一些公司提供基于ai的信用评分应用程序银行和企业的债权人希望更好地了解他们的潜在借款人相关的风险。信用评分采取的传统方法考虑到潜在的借阅的信用记录，但是这可能不会让某些人获得信贷，尽管事实上，他们可以支付时，他们支付到期贷款回来。
人工智能可以让银行和债权人利用其他数据(尤其是社交媒体帖子和互联网活动的数据:人们访问哪些网站，以及他们从电子商务商店购买了什么)，为潜在借款人的信用评级。网络行为可以表明一个人是否有可能偿还贷款，而人工智能可以让银行和债权人在评估潜在借款人时考虑到这一点。
银行业的商业领袖应该知道什么
对于信用评分往往不是人工智能解决方案的预测分析解决方案。这是有道理的因为信用分数，实际上，比分预测的可能性，客户会偿还贷款。
一般来说，这些供应商提供的软件，允许银行矿在网上寻找潜在客户的信息。该软件可能会将客户的社交媒体帖子或其活跃用户所在的网站纳入评估客户信誉度的因素。机器学习模型需要在标记的数据集上进行训练，这些数据集表明哪类社交媒体帖子或网站代表了负责任的客户，哪类又代表了高风险的客户。为了得出一个分数，该软件通过它的算法运行它收集的关于客户的所有信息，并计算出如果银行这样做，它所承担的风险是小还是大同意支付他们。
在某些情况下，这可以为那些无法通过传统方式获得信贷的人提供信贷。信用评分要求有信用记录，但许多没有信用记录的人可以通过获得信用来偿还贷款。然而，银行通常不愿意贷款给他们，因为他们没有信用记录。
然而，一些人工智能信用评分软件可能会有不同的工作方式，每个软件可能会对某些在线行为进行不同的评估。例如，一些公司吹捧他们的软件自然语言处理的能力。尽管这份报告中的所有公司提供的软件似乎都使用了一定数量的自然语言处理来挖掘潜在借款人的社交媒体，但有些公司在这方面比其他公司更坦率。至少，这些公司似乎认为其营销材料的能力值得关注。
出售人工智能信用评分软件或在内部使用该软件的公司，似乎都拥有构建和管理机器学习软件所需的天赋，至少在某种程度上是这样。这种人才密度相对较少，尤其是在像这样的行业营销.也有许多厂商在各种应用中销售的本意AI软件金融但这些公司往往缺乏我们在什么时候寻找的那种人工智能人才审查一家公司关于利用人工智能的声明.
公司本报告中的，ZestFinance和Kreditech似乎有数据的科学人才密度最高。这些数据科学家拥有硕士和计算机科学与各种统计领域的博士，一个在人工智能本身。此外，Kreitech采用首席数据官在AI年至2018年的博士从2014年起作为结果，我们认为这些公司有利用正版机器学习软件的可能性非常高。这对他们来说是个好兆头。Kreditech使用他们的软件在内部，但ZestFinance提供他们的软件企业的银行。
LendoEFL采用首席技术官拥有2002年的神经科学博士学位，该公司的团队中还有几位数据科学家。这些数据科学家中有两位拥有高级学位(硕士和博士学位)，但都不是计算机科学专业的。尽管如此，我们认为LendoEFL有相对较高的机会实际提供一个机器学习解决方案。在人工智能人才方面，他们的公司不如ZestFinance和Kreditech强大，但他们可能不会躺在这样做AI无论是。
SAS是本报告中的公司当中当然最成熟的企业，虽然他们肯定有钱采用数据的科学人才，我们提醒，当他们声称能提供AI自动信任大公司的读者。许多公司会雇佣数据科学家只是说他们正在利用AI。然后，他们不能提供他们的数据科学家提供任何有意义的工作，因为他们缺乏在他们能理解的术语来跟他们说话的能力。换句话说，他们的主题专家数据科学家没有也不能很好地交流，这对于构建机器学习软件来说是必要的。的科技巨头like Google, Facebook, and Amazon see success in their AI endeavors in large part because even those employees that aren’t data or computer scientists at those companies know how to speak the language in a way that allows them to inform the AI products the data scientists develop.
