и как объединить работу дата-инженера, датасаентиста, геоаналитика и MLOps-инженера в одном пространстве. Сайт и программа форума