Naszym klientem jest SGB-Bank – bank zrzeszający Banki Spółdzielcze SGB, którego misją jest wspieranie lokalnych społeczności poprzez dostarczanie nowoczesnych i bezpiecznych rozwiązań finansowych. Działając w modelu partnerskim, SGB-Bank rozwija technologie odpowiadające na potrzeby klientów oraz wspiera banki zrzeszone w realizacji ich celów biznesowych.
Ailleron od lat współpracuje z SGB-Bankiem, wspólnie rozwijając aplikację SGB Mobile. Efekty tego partnerstwa od kilku lat z rzędu znajdują uznanie jury plebiscytu Mobile Trends Awards, czego potwierdzeniem są kolejne nominacje konkursowe. Jedną z głównych funkcji aplikacji jest moduł zarządzania finansami osobistymi (ang. Personal Finance Management, PFM), który dzięki wykorzystaniu sztucznej inteligencji automatycznie kategoryzuje transakcje i wspiera klientów w skuteczniejszym zarządzaniu domowym budżetem.
Klient
Bank zrzeszający Banki Spółdzielcze SGB, działające na rzecz lokalnych społeczności
Rozwiązanie
Wdrożenie klasyfikatora transakcji opartego na sztucznej inteligencji w aplikacji SGB Mobile
Efekt
Automatyczna klasyfikacja transakcji zapewnia klientom większą przejrzystość wydatków i łatwiejsze zarządzanie budżetem
Cel współpracy
Skuteczniejsza klasyfikacja transakcji
Celem klienta było zwiększenie zaangażowania użytkowników aplikacji mobilnej SGB Mobile poprzez bardziej intuicyjną prezentację danych o transakcjach oraz udoskonalenie klasyfikacji transakcji dokonywanych przez klientów indywidualnych.
Efekty współpracy
Projekt przyniósł klientowi szereg krótkoterminowych korzyści biznesowych
Większe zaangażowanie i aktywność użytkowników
Wprowadzenie nowych funkcji w aplikacji przyczyniło się do wzrostu zaangażowania klientów, zwiększenia liczby logowań oraz częstszej aktywności użytkowników.
Wzmocnienie lojalności i lepsze dopasowanie usług do potrzeb klientów
Dzięki priorytetyzacji potrzeb użytkowników oraz dostarczaniu bardziej intuicyjnych rozwiązań bank buduje większe zaufanie i wzmacnia relacje z klientami.
Lepsze wykorzystanie danych transakcyjnych i zaawansowana analityka
Ustrukturyzowane dane o wydatkach, pozyskane dzięki automatycznej klasyfikacji transakcji, wspierają segmentację klientów, rekomendacje produktowe, wzbogacanie danych oraz tworzenie spersonalizowanych powiadomień na podstawie historii transakcji. Analiza wzorców wydatków pozwala także trafniej identyfikować grupy klientów o podobnej charakterystyce.
Efekty współpracy
Warsztaty biznesowe
Przeprowadziliśmy warsztaty biznesowe z zespołem banku, aby wypracować i zdefiniować odpowiednie kategorie transakcji.
Projekt rozwiązania opartego na sztucznej inteligencji
Zaprojektowaliśmy rozwiązanie oparte na sztucznej inteligencji, które umożliwia dopasowanie atrybutów transakcji klientów do predefiniowanych kategorii.
Trening modelu uczenia maszynowego
Ustaliliśmy zakres treningu modelu uczenia maszynowego oraz przygotowaliśmy proces oznaczania anonimowych danych zgodnie z przyjętymi kategoriami.
Projekt UI/UX
Przygotowaliśmy projekt UI/UX, integrując nowe funkcje zarządzania finansami osobistymi (PFM) z istniejącą aplikacją mobilną banku.
