論文の概要: Predicting Account Receivables with Machine Learning
- arxiv url: http://arxiv.org/abs/2008.07363v1
- Date: Tue, 11 Aug 2020 11:53:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 12:03:20.472063
- Title: Predicting Account Receivables with Machine Learning
- Title（参考訳）: 機械学習によるアカウント受信者の予測
- Authors: Ana Paula Appel, Gabriel Louzada Malfatti, Renato Luiz de Freitas
Cunha, Bruno Lima, Rogerio de Paula
- Abstract要約: 本稿では,請求書の支払い予測において,収集者を支援するプロトタイプを提案する。
予測精度の最大81%に達し、顧客の優先順位が向上した。
私たちのシミュレーションでは、コレクタの優先順位付けに当社のモデルを採用することで、月に最大1億7500万ドルを節約できることが示されています。
- 参考スコア（独自算出の注目度）: 3.324876873771105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Being able to predict when invoices will be paid is valuable in multiple
industries and supports decision-making processes in most financial workflows.
However, due to the complexity of data related to invoices and the fact that
the decision-making process is not registered in the accounts receivable
system, performing this prediction becomes a challenge. In this paper, we
present a prototype able to support collectors in predicting the payment of
invoices. This prototype is part of a solution developed in partnership with a
multinational bank and it has reached up to 81% of prediction accuracy, which
improved the prioritization of customers and supported the daily work of
collectors. Our simulations show that the adoption of our model to prioritize
the work o collectors saves up to ~1.75 million dollars per month. The
methodology and results presented in this paper will allow researchers and
practitioners in dealing with the problem of invoice payment prediction,
providing insights and examples of how to tackle issues present in real data.
- Abstract（参考訳）: 請求書がいつ支払われるかを予測することは、複数の業界で価値があり、ほとんどの金融ワークフローで意思決定プロセスをサポートする。
しかし、請求書に関するデータの複雑さと、口座受取可能なシステムに意思決定プロセスが登録されていないという事実から、この予測を行うことが課題となる。
本稿では,請求書の支払い予測において,収集者を支援するプロトタイプを提案する。
このプロトタイプは、多国籍銀行と共同で開発されたソリューションの一部であり、予測精度の最大81%に達し、顧客の優先順位付けを改善し、コレクターの日々の作業をサポートする。
私たちのシミュレーションでは、コレクターの優先順位付けに当社のモデルを採用することで、1ヶ月あたり最大175万ドルを節約できることが示されています。
本稿では,請求書支払予測の問題に対処する研究者や実践者が,実際のデータに現れる問題への対処方法に関する洞察と事例を提供する。
関連論文リスト
- Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns [0.0]
本研究の目的は,長期預金契約予測におけるロジットモデルとプロビットモデルの有効性を検討することである。
ターゲット変数はデータセット固有の不均衡を考慮してバランスが取れた。
ロジットモデルは、この分類問題を扱う際に、プロビットモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-10-28T21:04:58Z) - Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。
本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
論文 参考訳（メタデータ） (2024-10-03T15:56:03Z) - A machine learning workflow to address credit default prediction [0.44943951389724796]
信用デフォルト予測(CDP)は個人や企業の信用力を評価する上で重要な役割を果たす。
CDPを改善するためのワークフローベースのアプローチを提案する。これは、借り手が信用義務を負う確率を評価するタスクを指す。
論文 参考訳（メタデータ） (2024-03-06T15:30:41Z) - Towards a Foundation Purchasing Model: Pretrained Generative
Autoregression on Transaction Sequences [0.0]
本稿では,金融取引の文脈的埋め込みを得るための生成事前学習手法を提案する。
さらに,510億の取引を含む180の発行銀行のデータコーパスを用いて,埋め込みモデルの大規模事前学習を行う。
論文 参考訳（メタデータ） (2024-01-03T09:32:48Z) - Towards a data-driven debt collection strategy based on an advanced
machine learning framework [0.0]
欧州債務購入市場は2020年に25億ユーロに接近した。
新しい機械学習モデリングパイプラインが提示され、このセクターで採用されている現在の戦略よりも優れたパフォーマンスを示している。
パフォーマンスは、債務業界の実際の歴史的なデータで検証されます。
論文 参考訳（メタデータ） (2023-11-03T16:01:30Z) - Understanding Information Disclosure from Secure Computation Output: A Study of Average Salary Computation [58.74407460023331]
関数結果の観察からプライベート入力に関する情報開示を定量化することが,本研究の課題である。
ボストン市における男女賃金格差の研究に動機づけられたこの研究は、給与の平均計算に焦点を当てる。
論文 参考訳（メタデータ） (2022-09-21T15:59:48Z) - Mechanisms that Incentivize Data Sharing in Federated Learning [90.74337749137432]
我々は、データ共有の利点が完全に損なわれているような、ナイーブなスキームが破滅的なフリーライディングのレベルにどのように結びつくかを示す。
次に,各エージェントが生成するデータ量を最大化する精度形成機構を導入する。
論文 参考訳（メタデータ） (2022-07-10T22:36:52Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - Enhancing User' s Income Estimation with Super-App Alternative Data [59.60094442546867]
これは、これらの代替データソースのパフォーマンスと、業界に受け入れられた局の収入推定器のパフォーマンスを比較します。
本論文は、金融機関がリスクプロファイルの構築に代替データを導入しようとする動機を示すものである。
論文 参考訳（メタデータ） (2021-04-12T21:34:44Z) - Propensity-to-Pay: Machine Learning for Estimating Prediction
Uncertainty [1.452875650827562]
本研究では、異なる文脈を考慮し、予測の不確実性を推定する機械学習モデルの能力について検討する。
ベイジアンニューラルネットワークを二元分類問題に活用する新しい概念が提案され,展開に向けて検討されている。
論文 参考訳（メタデータ） (2020-08-27T11:49:25Z) - Generating Fact Checking Explanations [52.879658637466605]
まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。
本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。
この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
論文 参考訳（メタデータ） (2020-04-13T05:23:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。