Distribution des relations publiques en Inde
New Delhi [Inde], 2 juillet : Il existe plus de 6,3 millions de MPME en Inde, avec une demande de crédit non satisfaite de près de 120 milliards de dollars. L’accès aux petits prêts pour les MPME est souvent un processus long et incertain. Le paysage des prêts aux MPME est confronté à des défis de souscription de crédit nécessaire à l’approbation et au décaissement des prêts. La souscription de crédit nécessite les données financières du demandeur provenant d'une myriade de documents tels que les bilans, les flux de trésorerie et les comptes de résultat, afin d'évaluer le risque et la santé financière du demandeur. Les MPME manquent souvent de documents et ont un historique de crédit limité, ce qui rend difficile pour les prêteurs de traiter leurs demandes de prêt.
De nombreuses entreprises de technologie financière travaillent avec des prêteurs pour améliorer les processus de prêt grâce aux prêts numériques, aux systèmes de montage de prêts et à l'l'automatisation en tirant parti du ML et des systèmes intelligents. Cependant, les prêteurs aux MPME ont du mal à adopter de tels systèmes qui fonctionnent avec une documentation standard et exhaustive pour la souscription de crédit. Les prêteurs aux MPME doivent s'appuyer sur des relevés bancaires d'un an pour analyser la santé financière de leurs candidats. Ces relevés bancaires comptent des centaines de pages en raison de transactions de faible valeur et souvent sur différents comptes bancaires. Les équipes chargées des opérations de crédit de ces prêteurs mettent en moyenne 1 à 2 jours pour analyser ces relevés bancaires. Par conséquent, les prêteurs aux MPME ont besoin de systèmes de traitement plus rapides pour répondre au segment mal desservi des MPME.Finuit, une division fintech de Quantrium, a travaillé l'année dernière avec un prêteur MPME régional en pleine croissance au Tamil Nadu pour étudier son processus de souscription. Ils ont développé une suite d'outils intelligents de traitement de documents répondant aux besoins spécifiques des prêteurs MPME sur la base des documents disponibles, tels que les bilans, les relevés bancaires, les comptes de profits et pertes, etc. Arun S Iyer, responsable commercial de Finuit, a déclaré : « Les besoins en prêts des MPME sont complexes. Nous avons créé une solution suffisamment polyvalente pour traiter les données financières non structurées provenant de plusieurs sources de données. L'objectif global était de rendre le processus d'obtention d'informations cruciales à partir des relevés bancaires plus rapide et plus simple. , outils PNL et capacités analytiques''.
L'Bank Statement Analyser de Finuit traite les relevés bancaires pour permettre des processus de décision de crédit et de souscription plus rapides. L'analyseur exploite la technologie d'IA et de ML pour extraire les données des relevés bancaires des comptes bancaires du demandeur afin d'analyser les indicateurs de crédit clés tels que les modèles de revenus et de dépenses, les transferts inhabituels ou irréguliers, l'identification des fournisseurs et des distributeurs, etc. L'interface conviviale de l'analyseur de relevés bancaires traite les images des relevés bancaires et des livrets sur plusieurs comptes bancaires pour obtenir les flux de trésorerie du demandeur en 5 minutes.
La solution de relevé bancaire propose des indicateurs de solvabilité faisant autorité, tels que les modèles de revenus et de dépenses, les transferts inhabituels ou irréguliers et les paiements des fournisseurs et des distributeurs. L'analyseur de relevés bancaires utilise un LLM dédié et formé en interne pour identifier les informations clés à partir des détails de la transaction, tels que la contrepartie, le type de transfert, le type de contrepartie, les identifiants UPI, etc. Les modèles de revenus et de dépenses sont identifiés à partir des détails et des informations. extrait, via un modèle ML.M V Ramarao, chef de produit chez Finuit, explique : « Pour garantir que la solution produise des résultats précis et fiables, nous avons établi des centaines de règles. Ces règles sont méticuleusement conçues pour guider la solution, améliorant ainsi sa capacité à fournir des classifications et des informations précises sur les transactions.
Finuit utilise des mesures de cryptage des données pour garantir l'intégrité et la confidentialité des données. Des contrôles d'accès stricts sont en place pour protéger les données contre les violations potentielles. En tant qu'entreprise de technologie financière en évolution, elle explore continuellement de nouvelles mesures et mécanismes de sécurité pour mettre à jour ses protocoles de sécurité.
"Nous visions une réduction significative du temps de traitement sans avoir recours à des ressources supplémentaires. Et nos clients sont ravis des résultats. Ils réalisent en deux jours ce qui prenait auparavant une semaine", a déclaré Ramarao.Conclusion:
Finuit est la division fintech de Quantrium, une société de services et de produits informatiques AI-ML dont le siège est à Chennai, en Inde. Finuit se spécialise dans la création d'applications innovantes basées sur l'IA pour les organisations mondiales. L'entreprise est dirigée par des professionnels accomplis possédant des décennies d'expertise. La suite Document Intelligence de Finuit comprend un analyseur d'états financiers, un analyseur de fiches de paie, un analyseur de livrets, Company Deep Forensics Tool et KYC Validator, des solutions qui répondent aux besoins critiques du secteur des services financiers.