W SGB Mobile wierzymy, że najlepsze innowacje powstają dzięki bliskiej i partnerskiej współpracy. Dlatego w rozwoju naszych usług stawiamy na długoterminowe relacje z dostawcami technologii, wspólnie tworząc rozwiązania, które realnie ułatwiają życie naszym klientom. Świetnym przykładem tego podejścia jest usługa „Twoje wydatki i paragony”, w której wykorzystujemy Klasyfikator wydatków dostarczany przez Ailleron. To pierwsze rozwiązanie wykorzystujące AI, które wdrożyliśmy w naszej aplikacji. Nasze partnerstwo to nie tylko wdrażanie gotowych rozwiązań, ale także wspólne kreowanie przyszłości cyfrowej bankowości. Dzięki temu możemy szybciej reagować na zmieniające się oczekiwania rynku i dostarczać rozwiązania, które naprawdę robią różnicę.
Artur Józefowski
Dyrektor Biura Bankowości Mobilnej i Internetowej, SGB-Bank
Zakres współpracy
Wdrożenie klasyfikatora transakcji krok po kroku
Integracja z infrastrukturą banku
Model uczenia maszynowego został przygotowany w formie mikroserwisu, umożliwiającego wdrożenie wewnątrz infrastruktury banku. Rozwiązanie zostało zintegrowane z systemami bankowymi odpowiedzialnymi za obsługę transakcji klientów oraz z aplikacją bankowości mobilnej.
Klasyfikacja w czasie rzeczywistym
Zastosowano architekturę sterowaną zdarzeniami, która umożliwia kategoryzację transakcji w czasie rzeczywistym. Platforma strumieniowego przesyłania danych oparta na Apache Kafka odpowiada za zbieranie transakcji klientów oraz przekazywanie ich do klasyfikatora transakcji.
Stabilna i bezpieczna architektura
Wykorzystano nierelacyjną bazę danych MongoDB oraz zestaw narzędzi wspierających monitorowanie, śledzenie, bezpieczeństwo i zarządzanie logami, takich jak Grafana, Prometheus, Istio, Zipkin i Fluentd.
Intuicyjne doświadczenie użytkownika
Przygotowano również projekt UX/UI, który umożliwił integrację nowych funkcji zarządzania finansami osobistymi (PFM) z istniejącą aplikacją mobilną banku.
Analiza każdej transakcji
Klasyfikator analizuje transakcje klientów, obejmujące przelewy bankowe, płatności kartą, operacje w bankowości internetowej i mobilnej oraz lokalne metody płatności, takie jak BLIK.
Automatyczna kategoryzacja wydatków
Następnie klasyfikator automatycznie przypisuje transakcje klientów do jednej ze zdefiniowanych kategorii, takich jak: samochód i transport, gotówka, rozrywka, hobby i podróże, edukacja, codzienne wydatki, zdrowie i uroda, odzież, oszczędności i inwestycje, dochód oraz inne przelewy przychodzące.
Inteligentna analiza danych transakcyjnych
W procesie klasyfikacji narzędzie analizuje różne atrybuty transakcji, w tym kwotę wydatku, opis lub tytuł transakcji, odbiorcę, walutę oraz kod kategorii sprzedawcy (ang. Merchant Category Code, MCC).
Wysoka skuteczność modelu
Dokładność modelu uczenia maszynowego zasilającego klasyfikator wynosi 92%, co oznacza, że 92% transakcji klientów jest prawidłowo klasyfikowanych, zarówno w przypadku transakcji z kodem MCC, jak i bez niego. Jednocześnie 98% wartości transakcji jest przypisywanych do właściwych kategorii, co oznacza, że ewentualne błędy mogą dotyczyć głównie transakcji o niższych kwotach.
Lepsza kontrola nad finansami
W rezultacie klienci indywidualni otrzymują przejrzysty wgląd w strukturę swoich wydatków i jej zmiany w czasie, a także wskazówki, alerty oraz powiadomienia wspierające skuteczniejsze zarządzanie budżetem.