LenddoEFL
LenddoEFL报价一个叫LenddoScore的软件.我们在之前的报告中讨论了Lenddo金融中的自然语言处理.该公司声称，其软件可以帮助银行确定潜在借款人的信用等级使用预测分析和自然语言处理。Lenddo宣称，他们的软件可以用来接触那些无法获得信用的潜在客户，因为他们的软件考虑的是在线活动的数据，而不是信用记录。
LenddoEFL声称用户可以在他们的智能手机上安装该公司的应用程序。该软件使用自然语言处理来分析用户的社交媒体帖子，以及他们在浏览器中输入的内容，以寻找责任或冒险行为的指标。然后，这些信息通知预测分析算法，并据此创建信用评分。然后，银行和信用合作社可以利用用户的lenddoscore，更好地了解他们不偿还贷款的风险。
我们可以推断软件背后的机器学习模型被训练数千个客户数据点，包括社交媒体帖子和互联网浏览行为。从银行和债权人的角度来看，这些数据将被标记为责任或风险的指示性数据。然后，这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联信誉。然后，该软件就能够进行预测哪些潜在客户最有可能偿还贷款贷款.
以下是短片2-分钟视频演示如何LenddoEFL的软件工程：
LenddoEFL不提供任何案例研究报告成功与他们的软件。此外,w我们找不到任何有关企业级公司的信息LenddoEFL他们也没有在任何一份新闻稿中提到，但他们已经提高了$ 1400万并得到了金门的合资企业.
Naveen Agnihotri是首席技术官在LenddoEFL.他持有博士学位在神经科学从哥伦比亚大学.在此之前,Agnihotri担任首席技术官在Milabra.
ZestFinance
ZestFinance报价一个叫ZAML的软件，它声称可以帮助金融机构确定潜在借款人的信用等级，减少贷款违约运用预测分析和自然语言处理.
我们可以推断软件背后的机器学习模型被训练数以千计的社交媒体帖子，geolocations，浏览活动，以及其他数据点.从银行或债权人的角度来看，这些数据可能会被标记为风险指示性数据，也可能不会被标记为风险指示性数据。然后，这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联借款人的类型，最有可能和最不可能偿还他们的贷款。
理论上，该软件将能够进行预测贷款申请人是否有可能偿还贷款。也就是说,我们找不到明确演示软件如何工作的视频。
ZestFinance声称有帮助信誉金融服务在不牺牲信用评级的情况下减少贷款损失和违约.声望使用ZestFinance的软件来补充他们传统的承销方法。根据案例研究，信誉信贷损失下降了33%，借款人的支持率上升了14%.ZestFinance还列出了福特信贷作为他们过去的客户之一。
Jay Budzik是首席技术官在ZestFinance.他持有博士学位在计算机科学从西北大学.在此之前,Budzik担任首席产品官在动态的社会.
Kreditech
Kreditech使用内部同名软件，它有助于公司确定不具有广泛的银行业历史谁也潜在借款人的信用运用预测分析和自然语言处理。
我们可以推断该软件背后的机器学习模型是针对社交媒体和互联网浏览历史中的数十万客户数据点进行训练的。这些将涉及有关货币兑换的对话，以及分别来自电子商务网站和支付处理网站(如亚马逊和贝宝)的数据点。这些数据将被标记为责任和信誉的积极或消极指标。这些标记的数据将通过软件的机器学习算法运行。这将训练算法识别相关的数据和信誉。
例如，用户可以向软件提供潜在借方的社交媒体帖子，该算法将搜索它责任或信誉指标。例如，该软件可以梳理潜在借款人社交媒体上的对话，发现他们向一位同事承诺，将在某个日期之前偿还贷款。然后，算法可能会将此活动标记为责任的积极指标。
Kreditech没有列出任何大公司的客户，但他们提出$ 497.3百万并得到了乐天和J.C. Flowers and Co。
情景应用程序
情景应用程序报价一个软件叫信用评分的SAS企业矿工，它声称可以帮助银行及金融机构预测信用风险运用预测分析。
我们可以推断软件背后的机器学习模型被训练成千上万的借款人个人资料和信用记录.然后，这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相互关联对公司构成较高风险的借款人。软件将能够预测风险与潜在借款人相关联的量。
我们无法找到可用的软件演示视频。
SAS研究所声称有帮助比雷埃夫斯银行集团加快数据分析和报告生成。比雷埃夫斯银行集团整合SAS研究所的软件核心银行系统，这样它就可以访问他们的数据。根据案例研究，比雷埃夫斯银行集团是能够通过30％，以提高数据分析速度。
SAS研究所还列出了美国银行和本田汽车如一些过去的客户。
吉姆·古德奈特是首席执行官在SAS研究所.他持有博士学位在统计从北卡罗莱纳州立大学.晚安他的职业生涯的最后42年是在SAS研究所。
标题图片来源:时代杂志
