Kan AI wel toegevoegde waarde opleveren voor Finance?


Het basisprincipe van Big Data is dat alles wat we doen een digitaal spoor achterlaat. Door de toename van digitale activiteiten zien we een groeiend volume van data ontstaan tegen een steeds groter wordende snelheid. 90 % van alle aanwezige data ontstond de voorbije 2 jaar. De alom aanwezige smartphones, smartwatches en andere slimme toestellen zorgen ervoor dat al onze activiteiten continu gemeten worden.


Google Maps onthoudt waar we ons bevinden, onze stappentellers houden bij hoeveel kilometer we wandelen en al onze aankopen gebeuren via datzelfde toestel. Waar foto’s vroeger geprint werden, worden ze nu massaal digitaal en zo snel mogelijk gedeeld via tal van sociale mediakanalen zoals Facebook en Whatsapp. Onze communicatie verschuift steeds meer naar digitale conversaties, eerst door de opkomst van e-mail en sms en later door twitter, messenger, skype, whatsapp. En niet alleen wij als mensen staan digitaal met elkaar in verbinding, ook onze toestellen leiden stilaan een eigen leven en worden “slimmer”. Het zal niet lang meer duren voordat de modale koelkast je boodschappen rechtstreeks doorgeeft aan je supermarkt.


Gestructureerd en ongestructureerd

We leven in een gedigitaliseerde wereld en door de constante toename van de performantie van onze computerinfrastructuur kunnen data door onszelf en door anderen perfect geanalyseerd worden. In Finance is men al jaren gewend aan grote hoeveelheden gestructureerde data en hecht men erg veel waarde aan het behoud en de controle van de kwaliteit ervan. Inzichten uit deze data worden pas gecommuniceerd wanneer een aantal weldoordachte processen doorlopen zijn.

Waar informatie vroeger op een gestructureerde manier werd opgeslagen in databases als tabellen, moeten we nu op zoek naar manieren om de grote variëteit van ongestructureerde databronnen zoals foto’s, video’s, blogs en websites te converteren en gestructureerd op te slaan op een manier die ons toelaat om waarde te creëren.

Big Data is duidelijk weinig gestructureerd en de kwaliteit ervan is vaak moeilijk te garanderen. Zit er daardoor eigenlijk wel waarde in voor Finance?


Toepassing

De toepassing binnen Finance is minder voor de hand liggend dan binnen andere domeinen zoals bijvoorbeeld landbouw en marketing. In de landbouw gebruikt men al lang grote hoeveelheden sensor data om bemesting en teelt te optimaliseren. Marketing evolueerde van traditionele segmentatie in grote groepen op basis van leeftijd, geslacht, adres naar een-op-een microsegmentatie via inzicht in persoonlijke voorkeuren en gedragingen. Maar wat met Finance?

De meestpassende toepassingen in Finance maken vooral gebruik van patroonherkenning en de identificatie van uitzonderingen of afwijkend gedrag. Binnen Audit en Controlling gebruikt men Artificiële Intelligentie bij de zoektocht naar onregelmatigheden. Traditioneel wordt er voornamelijk gebruik gemaakt van gezond verstand aangevuld met intelligente modellen die dit proces vergemakkelijken. Goed getrainde modellen op voldoende grote hoeveelheden van data zijn perfect in staat om onregelmatigheden en afwijkingen van bepaalde patronen vast te stellen.

Neem nu de detectie van fraude, bijvoorbeeld door de toepassing van de Wet van Benford. Deze wet stelt dat niet alle cijfers evenveel zullen voorkomen bij getallenreeksen. Het cijfer 1 zal beduidend meer als eerste cijfer in een getal aangetroffen worden dan het cijfer 8, twee minder dan 1 maar meer dan 3, enzovoort. Benford toonde lang geleden reeds aan dat er een specifiek patroon zit in getallen, ongeacht hun oorsprong. Met deze wetmatigheid kunnen we nu op zoek naar patronen en naar afwijkingen van deze patronen. Laat AI nu net daar goed in zijn. Anomalieën detecteren op zoek naar uitzonderlijke waarden en eventuele fraude.

Het is pas recent dat tal van dergelijke methodes van patroonherkenning toegankelijk geworden zijn voor iedereen omdat de computerinfrastructuur een niveau bereikt heeft dat zo’n talloze berekeningen daadwerkelijk verwerkt krijgt. Wir schaffen dasdus binnen Finance?


Don’t try this at home

Artificiële Intelligentie is niet iets dat van zichzelf komt, dit moet geleidelijk aan groeien. En dit zien we quasi uitsluitend werkzaam in organisaties waar multidisciplinair samengewerkt wordt. Een Data Scientist zonder Financiële achtergrond zal immers onbewust grote datasets in zijn modellen gieten, hopend op een logische uitkomst. Het resultaat is vaak onbruikbaar of met veel geluk even goed als de traditionele modellen of ons buikgevoel.

De echte waarde ontstaat wanneer men de expertise van de Finance professional samen brengt met deze van de Data Scientist. Om het toekomstige Big Data initiatief te doen slagen dient men daarom samen aan het roer te zitten. Men bepaalt samen welke ongestructureerde databronnen men eerst zal bekijken, welke variabelen zeker in het model aanwezig moeten zijn en welke traditionele modellen kunnen gebruikt worden als vertrekbasis.


Ik heb het nog nooit gedaan, dus ik denk wel dat ik het kan

Als we waarde willen creëren in Finance uit deze nieuwe bronnen van data laat ons dan vooral niet wegkijken van onze number crunchersdie werken in Marketing en HR. Laat ons zo snel mogelijk zelf aan de slag gaan zodat we onze reeds vergaarde inzichten kunnen inzetten en omzetten zodat de toekomst van Finance en van onze onderneming verzekerd is!