WEBBANKIR бол ОХУ-н цахим зээлийн turnkey буюу маш хялбар бөгөөд богино хугацаанд шууд авах боломжтой систем юм. Зарчмын хувьд харилцагч цахимаар зээлийн хүсэлт гарган, батлагдсан тохиолдолд оффис дээр заавал очиж баталгаажуулалгүйгээр шууд мөнгөө авах боломжтой. Тийм учраас тус систем нь үнэн зөв, шийдвэр гаргах үйл явц хурдан бас бүрэн автоматажсан байх шаардлагатай юм. Мөн харилцагчтай холбоотой гаднын өгөгдөл нийлүүлэгчдийн өгөгдөл болон тэдний түүх дээр үндэслэн ажилладаг. Иймээс тэдний хувьд machine learning-н загварыг бий болгон өөрсдийн үйл ажиллагаандаа буюу зээлийн өргөдөл хүлээн авах, хянах, баталгаажуулах автомат зээлийн системтэй болох шаардлага тулгарсан. Энэхүү систем нь ажиллахад хялбар байх, харагдац интерфейсийн хувьд илүү, ямар нэг кодчилолгүй, олон төрлийн суурилуулсан загвар, алгоритмуудыг агуулах, янз бүрийн өгөгдлийн эх үүсвэрүүдтэй хялбар холбогддог (ялангуяа Amazon Redshift, PostgreSQL гэх мэт өгөгдлийн баазын менежментийн системүүд). Түүнчлэн Python, R-тэй нэгтгэх шаардлагатай байв. 

Яагаад сонгосон бэ?  

Тэд шаардлага хангах шийдлийн эрэлд гарч эцэст нь KNIME шийдлийг сонгов. Учир нь дээр дурдсан шаардлагуудыг хангаж байхын зэрэгцээ сервер болон программ хангамж нь хоорондоо маш хурдан ажиллаж, ажиллагааны хувьд энгийн байсан нь тэдний сонгох болсон шалтааны нэг байв.Үүнээс гадна үндсэн нод болон өргөтгөлүүдэд шаардлагатай бүх төрлийн загваруудтай байсны зэрэгцээ өмнө ашигладаг байсан системийн алдааг бүрэн залруулахад тусалсан. Учир нь өмнөх системд machine learning-г дэмждэггүй хэлээр кодчилогдсон байсан буюу ажиллагаа, үйл явцын хувьд удаан бөгөөд ямарваа нэг алдаа илрүүлэх хурдын хувьд маш удаан байсан.  

Хэрхэн нэвтрүүлж бас ашиглаж байгаа вэ?  

WEBBANKIR-н хувьд KNIME шийдлийг 2 том хэсэг болгон нэвтрүүлэв. Үүнд:  

1. Өөрсдийн загварын боловсруулахаас хэрэгжүүлэх хүртэлх бүх загварыг ашиглаж болох бүх замыг багтаасан бүрэн шийдлийн удирдлагын системийг бий болгох, 

1. Бүтээсэн тэрхүү загваруудаа хөгжүүлэлтийн болон тест орчноос бодит буюу бүтээгдэхүүний орчинд асуудалгүй шилждэг баталгаатай, автоматжуулсан тест хийх боломжийг бүрдүүлж, хугацааг нь ихдээ 7 хоног бууруулах байв.  

Үүнээс гадна тэдний одоо байгаа шийдвэр гаргалтын системийг KNIME сервертэй холбож, KNIME сервер болон аналитикийн тусламжтай шийдвэр гаргалтын цоо шинэ системийг бий болгосон. Үүний тусламжтай WEBBANKIR-р анх удаа зээл авч байгаа харилцагчдад гаргах шийдвэрт илүүтэй тус болсон. Мөн давтан зээл авч байгаа хүмүүсийн ч зээлийн шийдвэрийг оновчтой бөгөөд хурдан гаргахад нөлөөлсөн. Үүний үр дүнд зээлийн үйлчилгээний хувьд сард дор хаяж 200,000 зээлийн хүсэлтийг хүлээн авах, цагт 5,000 орчим хүсэлттэй ажиллаж 1 хүсэлтэд 10 орчим секунд зарцуулах боломжтой, клауд суурьтай API-р ажилладаг системтэй болсон. Эндээс хамгийн гол тэдний хүртэж чадсан үнэ цэн бол 85% хүртэлх бүрэн автоматажсан, ямарваа нэг орчны бөгөөд эдийн засгийн өөрчлөлтөд нарийн, хурдан хариу үзүүлэх боломжтой системтэй болж чадсан. Жишээ нь: зээлийн шийдвэр гаргах, кредит скорингийн шинэ дүрэм, модель холбох тохиолдолд өмнөх системийн зарцуулдаг байсан 2 сар хүртэлх хугацааг бууруулж чадсан. Учир нь энэ жил COVID19-н улмаас шийдвэр гаргах дүрмийг сард 5 удаа өөрчилсөн бөгөөд өөрчлөлт гарах бүрд дунджаар 2 хүрэхгүй цагийг зарцуулж байгаа нь тэдний хувьд том амжилт байсан.  

WEBBANKIR-н эрсдэлийн багц хариуцсан менежер Сергей Базов дурдахдаа “KNIME бол machine learning-н бүх моделийг дэмжин ажиллах чадамжтай шийдэл юм. Мөн ямар ч төсөлд шаардагдах өгөгдлийн шилжилтийг хийж чаддаг бөгөөд drag and drop байдлаар өөрийн ажлын урсгалаа удирдаж ажиллагааг хурдасгахын зэрэгцээ код мэдэхгүй хүмүүст ч чөлөөтэй ажиллах боломжийг олгодог” гэжээ.