گزارش رویداد: سخنرانی مدیر تیم تحلیل داده و هوش مصنوعی شرکت داتا در پنجمین فیسکاپ
در جریان برگزاری رویداد تخصصی فیسکاپ ۱۴۰۳، «فردین صبوری»، مدیر تیم تحلیل داده و هوش مصنوعی شرکت داتا (داده و اعتبارسنجی تجارت ایرانیان)، در پنل تخصصی حوزههای تحلیل داده و فناوریهای نوین بانکی، گزارشی از مسیرهای طیشده و پروژههای کلیدی شرکت داتا در دو سال اخیر ارائه داد. این سخنرانی در بخش «ریورس پیچ» رویداد انجام شد؛ بخشی که به ارائه تجربیات واقعی و چالشهای فنی شرکتها در مسیر توسعه فناوری اختصاص دارد.
درباره رویداد فیس کاپ
فیسکاپ (FaceCup)رویدادی در حوزه هوش مصنوعی است که از سال ۱۳۹۹ به صورت سالانه با تمرکز بر فناوری بازشناسی چهره برگزار میشود. این رویداد با ایجاد محیط رقابتی مشابه مسابقه بینالمللی FRVT در میان شرکتکنندگان با هدف شناسایی افراد و تیمهای مستعد با سناریو مشخص برگزار میشود.
اسفندماه ۱۴۰۳ فیسکاپ برای پنجمین سال متوالی برگزار شد و در رویداد اختتامیه آن که در سالن همایش هتل قلب برگزار شد، فعالان، متخصصان و علاقهمندان حوزه هوش مصنوعی کشور حضور داشتند.
مروری بر پروژههای داتا
صبوری در ابتدای سخنرانی خود، با اشاره به تدوین نقشه راه دادهمحور در بانک تجارت، اظهار کرد: «در این دو سال با نیازسنجی و شناسایی چالشهای بانک، پروژههایی در دستهبندیهای مختلف از جمله سودآوری، مدیریت مکانی شعب و دستگاهها، سیستمهای پیشنهادگر محصولات، تخمین نقدینگی، کشف تقلب، اعتبارسنجی مشتریان، و هوش تجاری محاورهای تعریف شدهاند».
این پروژهها نهتنها در پاسخ به نیازهای فعلی بانک طراحی شدهاند، بلکه با رویکرد آیندهنگرانه و هدف بهرهوری بیشتر، کاهش هزینه و سودآوری به اجرا درآمدهاند.
اعتبارسنجی: تمرکز بر پروژهای متفاوت
در بخش اصلی سخنرانی، صبوری به مدل داخلی اعتبارسنجی متقاضیان تسهیلات که یکی از مهمترین پروژههای در حال اجرا در بانک تجارت است پرداخت و گفت: «ما در حال توسعهی مدلی بومی برای پیشبینی نکول، شناسایی ریسک مشتریان و بهینهسازی فرایند تسهیلاتدهی هستیم. این مدل با درنظرگرفتن تاریخچه حساب، رفتار مالی، طول رابطه با بانک و دیگر شاخصهای داخلی، توسعه یافته و از الگوریتمهای متنوع کلاسیک تا مدرن بهره میبرد.»
او همچنین به تفاوت مدل پیشنهادی داتا با مدلهای عمومی فعلی اشاره کرد و گفت: «مدلهای موجود در سطح شبکه بانکی عمدتا دیدی کلی و غیرشخصی دارند. اما ما در بانک تجارت این مسئولیت را داریم که مشتری خود را بهتر بشناسیم.»
چالشهای زیرساختی و پاسخ داتا
صبوری با اشاره به مشکلات رایج در مسیر پیادهسازی پروژههای مبتنی بر داده در کشور، از کمبود زیرساخت، کیفیت پایین داده، و محدودیتهای پردازشی یادکرد. اما خبر خوش او برای جامعه فناوری بانکی این بود که: «زیرساخت پردازشی بانک تجارت با حمایت واقعی مدیران ارشد، به شکل قابلتوجهی توسعه یافته است. این زیرساخت در بین بانکهای کشور کمنظیر است و آماده پشتیبانی از پروژههای هوش مصنوعی و تحلیل داده با مقیاس بالا است.»
کاهش ۷۰درصدی نرخ نکول با بهرهگیری از مدلهای یادگیری ماشین
وی با اشاره به یکی از پروژههای اعتبارسنجی، با استفاده از مدلهای یادگیری ماشین نظیر XGBoost، Random Forest، KNN، SVM، MLP و شبکههای عصبی بازگشتی اشاره کرد: «ما موفق شدیم نرخ نکول را بهصورت معناداری کاهش دهیم. در این مورد خاص، نسبت نکول اولیه حدود ۲۵ درصد بود؛ بهعبارت دیگر، از هر چهار مشتری، یک نفر دچار نکول میشد. مدل توسعهیافته ما با تحلیل دادههای رفتاری مشتریان توانست تنها با کاهش ۲۵درصدی در میزان تسهیلات اعطایی، نرخ نکول را تا ۷۰درصد کاهش دهد. این دستاورد در شرایطی بهدست آمد که تنوع بالای مشتریان و تغییرات ناگهانی در رفتار آنها تحلیل را با چالشهایی جدی مواجه کرده بود.»
هوش تجاری محاورهای: گامی بهسوی آینده
صبوری از تلاشهای بانک تجارت برای توسعه دستیارهای هوشمند مبتنی بر چتباتها و مدلهای زبانی نیز سخن گفت: «مدیران ارشد بانک خواهان دسترسی سریع، دقیق و محاورهای به دادههای ما هستند. ما نیز در این مسیر گامهای اولیه را برداشتهایم و بهزودی شاهد بهرهبرداری گسترده از این ابزارها در بانک خواهیم بود.»
سخن پایانی
در پایان این سخنرانی، صبوری ضمن دعوت از متخصصین حاضر برای مشارکت در پروژهها، خاطرنشان کرد: «موفقیت هر پروژه در نهایت به کیفیت داده، قدرت پردازش، و تخصص افرادی که آن را اجرا میکنند بستگی دارد. ما در داتا تلاش کردهایم هر سه این مؤلفهها را جدی بگیریم.»
این سخنرانی که ویدئوی آن را در بالا مشاهده میکنید، با استقبال قابلتوجه حاضران در رویداد فیسکاپ مواجه شد و امید میرود مسیرهای ترسیمشده و سامانه اعتبارسنجی هوشمند داتا که در آینده نزدیک رونمایی میشود، گامی مؤثر در ارتقای سطح خدمات و بهرهوری بانک تجارت و به طور کلی صنعت بانکی و مالی کشور باشد.