U banci se dnevno donose tisuće odluka temeljenih na različitim algoritmima. Kakav proizvod ponuditi klijentu? Koja ponuda najviše odgovara njegovim potrebama? Hoće li klijent, ako mu odobrimo kredit, uredno ispunjavati svoje financijske obaveze?
Kako iz podataka koje godinama prikupljamo možemo predvidjeti buduće događaje, unaprijediti odnose s klijentima i smanjiti rizike svakodnevnog poslovanja? U tome nam pomažu različite tehnike strojnog učenja i razvoj kompleksnih matematičkih modela koji prepoznaju skrivene veze u podacima. Korištenje umjetne inteligencije u financijskoj industriji postaje sve zastupljenije, a time rastu i ulaganja u to područje.
U PBZ-u već godinama koristimo Machine Learning modele u upravljanju kreditnim rizikom i upravljanju odnosa s klijentima (CRM). U suradnji s FER-om radimo na višegodišnjem razvojno-istraživačkom projektu fokusiranom na Deep Learning modeliranju u području upravljanja rizicima.
Izgradili smo interni Data science tim koji čini grupa doktora i inženjera matematike te inženjera elektrotehnike i računarstva. Tim istražuje dosege i mogućnosti primjene različitih Deep Learning i ostalih arhitektura kod donošenja poslovnih odluka u realnom vremenu te integraciju razvijenih modela u postojeće procese i sustave. Modele razvijamo koristeći Anaconda distribuciju (Python programiranje, Tensorflow i Numpy paketi), a od infrastrukture GPU i Big Data cluster s Cloudera distribucijom.
Trajni nam je cilj biti u koraku s vremenom, te korištenjem naprednih tehnologija i istraživanjem novih mogućnosti graditi znanje i dati našim poslovnim procesima i odlukama dodatnu vrijednost.
Primjena umjetne inteligencije u bankarstvu bit će i tema predavanja koje će na .debugu održati član Uprave PBZ-a nadležan za područje operativnog poslovanja te koordinator društva Grupe PBZ u dijelu poslova informacijske tehnologije i operacija, Draženko Kopljar.
Više o svemu saznajte na .debug konferenciji 12. i 13. prosinca 2019.
