3rd Scoring Case Forum 2018

19 июля 2018 г. состоится 3-й профессиональный финансовый форум 3rd Scoring Case Forum 2018. Форум пройдет в Москве, в деловом пространстве Deworkacy.

В условиях быстрой трансформации финансового рынка, компаниям необходимо быть более быстрыми, точными и гибкими, чтобы найти именно тех клиентов, которых стоит кредитовать, и сократить риски. Эти задачи решают современные скоринговые технологии, использующие интеллектуальные технологии, новые источники данных и цифровые инструменты.

За последние 3 года много было сказано о технологиях машинного обучения, больших данных, нейронных сетей и искусственном интеллекте в области оценки клиента и рисков. Как внедрить и эффективно использовать потенциал прорывных технологий? Во многих финансовых организациях появились менеджеры по R&D, но есть ли внедренные эффективные модели и технологии?

Что нужно, чтобы риски стали data driven? Приносят ли эти технологии деньги тем организациям, которые их внедряют в процедуры оценки клиентов?

Можно ли уже посмотреть экономику успешных решений? Как подступиться к нейронным сетям: с чего начинать? Как подбирать методы машинного обучения?

Есть ли уже готовые рецепты – в каких случая нужен «случайный лес», в каких случаях «градиентный бустинг», где работает «глубинное обучение»?

Основная задача форума - провести полную, качественную и всестороннюю экспертизу современных методов, технологий и возможностей оценки физических лиц и малого и среднего бизнеса в online и offline-каналах.

В форуме традиционно принимают участие представители банков, страховых, лизинговых и факторинговых компаний, интернет-компаний, телеком-компаний, микрофинансовых компаний, мобильных компаний, fintech-компаний и технологических стартапов.

Целевой аудиторией являются директора по управлению рисками, стратегическому развитию, отделов операционных рисков, управлений анализа кредитных рисков, управлений долгового рынка, отделов анализа финансовых рынков, управлений по риск-интеграции, департаментов риск-процессов и риск – технологий.

Для участников форум будет полезен новыми практическими кейсами моделирования данных и анализа заёмщиков, работы с новыми источниками данных, рекомендациями по сегментации клиентской базы и по предотвращению убытков.

Компании, ориентированные на работу с МСБ-клиентами, получат эффективные инструменты оценки клиента, узнают какими данными следует оперировать и как выстроить эффективную модель скоринга.

Форум прошлого года посетило более 300 участников.

Сайт форума

Организатор форума – компания Conglomerat. Ранее реализованные проекты компании в финансовом секторе: FinTech Russia, FinProfit, Banking Risks Regulation, MFO Russia Summit, FinSMM, Микрофинансовый Бизнес-Форум, MFI Forum, World-Class Risk Management, SME Banking, Retail Risks Management, Russia Risk Conference, Microfinance Invest Forum, MFO Russia Forum, Retail Credit Conference

Драфт программы

Сессия 1: Обзор рынка инноваций, технологий и методов оценки, аналитика и тренды

• Аналитический обзор: современные тренды и подходы в технологиях оценки
• Интеллектуальные технологии в оценке - эволюция или революция?
• Как стать организацией data driven?
• Современный скоринг и цифровая трансформация
• Современные методы анализа
• Инфраструктура для работы с большими данными, нейронными сетями

Экспертная дискуссия: Логистическая регрессия против нейросетей

• Статистические модели vs интеллектуальных технологий
• Проблемы уязвимости, анализ ключевых преимуществ и перспективы
• Стоимость внедрения новых технологий
• Целесообразность совмещения двух подходов

Сессия 2: Fintech-Сессия 

• Прорывные технологии, инновационные продукты и сервисы от fintech-стартапов

Сессия 3: Интеллектуальные технологии в создании эффективной системы оценки

• Нейросети: обзор всех доступных технологий
• Нейросети: с чего начинать, как выбрать сеть под задачи
• Машинное обучение – секреты успешного моделирования
• Биометрические технологии
• Кейс «глубинного» обучения в предиктивной аналитике
• Кейс применения «случайного леса»
• Применение градиентного бустинга
• Сложности в интерпретации данных в технологиях нейросетей, машинного обучения
• Применение методов нейросетей, машинного обучения в анализе транзакций по клиенту
• Нейросети и машинное обучение: можно ли решить проблему интерпретируемости результатов для рисковых моделей
• Влияние предобработки данных при использовании нейросетевых алгоритмов
• Решение проблемы переобучения при применении нейросетевых технологий
• Опыт применения Python. Кейсы
• Технологии Hadoop. Применение в скоринге, оценки клиентов, работа с большими данными
• Стэк технологий, «озеро данных» - повышают ли эффективность работы над скорингом
• Как построить IT платформу для работы с большими данными, нейронными сетями, машинными обучение. Сколько будет стоить?

Сессия 4: Big data и альтернативныеу источники данных

• Анализ цифрового следа
• Психометрический скоринг
• Транзакционный скоринг
• Сбор данных об устройствах
• Геолокационные данные
• Данные мобильных операторов
• Государственные базы данных
• Анализ окружения заемщика, соцсети, моб. приложения
• Директива GDPR
• Правовые аспекты использования персональных данных

Сессия 5: Кейсы применения скоринговых технологий

• Технологии для оценки МСБ
• Скоринг в целях CRM и клиентской базы
• Технологии оценки инвесторов
• Collection-scoring
• Антифрод
• Скоринг в страховании
• Скоринг в лизинге

Экспертная дискуссия: Кто такие data scientists?

• Чем они отличаются от типичных специалистов по скорингу
• Должен ли data scientists знать классическую математическую статистику
• Ключевые навыки data scientists: кто они – математики или программисты
• Где искать data scientists и сколько специалисты стоят
• Можно ли вырастить экспертизу data scientists внутри?

Практический трек
Отдельный зал
Мастер-класс: Машинное обучение и статистические методы на Python
Продолжительность - 3 ч
На мастер-классе участники получат целостное представление о том, как заниматься эффективным моделированием с помощью Python. Будут подробно рассмотрены способы моделирования как с помощью статистических методов, так и с помощью машинного обучения на Python. Участники определят какие современные методы моделирования более эффективны для бизнеса.