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

Prophix Imageprophix Nov 14, 2018, 3:23:00 AM
Penny AI Digital Assistant 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.
90% of data was created in the last four years 12.5% of staff time is lost in data collection
Em nossa página de recursos de IA em finanças, analisamos como a inteligência artificial pode ajudar os líderes financeiros a tomar essas decisões estratégicas baseadas em dados. Mas como a equipe financeira pode assumir essa nova função e ter tempo para manter as contas equilibradas? O desafio é desenvolver novas eficiências, liberando tempo e recursos para tarefas de próximo nível. A automação em finanças é uma parte crucial da mudança. A maioria dos departamentos financeiros já está automatizando alguns processos manuais repetitivos. Mas a automação está prestes a ficar muito mais inteligente. O aprendizado de máquina pode ajudar a tornar seu departamento mais eficiente e mais bem equipado para assumir um papel mais estratégico na organização. Continue lendo para aprender os fundamentos do aprendizado de máquina em finanças, os casos de uso do aprendizado de máquina em toda a organização e muito mais. Daniel Newman AI as business strategy

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.
Esses dois tipos de tecnologia têm um lugar no departamento financeiro moderno. Para explorar o lado da equação da IA, confira nossa página de recursos sobre inteligência artificial em finanças. Neste post, vamos nos concentrar no aprendizado de máquina. AI & machine learning in finance. What’s the difference?

Como funciona o aprendizado de máquina?

O aprendizado de máquina começa com um modelo, uma previsão que o sistema usará para começar a aprender. Esse modelo vem do ser humano que supervisiona o processo. Por exemplo, você pode ter uma previsão de que uma quantidade X de investimento em recursos humanos trará uma quantidade Y de receita. Esse é o ponto de partida para o aprendizado. Em seguida, o machine learner precisa de dados. Nesse caso, seriam dados históricos do valor investido em RH e o ROI de cada investimento. O aluno compara os dados com o modelo, avaliando se ele se encaixa bem e começa a fazer refinamentos no modelo. Em seguida, o processo se repete com novos dados. A cada rodada, a máquina ajusta o modelo para se adequar melhor aos dados. Nesse caso, a máquina melhoraria em prever o ROI do investimento em recursos humanos. Eventualmente, desenvolveria um modelo muito mais preciso do que uma estimativa humana poderia ser. Amazon stat{Observe que, para que esse processo funcione, você precisa de um bom modelo para começar e de muitos dados limpos e confiáveis, estruturados de forma que a máquina possa entendê-los.  O aprendizado de máquina geralmente funciona com modelos mais complexos do que o nosso exemplo, é claro. Seus modelos financeiros terão muito mais do que apenas dois tipos de dados para comparar. Os resultados finais da aplicação do aprendizado de máquina a modelos complexos podem ser impressionantes: o algoritmo de aprendizado de máquina da Amazon diminuiu o tempo de envio em 225%.

Introdução ao aprendizado de máquina em finanças

John Colthart, VP of Growth, Mindbridge Ai Trazer o aprendizado de máquina para seu departamento financeiro é uma próxima etapa necessária, mas ainda é uma grande etapa que exige um planejamento cuidadoso. A primeira coisa que você precisa é o problema certo para resolver — o projeto certo para servir como seu projeto de aprendizado de máquina. O projeto certo é algo essencial para suas operações, mas também demorado e repetitivo. E o aprendizado de máquina é melhor aplicado a processos que lidam com dados; quanto mais dados, melhor. How to use Machine Learning in Finance Faça do seu primeiro projeto uma “pequena aposta”. Você não precisa destinar milhões de dólares ou executar o piloto por anos seguidos. Escolha um processo que você possa tentar automatizar com aprendizado de máquina, obtenha resultados rapidamente e invista mais ou encontre um novo projeto em potencial. Depois que você identificar o projeto piloto certo, comece reunindo, higienizando e estruturando os dados. Isso pode incluir o treinamento da sua equipe (e de outras pessoas) sobre gerenciamento e higiene de dados. Se o pipeline do Dados ainda não estiver em ordem, esse é um pré-requisito. Mapeie o cenário, certifique-se de que você está trazendo Dados confiáveis e comece a partir daí.  Ao implementar o projeto piloto, é importante começar a desenvolver algumas habilidades. Você não precisa obter um diploma em ciência de dados, mas deve se familiarizar e familiarizar sua equipe com os principais conceitos e termos. Este glossário simples de ciência de dados é um bom primeiro passo, enquanto este glossário de aprendizado de máquina aborda termos mais avançados.

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. Netflix saved $1B through its AI/ML algorithmsCriando um caso de negócios. Começar aos poucos com um projeto piloto simples deve facilitar a venda. Concentre-se em como o projeto ajudará não apenas a aumentar a eficiência, mas também a mudar sua equipe de tarefas de baixo valor para tarefas de alto valor.
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

Jack McCulough of the CFO Leadership Council speaks on AI 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.
 O aprendizado de máquina já está desempenhando um papel na evolução do departamento financeiro, pois a tecnologia finalmente está acessível, disponível comercialmente e fácil de implantar. O escritório de finanças deve adotar a tecnologia de aprendizado de máquina para aumentar a eficiência, automatizar tarefas repetitivas e liberar recursos para assumir uma função mais estratégica na organização. Ever business can benefit from AI says Oliver Christie Pronto para a próxima evolução? Saiba como a inteligência artificial aprimorará o escritório financeiro com nossa página de recursos, Activating Imagination: Artificial Intelligence & Machine Learning in Finance. Fontes Automation in Finance: Machine Learning, AI and Beyond:
  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
Prophix Image

prophix

Ambitious finance leaders engage with Prophix to drive progress and do their best work. Leveraging Prophix One, a Financial Performance Platform, to improve the speed and accuracy of decision-making within a harmonized user experience, global finance teams are empowered to step into the next generation of finance with no reservation. 

 Crush complexity, reduce uncertainty, and illuminate data with access to best-in-class automated insights and planning, budgeting, forecasting, reporting, and consolidation functionalities. Prophix is a private company, backed by Hg Capital, a leading investor in software and services businesses. More than 3,000 active customers across the globe rely on Prophix to achieve organizational success.

Exibir tudo