หน่วยงานที่เพิ่งเริ่มต้นใช้งานปัญญาประดิษฐ์และการวิเคราะห์เชิงคาดการณ์อาจเผชิญกับความเฉื่อยภายใน ในกรณีนั้น การเริ่มต้นเล็กๆ อาจช่วยได้Michael Collins นักสถิติจาก Federal Student Aid Office at the Education Department กล่าว การพูดระหว่างการเตรียมความพร้อมของเอเจนซีสำหรับแผงการวิเคราะห์เชิงคาดการณ์เมื่อวันอังคารที่นำเสนอโดยศูนย์วิจัยวิชาการด้านเทคโนโลยีขั้นสูง คอลลินส์อธิบายว่าสำนักงานของเขาซึ่งดูแลแบบฟอร์ม FAFSA ใช้การวิเคราะห์เชิงคาดการณ์เพื่อคาดการณ์การผิดนัดชำระของสินเชื่ออย่างไรขณะนี้การ
ให้อภัยการชำระเงินกู้ของนักเรียนของรัฐบาลกลาง
การระงับการเรียกเก็บเงินและการยกเว้นดอกเบี้ย – เนื่องจาก COVID-19 – มีกำหนดจะสิ้นสุดในวันที่ 31 ธันวาคม FSA ได้เริ่มกำหนดเป้าหมายการสื่อสารไปยังผู้กู้ที่พวกเขาคิดว่ามีความเสี่ยงมากที่สุดที่จะผิดนัดชำระหนี้ แต่เอเจนซี่ทำแบบจำลองเชิงทำนายในหลายขั้นตอนของวงจรชีวิตสินเชื่อเช่นกัน
“เราจะคาดการณ์ว่าเมื่อผู้สมัครยื่นแบบฟอร์ม FAFSA ของตนเป็นครั้งแรกและขอรับความช่วยเหลือ เราจะดำเนินการอีกครั้ง ณ เวลาที่พวกเขาอยู่ในวิทยาลัยจริง ๆ และพวกเขากำลังได้รับเงินช่วยเหลือ จากนั้นเราจะสร้างแบบจำลองอีกครั้งเมื่อพวกเขาหยุดไปโรงเรียน จบการศึกษาหรือเลิกเรียน และจำลองความน่าจะเป็นของการผิดนัดชำระหนี้ในเวลานั้น” คอลลินส์กล่าว “หนึ่งในตัวทำนายที่ทรงพลังที่สุดว่าผู้กู้จะผิดนัดชำระหนี้หรือไม่คือพวกเขาจบโปรแกรมและจบการศึกษาหรือไม่ และเราจะไม่รู้จนกว่าพวกเขาจะทำเสร็จหรือไม่ จนกว่าพวกเขาจะไปชำระคืน”ข้อมูลเชิงลึกโดย Carahsoft: เอเจนซีจะบรรลุประสบการณ์ลูกค้าที่ยอดเยี่ยมด้วยความปลอดภัยทางไซเบอร์ที่ได้รับการปรับปรุงได้อย่างไร ในระหว่างการสัมมนาผ่านเว็บสุดพิเศษนี้ Jason Miller ผู้ดำเนินรายการจะหารือเกี่ยวกับการเปลี่ยนแปลงสู่ระบบคลาวด์และกลยุทธ์การจัดการข้อมูลประจำตัวและการเข้าถึงกับหน่วยงานและผู้นำในอุตสาหกรรม
FSA สามารถใช้ความน่าจะเป็นของค่าเริ่มต้นเพื่อคาดการณ์กระแสเงินสดในอนาคต วางแผนการขยายงาน และทดสอบข้อความ เป็นไปได้ว่าผู้กู้ไม่ทราบถึงทรัพยากรและทางเลือกในการชำระคืน เขากล่าวเสริม“เราจะมีผู้กู้บางคนที่ลืมไปแล้ว เช่น อาจมีระยะเวลาผ่อนผัน 6 เดือนหลังจากเรียนจบเพื่อเริ่มชำรเงินและพวกเขาก็ไม่ได้ทำอย่างนั้น และนั่นจะเป็นสถานการณ์ที่ต่างไปจากที่เคยมีคนจ่ายเงินมาห้าปีแล้วจู่ๆ ก็หยุดจ่าย” คอลลินส์กล่าว “บางคนเริ่มได้รับการชำระเงินล่าช้าและพวกเขายังไม่ได้ผิดนัด
