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.
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.