New Delhi [Inde], 2 juillet : Il existe plus de 6,3 millions de MPME en Inde, avec une demande de crédit non satisfaite de près de 120 milliards de dollars. L’accès aux petits prêts pour les MPME est souvent un processus long et incertain. Le paysage des prêts aux MPME est confronté à des défis de souscription de crédit nécessaire à l’approbation et au décaissement des prêts. La souscription de crédit nécessite les données financières du demandeur provenant d'une myriade de documents tels que les bilans, les flux de trésorerie et les comptes de résultat, afin d'évaluer le risque et la santé financière du demandeur. Les MPME manquent souvent de documents et ont un historique de crédit limité, ce qui rend difficile pour les prêteurs de traiter leurs demandes de prêt.
De nombreuses entreprises de technologie financière travaillent avec des prêteurs pour améliorer les processus de prêt grâce aux prêts numériques, aux systèmes de montage de prêts et à l'l'automatisation en tirant parti du ML et des systèmes intelligents. Cependant, les prêteurs aux MPME ont du mal à adopter de tels systèmes qui fonctionnent avec une documentation standard et exhaustive pour la souscription de crédit. Les prêteurs aux MPME doivent s'appuyer sur des relevés bancaires d'un an pour analyser la santé financière de leurs candidats. Ces relevés bancaires comptent des centaines de pages en raison de transactions de faible valeur et souvent sur différents comptes bancaires. Les équipes chargées des opérations de crédit de ces prêteurs mettent en moyenne 1 à 2 jours pour analyser ces relevés bancaires. Par conséquent, les prêteurs aux MPME ont besoin de systèmes de traitement plus rapides pour répondre au segment mal desservi des MPME.Finuit, une division fintech de Quantrium, a travaillé l'année dernière avec un prêteur MPME régional en pleine croissance au Tamil Nadu pour étudier son processus de souscription. Ils ont développé une suite d'outils intelligents de traitement de documents répondant aux besoins spécifiques des prêteurs MPME sur la base des documents disponibles, tels que les bilans, les relevés bancaires, les comptes de profits et pertes, etc. Arun S Iyer, responsable commercial de Finuit, a déclaré : « Les besoins en prêts des MPME sont complexes. Nous avons créé une solution suffisamment polyvalente pour traiter les données financières non structurées provenant de plusieurs sources de données. L'objectif global était de rendre le processus d'obtention d'informations cruciales à partir des relevés bancaires plus rapide et plus simple. , outils PNL et capacités analytiques''.
L'Bank Statement Analyser de Finuit traite les relevés bancaires pour permettre des processus de décision de crédit et de souscription plus rapides. L'analyseur exploite la technologie d'IA et de ML pour extraire les données des relevés bancaires des comptes bancaires du demandeur afin d'analyser les indicateurs de crédit clés tels que les modèles de revenus et de dépenses, les transferts inhabituels ou irréguliers, l'identification des fournisseurs et des distributeurs, etc. L'interface conviviale de l'analyseur de relevés bancaires traite les images des relevés bancaires et des livrets sur plusieurs comptes bancaires pour obtenir les flux de trésorerie du demandeur en 5 minutes.
La solution de relevé bancaire propose des indicateurs de solvabilité faisant autorité, tels que les modèles de revenus et de dépenses, les transferts inhabituels ou irréguliers et les paiements des fournisseurs et des distributeurs. L'analyseur de relevés bancaires utilise un LLM dédié et formé en interne pour identifier les informations clés à partir des détails de la transaction, tels que la contrepartie, le type de transfert, le type de contrepartie, les identifiants UPI, etc. Les modèles de revenus et de dépenses sont identifiés à partir des détails et des informations. extrait, via un modèle ML.M V Ramarao, chef de produit chez Finuit, explique : « Pour garantir que la solution produise des résultats précis et fiables, nous avons établi des centaines de règles. Ces règles sont méticuleusement conçues pour guider la solution, améliorant ainsi sa capacité à fournir des classifications et des informations précises sur les transactions.
Finuit utilise des mesures de cryptage des données pour garantir l'intégrité et la confidentialité des données. Des contrôles d'accès stricts sont en place pour protéger les données contre les violations potentielles. En tant qu'entreprise de technologie financière en évolution, elle explore continuellement de nouvelles mesures et mécanismes de sécurité pour mettre à jour ses protocoles de sécurité.
"Nous visions une réduction significative du temps de traitement sans avoir recours à des ressources supplémentaires. Et nos clients sont ravis des résultats. Ils réalisent en deux jours ce qui prenait auparavant une semaine", a déclaré Ramarao.Conclusion:
Finuit est la division fintech de Quantrium, une société de services et de produits informatiques AI-ML dont le siège est à Chennai, en Inde. Finuit se spécialise dans la création d'applications innovantes basées sur l'IA pour les organisations mondiales. L'entreprise est dirigée par des professionnels accomplis possédant des décennies d'expertise. La suite Document Intelligence de Finuit comprend un analyseur d'états financiers, un analyseur de fiches de paie, un analyseur de livrets, Company Deep Forensics Tool et KYC Validator, des solutions qui répondent aux besoins critiques du secteur des services financiers.
