金融サービス
金融サービス企業のデータサイエンスチームは、DataRobot を使って ML ライフサイクルの面倒な作業を自動化することで、ビジネスインパクトに注力するための時間とツールを確保できるようになります。DataRobot のお客様は、モデルに対する理解、管理、評価を強化し、投資機会を迅速に見つけ出し、ポートフォリオを拡大し、急速に変化する市況に迅速に対応できる能力を獲得しています。
金融サービス業界が直面している ML の課題
常に変化する市場の動向
平均的なモデルでは、アイデアが生まれてからデプロイを行うまで 11 カ月かかるため、迅速な反復作業や実験が難しく、顧客と投資の機会を失う結果となります。
モデルリスク管理の障害
「ブラックボックス化」された ML では、モデルの結果を理解し、その結果に基づいて行動することが難しいため、モデルリスク管理チームがデプロイを承認することが困難になります。
管理とガバナンスの複雑さ
複数のレガシーモデルがさまざまな言語で使用され、そのほとんどがオンプレミスでデプロイされている状況では、リスクプロファイルが増加し、古いモデルによってポートフォリオにリスクがもたらされる可能性があります。
オーダーメイドの金融プラットフォーム
金融プラットフォームはオーダーメイドであることが多く、複雑でさまざまな種類があるため、意思決定に使われている既存のカスタマイズされたビジネスプロセスやアプリケーションに ML を組み込むことは困難です。
金融市場で DataRobot が選ばれる理由
新規顧客や投資機会をすばやく発見
モデル開発プロセスを標準化および並列化すれば、数千の特徴量を設計し、数百のモデリング戦略をテストし、マルチモーダルモデリングの実験を行って、ポートフォリオの新しい機会を見つけ出すことができます。また、異常なアクティビティをすばやく特定して、リスクも軽減できます。
変化の速い市場で主要なビジネスドライバーを特定
重要なポートフォリオや顧客の特徴を非常にきめ細かいシグナルですばやく特定し、財務リーダーにとって重要な変化の要因を明らかにします。あらゆるタイプのデータでわかりやすい視覚的な説明が提供されるため、最前線の意思決定者がその内容を理解し、行動できるようになります。
モデルを本番環境に導入して正解率を維持
API 呼び出しやコードエクスポートなどを使用して、カスタムモデルをオーダーメイドのシステムで迅速に作成、デプロイできます。DataRobot の外部で開発されたレガシーモデルやカスタムモデルを含め、あらゆるモデルを追跡できるため、パフォーマンスを維持したり与信や取引に関する決定のリスクを低減したりする作業を 1 つのプラットフォームで実行できます。本番環境でモデルのパフォーマンスを維持し、与信や取引に関する決定のリスクを低減するには、ドリフト監視とアラートの堅牢なスイートを使用します。顧客や市場のデータが時間とともに変化する中でも、業務を中断することなくチャレンジャーモデルとチャンピオンモデルを「ホットスワップ」できます。
金融規制に準拠して、リスクプロファイルを低減
モデルを構築したユーザー、デプロイの方法、およびデプロイ先に関係なく、すべての AI プロジェクトで可視性、コントロール、ガバナンスが維持されます。DataRobot を使用すると、監査機能と（カスタムモデルを含むすべてのモデルの）自動文書作成機能で、モデルリスク管理（MRM）プロセスを簡素化およびオーグメンテーションし、モデルライフサイクル全体で大規模な ML ガバナンスを実現できます。
