x

Search the Findwise web

Findwise + EVRY. Mot nya höjder med sök, analys och kognitiva tjänster

IBM Watson granskar bankråd

Automatisera dagliga processer för förbättrad kvalitet och ökad fart

Utmaning

En av kärnprocesserna i en bank är arbetet mellan en finansiell rådgivare och en kund. Bankens uppdrag är att distribuera investerings-, finans-, bank-, försäkrings- och pensionsprodukter genom kundfokuserad service, av hög kvalité.

Rådgivningen mellan en finansiell rådgivare och kund resulterar i ett dokument med den bästa möjliga finansiella rådgivning för kunden, givet nuvarande situation och rådande förutsättningar

I just denna bank granskas 20 % av alla råd av expertrådgivare. Granskning är en viktig process för banken eftersom den säkerställer hög kvalitet.

Expertrådgivarens roll är att:

  • se till att rådet är av hög kvalitet
  • utbilda den första rådgivaren genom att ge feedback
  • upptäcka eventuella brister

Lösning

I sin strävan mot ständig förbättring gav banken Findwise uppgiften att:

  • öka det totala antalet råd som granskas
  • förbättra den övergripande kvaliteten på finansiella råd
  • utveckla kompetensen hos första rådgivare

Findwise implementerade maskingranskning av den finansiella rådgivningsprocessen med hjälp av Watson Explorer.

Watsons jobb är att analysera nästan alla råd och välja sedan ut de råd som bör ses över. Detta görs med en kombination av NLP (Natural Language Processing) och en metadata-modell baserad på regler som ges av en senior expertgranskare. Modellen identifierar råd med den lägsta kvaliteten och väljer dem för granskning. De valda råden används som bas för inlärningsmodellen, vilket skapar en kontinuerlig maskininlärning av modellen.

Urvalet används också för att ge feedback till rådgivarna, förbättra kvaliteten på de råd som görs och utveckla kompetensen hos alla medarbetare som arbetar med finansiell rådgivning.

Resultat

Att inkludera Watson i granskningsprocessen har resulterat i fler granskade dokument, råd av högre kvalitet och intern kunskapsdelning. Genom att samla, märka och lagra råd och granskningar kan mer avancerade inlärningsmodeller byggas.

Dessutom skapar möjligheten att mäta kvaliteten på analysen en bra plattform för att bygga avancerad en granskningsprocess av finansiella råd i realtid.