一家领先的美国地区银行为个人、小企业和商业行业提供零售和商业银行产品和服务。美国区域银行认识到有必要继续加强其以客户为中心的文化和金融纪律，以实现显著增长，同时保持高标准的卓越。
这一目标需要利用高级分析来推动洞察力、建议和量身定制的解决方案。它代表了美国区域银行(US Regional Bank)进军一个不受信任的AI/机器学习领域的尝试，该领域涉及使用智能分析开发可信和经过验证的模型。美国区域银行将其收款功能确定为从该解决方案中获益的第一个目标领域。
主要挑战
- 收集的成本很高，因为基于调用的客户扩展用于过期负载补救的费用，而没有保证回报
- 在降低风险和满足法规要求的同时提高客户价值
准备好体验吗?
专家说
解决方案
基于AI/ML分析的商业领导的成功
- 在拓展业务之前，先建立一个POC，用可衡量的成功标准解决特定的业务挑战，从而培养美国地区银行的信任
- 利用预先构建的数据模型和智能搜索的自动化管道来加快机器学习的训练周期
- 用过的FinxEdge收集释放特征在4个月的风险验证过程中，以确保模型是强大的，并达到法规遵从性
使用高级分析改进收集
- FinxEdge收集利用高级ML来组合客户行为模式、可用的信用、就业、金融和事务数据，以改进收集过程
- 通过分割准确地预测违法账户的风险分数
- 通过建议“黄金时间”打电话来优化客户联系
好处
超过滚转率提升目标100%以上
由于精致延迟排队和联系策略而减少了人员配置的费用节省
执行可靠的业务主导用例，支持扩展到更广泛的数据集和收集功能
培养信任和对基于机器学习的模型的潜力的坚定信念，这些模型正在为收集和评估带来好处，以便更广泛地使用
