http://www.china-cic.org.cn

技术可以预测你的债务?如何AI正在改变还款景观

据西北互助的研究报告,美国人平均拥有约$ 38000的个人债务。 (gualtiero BOFFI /大图片)

这篇文章是为我们的赞助商,消费者教育服务公司书面

据西北互助一项研究表明,平均每个美国人拥有约$ 38,000的个人债务 - 拥有的住房抵押贷款的

由于从学生贷款,信用卡账单,医疗费茎一个日益严重的债务负担开始,每年影响到美国人更大的数量,一些企业已经开始利用技术,企图为减轻消费者还款过程中的压力。

通常情况下,讨债的努力包括计划的信件,电子邮件和从那里债务是欠该机构的电话。如果在灵敏度独立成为他们的债务拖欠,那么原来的债权人可以聘请讨债公司更积极的尝试收集的平衡。这可以理解为压力为债务人,因为它们可以不断地提醒他们未结款项累积利益,影响了他们的信用评分,并影响他们的财务前景。

在许多情况下,机器学习技术可以帮助缓解压力消费者偿还债务。通过分析个人过去的还款行为,人工智能程序可以通过开发更有效的还款计划,并建议支付金额提高为消费者还款的过程。

“随着机器学习技术,财务顾问可以聚合的预算,收入,债务从负荷和储蓄数据消费者和建立模型,它可以告诉我们,例如,一个人是否可以使用双月支付程序更加成功的红棕色,解释说:”非盈利信用咨询机构消费者教育服务公司的首席执行官Mike Croxson“这些都是各种各样的东西,学习机可以做,以帮助消费者获得更大的成功。”

公司虽然技术的这种特定类型仍处于初步阶段,它已经改变了方式消费者认为欧债还款景观。

“我已经在这个行业超过20年,金融机构,如银行和投资公司已经使用机器学习,”黛安娜说,它已经使用了超过你的想象。陈,执行董事消费理财研究所。 “使用该模式,传统的信用咨询行业可以改进他们的过程中,通常具有一个尺寸适合所有的办法来支付。机器学习,可以让我们提供更加个性化的方式对客户通信和还款安排等。”

非营利的信用咨询机构

陈的团队在ICMM根据汇总的数据,通过各种人口统计类别的分析还款的趋势。这有助于建立一个评分模型,以确定一个更加个性化的方式来偿还债务的过程。

ICMM的机器学习的主动性该模型用了18个月才建成。一旦它被完成后,该公司联手与CESI到beta测试技术,并使用客户端的实时分析改进模型数据。

“我们在金融咨询过程中使用这一技术来帮助我们整合通信和干预措施,以帮助客户取得同样的成功成为可能,” Croxon说。

CESI已经测试了它机器学习主动性多次,这已经产生了能够产生可观的效益模型,以及更准确的预测能力。测试的基于模型的假设消费行为的准确度的能力一直CESI和ICMM之间的合作的显著优势。

信息约目标受众基于AI-债务也测试显示关键信息收集还款的技术。

“我们做出的假设新千年将要被通过短信与沟通,而老一辈人喜欢我会更感兴趣的是传统的交流方式,” Croxson说。 “最终,数据告诉我们,我们错了 - 每个人都希望通信,而不是传统的手段更现代的方法”

目前,主要数据围绕支付历史模型收集旋转,但在未来陈希望他们“马上就能分析事物如每月支出类别,收入和更多的技术改进的预测能力。

目前,CESI和ICMM希望他们一直定位自己是唯一领先于机器学习的债务偿还曲线,他们认为这一趋势将有可能成为常态。

“信贷咨询行业对于消费者的财务福祉和次重要在意味着我们需要有面向未来的技术的眼睛,” Croxson说。 “有人在我们这个行业需要带头努力。如果不是我们,那是谁?”

本条为我们的赞助商,消费者教育服务公司

关注无极荣耀官网(www.china-cic.org.cn)编写的。[ 123]

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。