Wissenschaftliche Arbeiten  

Advanced KYC Scoring mit Hilfe von Data Science Technologien

Voraussetzungen:

  • Kenntnisse in Data Science Technologien, insbesondere AI / ML
  • Kenntnisse in Business Intelligence, Data Analysis, Data Engineering
  • Erfahrung mit Prozess- und Datenmodellierung

Aufgabenstellung:

In den Tiefen automatisierter Datenverarbeitungsprozesse schlummern massenhaft ungenutzte Informationen. Mit Data Analytics Methoden können verborgene Datenpotenziale gehoben werden und somit diesen Daten wertvolle Zusatzinformationen entlockt werden. Dadurch können operative und strategische Fragen beantwortet werden und zudem neue Informationen über die Nutzer generiert werden. So kann bspw. Machine Learning benutzt werden, um unerwünschtes Verhalten zu identifizieren oder mit Hilfe von Predictive Analytics ungeplante Ausfälle von Systemen vermieden werden.
Mit Hilfe der Data Science Plattform der Finatix sollen spezifische Anforderungen aus der Finanzbranche umgesetzt werden. Unter dem Stichwort „Know-Your-Customer (KYC)“ sammelt man jene Aktivitäten, die ein transparentes Bild über die Kunden und die Transaktionen ermöglichen. Technologien wie Machine Learning sollen dabei helfen, bessere KYC Bewertungen erhalten zu können und diese als Scoring anderen Dienstleistern in einer strukturierten und qualifizierten Art und Weise zur Verfügung stellen zu können.
Der im Rahmen der Arbeit zu bearbeitende Use Case ist die Bewertung der KYC Aktivitäten von Kreditkartenbesitzern (KYC Scoring), um eine entsprechende Dienstleistung anbieten zu können. Dazu sollen folgende Aufgaben bearbeitet werden:

  • Planung des Datenmodells und der Data Pipeline
  • Evaluation und Auswahl passender Werkzeuge für die einzelnen Schritte der Datenverarbeitung (Load, Storage, Transform, Analysis, Presentation)
  • Unterstützung bei der Umsetzung der Komponenten für Datentransport und Datenrepräsentation
  • Unterstützung und Erarbeitung einer geeigneten Modellierung der Datenanalyse für den genannten Use Case mit Hilfe von Klassifikations-, Regressions- und Clustering-Algorithmen

Ziel ist die Erstellung eines Demonstrators für KYC Scoring, welcher eine bessere Einschätzung der Kundenbeziehung aufweist als die traditionelle stufenweise KYC Bewertung.

 

Ansprechpartner:
Lars Nöbel
Finatix GmbH
Tel: +49 341 39370-200
E-Mail: l.noebel(at)finatix.de



letzte Änderung: 05.11.2015