네 가능하고요, 더 짧게도 가능합니다.
데이터는 단독 또는 내부망으로만 운영되는 서버에서만 분석되고, 반출되지 않습니다.
네, 데이터만 충분하면 가능합니다.
머신러닝을 기반으로 한 예측분석은 다양한 분야에 적용 가능합니다. 데이터가 잘 축적되어있고, 예측하고자 하는 정보가 잘 데이터화되어있다면 충분히 가능합니다.
불량고객과 우량고객에 대한 변별력을 높여서 손해액을 감소하고, 수익을 높이는 것을 의미합니다.
금융사 데이터 마다 다르지만, 크게는 약 두 배 정도로 예측력이 향상되었습니다 (GINI, KS 기준입니다).
신용평가에서는 연체일수와, 주요 금융기관에서의 채무불이행 등록 여부, 개인회생 신청 여부 등의 금융 퍼포먼스 항목을 타겟으로 두고 있습니다. 저희 솔루션은 방대한 금융데이터를 분석하고, 이 데이터들이 앞서 말씀드린 타겟항목과의 패턴을 학습하여 해당 타겟항목을 예측하는 예측함수를 생성합니다. 예측함수는 타겟항목 정보들을 통해 예측 부도율을 산출하고, 이에 따른 고객 신용등급도 산출합니다. 머신러닝을 통한 신용심사 결과는 일반 모형의 신용심사 보다 정확하기 때문에, 금융사에서는 부도율을 감소하고, 신용승인율을 올릴 수 있습니다.
저희가 사용하는 데이터는 고객사의 내부 데이터와 신용평가사의 데이터입니다. 신용평가사 데이터는 전국의 모든 금융기관에서 부터 축적된 데이터를 포함합니다.
안녕하세요, 솔리드웨어입니다
