Специалисты Сбербанка разработали техническое решение для прогнозирования выручки компаний малого, среднего и крупного бизнеса. Особая модель прогнозирования, построенная с использованием алгоритмов машинного обучения, была создана сотрудниками корпоративно-инвестиционного блока банка, пишет IKSMEDIA.
Новая модель Сбербанка основана на алгоритме Random Forest, применяющемся для задач классификации, кластеризации и регрессии и использующем большое количество деревьев решений, каждое из которых дает невысокое качество классификации. Повышение качества итогового результата работы алгоритма достигается за счет работы именно с большим количеством деревьев.
Такое решение нередко используется банками для предсказания неплатежей и банкротств компаний и ИП. Для обучения искусственного интеллекта специалисты использовали транзакционные данные организаций.
Модель прогнозов о выручке предприятия создается в течение трех месяцев. В процессе создания алгоритмы машинного обучения проводят исследование более 1000 признаков, по которым и выдается итоговый прогноз. С помощью такой модели мы здесь и сейчас, не дожидаясь завершения календарного года и официальной бухгалтерской отчетности, можно видеть «потенциал клиента».
Сбербанк планирует использовать новую ML-модель прогнозирования одновременно с другими моделями банка. Это позволит Сбербанку «предвосхищать ожидания и потребности клиентов банка».
Модель прогнозирования была создана для предсказания выручки всех компаний, присутствующих на российском рынке, включая ИП и юрлица. В общей сложности, она может предоставить прогноз по выручке 8 млн предприятий.
С помощью данной модели специалисты Сбербанка смогут получать информацию о выручке компаний за текущий год. Преимущество разработки заключается в том, что прогноз будет поступать на девять месяцев раньше момента официальной публикации отчетности.
Подобного рода прогноз позволит банку заранее планировать работу с теми или иными компаниями, а также с индивидуальными предпринимателями. Суть в том, что при построении прогнозов по ИП модель может использовать даже ту информацию о них, которая на момент работы алгоритма не была представлена в открытом доступе.