L’intégration de données est le principal problème de la fintech
L’accès aux données en temps réel et l’intégration de celles-ci est le principal obstacle que la fintech a identifié pour utiliser des informations alternatives dans la notation des risques ; au moins 70% des entreprises interrogées voient l’intégration comme un défi et 51% déclarent que leur organisation n’a pas accès à des données alternatives, selon une étude menée par Pulse et Provenir.
Les données alternatives sont celles que les institutions fintech analysent à l’aide de l’intelligence artificielle (IA) pour fournir des produits financiers à leurs clients. 46% des entreprises fintech interrogées ont révélé que leurs informations alternatives sont mal structurées, ce qui les rend difficilement exploitables en temps réel.
L’étude « Global Fintech Agenda 2022 » a identifié que la principale raison pour laquelle les entreprises fintech utilisent des données alternatives était d’améliorer la prévention et la détection de la fraude, et 51% ont déclaré que cela leur permet de servir la population et les personnes sous-bancarisées.
« L’utilisation de modèles qui prédisent le comportement des clients est appliquée à la prise de décision. Avec cet outil, vous pouvez prendre des décisions pour identifier la fraude et terminer le processus en ligne ; ces modèles vous permettent de prédire, oui en effet, la personne est qui elle prétend être », a déclaré José Luis Vargas, vice-président exécutif de Provenir pour l’Amérique latine.
La solution consistant à utiliser l’IA pour l’intégration de données nécessite un approvisionnement important et complexe d’informations sur le comportement des utilisateurs pour fonctionner correctement. Vargas pointe le manque d’informations qui alimente les bases de données d’intelligence artificielle comme le principal problème. .
« Plus vous avez de données conventionnelles et alternatives pour enrichir la création d’un modèle d’IA, mieux c’est, donc vous cassez le biais des modèles de crédit traditionnels, qui est causé par l’utilisation de modèles répétitifs avec le même type d’informations », a souligné Vargas.
Disposer de plateformes qui proposent des données diversifiées, via APIS, est un avantage que souligne Provenir, car elles facilitent la transmission des informations.
Augmenter le crédit
Fintech du segment des prêts, ils ont développé leurs propres systèmes d’apprentissage automatique pour évaluer les données de leurs clients, comme c’est le cas de Kueski, qui a atteint le mois dernier 6 millions de prêts accordés via l’IA.
L’adoption correcte de modèles d’apprentissage automatique a favorisé l’octroi de crédit, comme l’algorithme Aki, Nu’s AI, qui combine l’historique de crédit, les données du bureau de crédit avec des informations sur le comportement de ses clients.
« Nous analysons un grand nombre de données pour prendre des décisions qui ne sont pas ancrées dans des politiques obsolètes pour accorder des produits à plus de personnes », a déclaré Emilio González, directeur général de Nu México.