– เราต้องการช่วยให้พวกเขาไม่พลาดการผิดนัดชำระ”
การวิเคราะห์เชิงคาดการณ์ยังสามารถช่วยตรวจจับความล้มเหลวภายในได้อีกด้วยชากิบ ไครบี หัวหน้านักวิทยาศาสตร์ด้านข้อมูลของNational Technical Information Service ที่กระทรวงพาณิชย์กล่าวว่าหน่วยงานของเขาใช้การวิเคราะห์เชิงคาดการณ์ร่วมกับองค์กรต่างๆ เพื่อเพิ่มประสิทธิภาพทรัพยากร ช่วยลดความเสี่ยงโดยการย้ายทรัพยากรเชิงรุกไปยังพื้นที่ที่อาจผิดพลาดได้ เขากล่าวโดยทั่วไปแล้ว การวิเคราะห์เชิงคาดการณ์จะใช้ในการพยากรณ์ ไม่ว่าจะด้วยแบบจำลองการถดถอย แบบจำลองการจัดหมวดหมู่ หรือประเภทอื่นๆNTIS ทำงานร่วมกับสำนักงานผู้ตรวจราชการกรมอนามัยและบริการมนุษย์ โดยใช้ปัญญาประดิษฐ์และการวิเคราะห์ขั้นสูงเพื่อตรวจจับธุรกรรมที่น่าสงสัยและหยุดการชำระเงินที่ไม่เหมาะสมหรือแผนการฉ้อโกง ด้วยการตรวจจับความผิดปกติและการจ่ายเงินมากเกินไป Chraibi นึกถึงเกร็ดเล็กเกร็ดน้อยเรื่องหนึ่งของร้านทำเล็บที่เรียกเก็บเงินจาก Medicare ว่าเป็นการผ่าตัด“การดูที่รูปแบบ – และนั่นเป็นส่วนที่ยากในการวิเคราะห์เชิงคาดการณ์ ดังนั้นคุณต้องทำทีละขั้นตอน” เขากล่าว “ขั้นแรก คุณต้องรวบรวมข้อมูลที่คุณต้องการ จากนั้นคุณต้องพัฒนาระบบเกี่ยวกับวิธีการตรวจจับความผิดปกติและรวมถึงผู้เชี่ยวชาญเฉพาะด้านที่อยู่ที่นั่นด้วย”การแสดงข้อมูลเป็นภาพมีประโยชน์สำหรับการระบุรูปแบบที่ “ไม่มีประสิทธิภาพ” การรวบรวมข้อมูลอาจรวมถึงข้อมูลสาธารณะจากโซเชียลมีเดีย สิ่งพิมพ์ข่าว และแหล่งข้อมูลอื่นๆอ่านเพิ่มเติม: ข้อมูลขนาดใหญ่
และบางครั้ง NTIS ต้องทำงานร่วมกับหน่วยงานต่างๆ เช่น กรมแรงงาน ซึ่งข้อมูลจำนวนมากอยู่ในแอปพลิเคชั่นที่ควบคุมด้วยเตา ทำให้ยากต่อการวิเคราะห์เชิงคาดการณ์ที่มีประสิทธิภาพ Chraibi กล่าว“เรากำลังดำเนินการสร้างโครงสร้างพื้นฐานข้อมูลที่จะช่วยให้พวกเขารวมข้อมูลทั้งหมดของพวกเขาและช่วยให้แต่ละหน่วยงานได้รับความเข้าใจที่ดีขึ้นในสิ่งที่ข้อมูลบอกพวกเขา ไม่ใช่แค่ภายในหน่วยงานของพวกเขา แต่ทั่วทั้งหน่วยงาน” เขากล่าว “ดังนั้นเราจึงมีความก้าวหน้าในการประมวลผลข้อผิดพลาด การประมวลผลการอ้างสิทธิ์ การรับรองความถูกต้องและการตรวจสอบสิทธิ์ของผู้อ้างสิทธิ์ และอื่นๆ อีกมากมาย”
credit : ฝากถอนไม่มีขั้นต่ำ / สล็อตแตกง่าย / สล็อตเว็บตรง แตกหนัก
