データ品質への依存
銀行やその他の金融機関は、業務を合理化する自動化プロセスを支えるために、データの品質に依存しています。取引ワークフローの主要な要素を自動化することで、金融機関は例外処理の数とそれに伴うコストを削減し、運用プロセスと全体的な業務効率を最適化できます。
しかし、データの品質が自動化の実現を阻む障壁となることがあります。今日の市場の複雑さは、多くの銀行が多様な入力形式にわたる膨大な量の取引データを処理せざるを得ないことを意味しています。従来のレガシーな手動データ検証手法は、押し寄せるデータの濁流の中で機能しなくなっており、その結果生じるデータ品質の問題は、ストレート・スルー・プロセッシング（STP）率に影響を及ぼしています。
新しいAI技術、特に「観察学習」の概念は、照合システムが持つ企業のデータ設定に関する「知識」を活用することで、これらのデータ品質の問題に対処するのに役立ちます。これにより、金融機関は注意を要するデータ問題の数を減らし、残った問題の軽減プロセスを加速させることができます。
本資料では、企業のSTP率向上の試みを妨げているデータの課題を考察し、観察学習がどのように役立つかを解説します。また、重要な運用および規制プロセスにおけるAIと観察学習の具体的なユースケースについて議論し、Smartstreamがイノベーション・ラボで開発した観察学習機能「Affinity」を、クラウドネイティブな照合ソリューション「Smartstream Air」にどのように追加したかについて説明します。
