Automação em finanças: aprendizado de máquina, IA e muito mais

O Big Data é um grande negócio para as empresas do século XXI. A corrida é para coletar mais dados, processá-los em Insight e sair na frente da concorrência. O escritório de finanças trabalha com os maiores dados da organização. À medida que as empresas buscam se tornar mais orientadas por dados, elas buscam que o departamento financeiro se torne um consultor estratégico. On our AI in finance resource page, we dove into how artificial intelligence can help finance leaders make these strategic, data-driven decisions. But how can the finance team take on that new role and have time to keep the books balanced? The challenge is to develop new efficiencies, freeing up time and resources for next-level tasks. Automation in finance is a crucial part of the change. Most finance departments are already automating some repetitive manual processes. But automation is about to get a lot smarter. Machine learning can help make your department more efficient, better equipped to take on a more strategic role in the organization. Read on to learn the fundamentals of machine learning in finance, use cases for machine learning throughout the organization, and more.

Os fundamentos do aprendizado de máquina em finanças

Aprendizado de máquina versus inteligência artificial

É fácil se confundir com a terminologia em torno da inteligência artificial e do aprendizado de máquina. É uma tecnologia nova e em rápido desenvolvimento, e ainda estamos desenvolvendo o vocabulário para falar sobre ela. Isso é especialmente verdadeiro para os fornecedores — o marketing também desempenha um papel na linguagem que usamos. Aqui está o que você precisa saber.  A inteligência artificial e o aprendizado de máquina costumam ser usados de forma intercambiável, mas são coisas um pouco diferentes:

• Inteligência Artificial se refere a uma máquina (geralmente um software) que pode se adaptar a novas situações sem instrução humana. As máquinas de IA não estão limitadas pelo que foram programadas para fazer.
• O aprendizado de máquina é um método para criar máquinas capazes de aprender e criar suas próprias regras para entender dados.

Both of these types of technology have a place in the modern finance department. To explore the AI side of the equation, check out our resource page for artificial intelligence in finance. For this post, we’ll focus on machine learning.

Como funciona o aprendizado de máquina?

Machine learning starts with a model, a prediction the system will use to begin learning. This model comes from the human overseeing the process. For example, you might have a prediction that X amount of investment in human resources will bring in Y amount of revenue. That’s the starting point for learning. Next, the machine learner needs data. In this case, it would be historical data of the amount invested in HR and the ROI for each investment. The learner compares the data to the model, evaluating how well it fits, and begins to make refinements to the model. The process then repeats with fresh data. Each go-round, the machine adjusts the model to more closely fit the data. In this case, the machine, would get better at predicting the ROI of human resources investment. It would eventually develop a model far more accurate than a human estimation could be. Note that for this process to work,you need a good model to start with, and plenty of clean, trusted data that is structured so the machine can understand it.  Machine learning usually works with more complex models than our example, of course. Your finance models will have far more than just two types of data to compare. The end results of applying machine learning to complex models can be striking: Amazon’s machine learning algorithm decreased shipping time by 225%.

Introdução ao aprendizado de máquina em finanças

Bringing machine learning into your finance department is a necessary next step — but it’s still a big one that requires careful planning. The first thing you need is the right problem to solve — the right project to serve as your machine learning project. The right project is something that’s essential to your operations, but also time-consuming and repetitive. And machine learning is best applied to processes that deal with data; the more data, the better. Make your first project a “small bet.” You don’t need to earmark millions of dollars or run the pilot for years at a time. Choose a process that you can try automating with machine learning, get results fast, and either invest more or find a new potential project. Once you identify the right pilot project, start by gathering, sanitizing, and structuring the data. This may include training your team (and beyond) on data management and hygiene. If your data pipeline isn’t in order yet, that’s a prerequisite. Map the landscape, make sure you’re bringing in trusted data, and start from there.  As you implement the pilot project, it’s important to begin developing a few skills. You don’t have to go get a degree in data science, but you should familiarize yourself and your team with the key concepts and terms. This simple data science glossary is a good first step, while this machine learning glossary gets into more advanced terms.

Desafios do aprendizado de máquina em finanças

Há três fatores a serem considerados durante qualquer grande mudança: pessoas, processos e tecnologia. Para o aprendizado de máquina, a tecnologia é a parte mais fácil: as soluções disponíveis comercialmente tendem a ser personalizáveis, fáceis de trabalhar e com uma curva de aprendizado amigável. Isso faz com que as pessoas e os processos entrem em ordem. Esteja preparado para enfrentar esses três desafios mais comuns:

1. Gerenciamento de dados. Como dissemos, o aprendizado de máquina requer uma grande quantidade de dados de alta qualidade. A máquina é tão boa quanto os dados que você fornece a ela. A maioria das organizações tem um cenário de dados amplo e disperso, em várias soluções de nuvem, On-premise e até mesmo em dispositivos individuais. É importante mapear o cenário de dados e garantir um pipeline de dados confiáveis.
2. Resistência à mudança. Qualquer grande mudança vai inspirar algum nível de incerteza. Com a IA e o aprendizado de máquina, há ainda mais ansiedade; as pessoas tendem a sentir que as máquinas as tornarão obsoletas. Ajude sua equipe a ver o aprendizado de máquina como um aprimoramento, não um substituto. O aprendizado de máquina pode realmente melhorar a qualidade de vida dessas pessoas; elas estarão livres para realizar trabalhos mais significativos, desafiadores e interessantes de maior valor para a organização.
3. Making a business case. Starting small with a simple pilot project should make for an easier sell. Focus on how the project will help not only increase efficiency, but also shift your team from low-value to high-value tasks.

Se a liderança não conseguir ver imediatamente o potencial do seu projeto de aprendizado de máquina, diga a eles como a Netflix economizou um bilhão de dólares com o aprendizado de máquina:

Casos de uso do mundo real para aprendizado de máquina em finanças

Ainda não sabe por onde começar? As funções financeiras a seguir são ideais para seu primeiro experimento de aprendizado de máquina.

• Faturamento: identifique as informações ausentes/incompletas e entre em contato automaticamente com os clientes para preencher os espaços em branco.
• Auditoria de declarações de despesas: processe a maior parte das solicitações de rotina, identifique exceções na intervenção humana
• Conciliação de contas: Compare dados de várias fontes para consolidar.
• Reporting: Compilar dados de fontes para criar relatórios simples
• Detecção de fraude: Identifique padrões incomuns/extras em dados financeiros que possam indicar fraude.

 Machine learning is already playing a role in the evolution of the finance department, as the technology is finally affordable, commercially available, and easy to deploy. The office of finance should embrace machine learning technology to increase efficiency, automate repetitive tasks, and free up resources to take on a more strategic role in the organization. Ready for the next evolution? Learn how artificial intelligence will enhance the office of finance with our resource page, Activating Imagination: Artificial Intelligence & Machine Learning in Finance.   Sources:

1. https://www.callcredit.co.uk/contact-us/campaign-ebook-data-dilemma
2. https://www.mckinsey.com/~/media/McKinsey/Industries/Advanced%20Electronics/Our%20Insights/How%20artificial%20intelligence%20can%20deliver%20real%20value%20to%20companies/MGI-Artificial-Intelligence-Discussion-paper.ashx
3. https://www.mediapost.com/publications/article/291358/90-of-todays-data-created-in-two-years.html
4. https://www.fool.com/investing/2016/06/19/how-netflixs-ai-saves-it-1-billion-every-year.aspx